日本推升農業資料契約指針成為補助計畫要點
日本農林水產省（以下簡稱農水省）從2021年起於補助計畫要點中規定，農業關係人利用農水省補助金導入智慧農機、無人機、農業機器人、IoT機器等所產生資料，且為系統服務業者取得、保管的情況下，須符合2020年農業領域AI資料契約指引要求之相關程序（下稱GL合規）。系統服務業者可依據農水省網站所提供的GL合規CHECKLIST，自行向律師、專利師等諮詢，評估其與農業資料提供者間契約是否GL合規。農水省亦於2020年年底召開兩場相關說明會，條列出須GL合規之補助計畫清單，且相關計畫規定預計於2021年生效（2021年1月6日至2月10日公開招募之智慧農業實證計畫即已有相關規定）。
前述規定係源自於2020年7月17日日本閣議通過最新版「規制改革實施計畫」，其中與「農業資料利用」相關實施項目為：利用農水省補助金導入智慧農業機械時所締結之契約，應符合2020年農業領域AI資料契約指引之核心精神，保障農民可使用其提供給系統服務業者所保管之數據資料。日本政府為促進農業關係人提供資料，於2020年制定農業領域AI資料契約指引，做為農業資料提供者與智農機具系統服務業者訂立契約時之參考。為更進一步促使系統服務業者獲得農業資料提供者的信賴，透過規制改革實施計畫，將該農業資料契約指針推升成為補助計畫要點，可作為我國農業領域推動資料提供、保護、或流通運用機制之借鏡。
劉宥妤
副法律研究員 編譯整理
日本商工会議所，〈農業分野におけるAI・データに関する契約ガイドラインについて（農林水産省）〉，2020/10/06，https://www.jcci.or.jp/region/2020/1006195854.html （最後瀏覽日：2021/02/08）。
人工智慧即服務（AIaaS）之定義為由第三方提供人工智慧（AI）外包服務，其可使個人和公司基於各種目的進行AI相關實驗，同時毋須於初期即大規模投資或承受高度風險。著名之四大AIaaS供應商為Amazon AWS雲端運算服務、Microsoft Azure 雲端運算平台與服務、Google雲服務、以及IBM雲服務。 AIaaS之優點主要有：（1）降低成本：一般公司無須投資軟體、硬體、人員、維護成本以及不同任務之修改成本，AIaaS供應商可供應不同之硬體或機器學習供公司嘗試運用。（2）即用性：AIaaS供應商提供之AI服務為即用性，無須太多專家介入修改即可使用。（3）可擴展性：可由較小之項目開始試驗，逐步擴張調整服務，因此具有戰略靈活性。然而，AIaaS亦有以下潛在缺點：（1）降低安全性：公司必須交付大量資料給AIaaS供應商，因此資料之機密保護與預防竄改即為重要。（2）增加依賴度：若發生問題時，必須等待AIaaS供應商進行處理。（3）降低透明度：由於是即用性之AI服務，對於內部演算法之運作則屬於未知之黑盒子領域。（4）限制創新：因AIaaS供應商所供應之AI服務需一定程度之標準化，因此限制公司創新發展之可能。
日本透過「產業財產權人才培養協力事業」支援發展中國家智慧財產人才培養，消除企業於發展中國家進行經濟投資或活動時所面臨的智慧財產權相關妨礙2024年2月，日本專利廳根據公開招募結果，公布將由一般社團法人發明推進協會執行令和6年度的「產業財產權人才培養協力事業」。 日本自2021年起開始推動「產業財產權人才培養協力事業」，至今年已邁入第4年，且自2024年起預計於南非共和國開設新的專利審查實務課程，以提升南非共和國專利審查官的必要能力。 「產業財產權人才培養協力事業」主要針對日本企業進行海外經濟投資及活動熱門的發展中國家（包含新興國家以及最低度開發國家LDC），提供積極性的人才培養支援，並以強化該國家能安定培養智慧財產相關權利取得與執行的實施人才為目的。在法制整備較為落後的最低度開發國家如柬埔寨，人才培養強化支援的範圍亦包含產業財產權制度的整備。人才培養的對象以智慧財產廳的職員、取締機關的職員以及民間的智慧財產關係業者為重點，透過提升其對於智慧財產權的能力，解決日本企業為在外國取得產業財產權的權利保護需要花費大量時間、日本企業的產業財產權在外國受到侵害的案件逐年增加等問題，以消除日本企業在外國進行經濟投資及活動時的巨大妨礙。 日本專利廳亦針對研修方針下列事項提出建議： 1、消除發展中國家審查延遲的對應方針 於研修中透過增加案例閱讀、資料尋找演習等的講義時間，提升尋找能力及判斷能力；並透過學習日本的IT系統、業務處理過程，提升系統面的支援能力。 2、提升發展中國家審查品質的方針 透過學習日本的基準、判斷手法提升審查、審判的品質；並透過學習日本的管理手法，提升審查品質管理能力。 3、仿冒品對策的對應方針 透過介紹以日本及各國事例為基礎的支援，加深對於仿冒品對策的理解；並透過增加與實施健全執法相關聯的講義時間，加深對於仿冒品對策的一般理解。 4、建構更有效果的研修方法的對應方針 透過設置課程全體的導師制度（mentor），提升研修效果的同時，有效活用「線上」及「實體」連續性的混合研修方法，並透過於實體研修中實施團體討論、在職訓練（OJT）、案件閱讀、模擬裁判（Mock Trial）等，提升實踐能力。 本文後續會持續留意日本「產業財產權人才培養協力事業」的發展，以掌握日本對於發展中國家支援的最新資訊。我國企業如未來預計於發展中國家進行經濟投資或活動時，亦應注意該國智慧財產權之程度，以評估相關風險。 本文同步刊登於TIPS網（https://www.tips.org.tw）
歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。 在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。 其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵： （一）可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。 （二）可能不具技術性 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09） 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。 在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。 近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」