日本內閣閣議決定朝向實現數位社會之重點計畫
日本內閣於2021年6月18日閣議決定《朝向實現數位社會之重點計畫》（デジタル社会の実現に向けた重点計画）。本計畫係為使2021年9月數位廳正式設立後，得迅速依《數位社會形成基本法》（デジタル社会形成基本法）第37條第1項制定重點計畫，而將目前施政上須納入考量之項目事先制定為重點計畫。
本計畫重點措施摘要如下：
- 整備並普及化數位社會所需之共同功能，包含普及My Number Card、推動利用My Number，與Gov-Cloud政府雲端服務平台等。
- 徹底改善行政服務之使用者體驗與使用者介面，實現以國民為對象之服務。
- 推動《綜合資料戰略》（包括的データ戦略），促進資料流通與活用。
- 培養優秀數位人才，並延攬民間人才至行政機關。
- 為活用新技術進行籌措，並推動制度改革。
- 確保網路可及性（アクセシビリティ），減少數位落差。
- 確保網路安全與個人資料保護，防範使用資通訊技術之犯罪行為。
- 推動普及高度資通訊環境，與高效能運算之研究開發及測試實驗。
- 定期召開數位社會推動會議幹事會（デジタル社会推進会議幹事会（仮称），此為暫定），檢驗政策實施狀況。
鄭岱宜
法律研究員 編譯整理
〈デジタル社会の実現に向けた重点計画〉，內閣官房情報通信技術（IT）総合戦略室，https://cio.go.jp/sites/default/files/uploads/documents/210618_01_doc01.pdf （最後瀏覽日期：2021/08/26）。
〈デジタルデジタル社会の実現に向けた重点計画＜概要＞〉，內閣官房情報通信技術（IT）総合戦略室，https://cio.go.jp/sites/default/files/uploads/documents/210618_01_doc05.pdf （最後瀏覽日期：2021/08/26）。
〈包括的データ戦略〉，內閣官房情報通信技術（IT）総合戦略室，https://cio.go.jp/sites/default/files/uploads/documents/210618_01_doc03.pdf （最後瀏覽日期：2021/08/26）。
「デジタル社会形成基本法（令和3年法律第35号）」，內閣官房情報通信技術（IT）総合戦略室，https://cio.go.jp/sites/default/files/uploads/documents/210519_01_Law.pdf （最後瀏覽日期：2021/08/26）。
鄭岱宜，〈日本通過數位社會形成基本法〉，科技法律研究所，2021/06，https://stli.iii.org.tw/article-detail.aspx?no=64&tp=1&d=8683 （最後瀏覽日期︰2021/08/26）。
.Pindent{text-indent: 2em;} .Noindent{margin-left: 2em;} .NoPindent{text-indent: 2em; margin-left: 2em;} .No2indent{margin-left: 3em;} .No2Pindent{text-indent: 2em; margin-left: 3em} .No3indent{margin-left: 4em;} .No3Pindent{text-indent: 2em; margin-left: 4em} 歐盟人工智慧辦公室（European AI Office）於2024 年 11 月 14 日發布「通用人工智慧實踐守則」（General-Purpose AI Code of Practice）草案，針對《人工智慧法》（Artificial Intelligence Act, AIA）當中有關通用人工智慧（General Purpose Artificial Intelligence, GPAI）之部分，更進一步闡釋相關規範。 本實踐守則草案主要分為4大部分，分別簡介如下： （1）緒論：描述本守則之4個基本目標，包含協助GPAI模型提供者履行義務、促進理解人工智慧價值鏈（value chain）、妥適保障智慧財產權、有效評估且緩解系統性風險（systemic risks）。 （2）GPAI模型提供者：有鑒於GPAI模型對於下游系統而言相當重要，此部分針對模型提供者訂定具體責任。不僅要求其提供訓練資料、模型架構、測試程序等說明文件，亦要求制定政策以規範模型用途防止濫用。另於智慧財產權方面，則要求GPAI模型提供者遵守「歐盟數位單一市場著作權指令」（Directive 2019/790/EC）之規定。 （3）系統性風險分類法（taxonomy）：此部分定義GPAI模型之多種風險類別，諸如可能造成攻擊之資訊安全風險、影響民主之虛假資訊、特定族群之歧視、超出預期應用範圍之失控情形。 （4）高風險GPAI模型提供者：為防範系統性風險之危害，針對高風險GPAI模型提供者，本守則對其設立更高標準之義務。例如要求其於GPAI模型完整生命週期內持續評估風險並設計緩解措施。 本守則發布之次週，近千名利害關係人、歐盟成員國代表、國際觀察員即展開討論，透過參考此等回饋意見，預計將於2025年5月確定最終版本。
何謂「商標名稱通用化」？商標具有表彰商品來源之功能，其設計為配合商品特色而具有識別性。商標註冊後，若不具有識別及表彰商品來源之特徵，而失去商標應有之基本功能，依據商標法第63條第4款，不具識別性之商標，無法主張商標專用之權利。商標名稱通用化，即是指原本具有識別性之商標，通常為著名商標，因為社會大眾消費習慣以及認知的改變，變成商品的通用名稱，此時即認該商標失去識別性，失去法律保護。 商標名稱通用化形成之原因不一，可能是企業經營者設計商標時，有意使用社會大眾熟悉之名稱作為商標，也有可能非商標權利人自己故意造成，特別是著名商標，容易流於通用化。例如，「可樂（cola）」一詞由可口可樂（coca cola）公司率先註冊使用，但於消費者心目中已成為特定碳酸飲料之名稱，則不得由可口可樂公司獨占使用；又如火柴盒玩具汽車，為火柴盒大小包裝之玩具，企業經營者以 matchbox 作為該玩具的文字商標，但美國聯邦最高法院認為matchbox屬於該商品之通用名稱，否認其商標權。 實務上判斷商標名稱通用化，以該商標名稱在一般消費者心目中認識的主要意義為標準。一個經過市場行銷之註冊商標名稱，若在消費者心目中屬於商品通用名稱，而非特定商品來源，則表示該商標名稱已不具備商標功能，不受法律保護。
德國聯邦資訊技術，電信和新媒體協會針對AI及自動決策技術利用提出建議指南德國聯邦資訊技術，電信和新媒體協會於2018年2月6日在更安全的網路研討會中針對利用人工智慧及自動決策技術利用提出建議指南（Empfehlungen für den verantwortlichen Einsatz von KI und automatisierten Entscheidungen），旨在提升企業數位化與社會責任，並提升消費者權益保護。 本份指南提出六項建議： 促進企業內部及外部訂定相關準則 例如規定公司在利用演算法和AI時，必須將影響評估列入開發流程，並列為公司應遵守的道德倫理守則，以確保開發的產品或服務符合公平及道德。 提升透明度 使用者如有興趣了解演算法及其含義，企業應協助調查並了解使用者想獲知的訊息，並透過相關訊息管道提升產品及服務透明度。因此，企業應努力使演算法及其操作和含義能夠被使用者理解。此亦涉及即將實施的歐盟一般資料保護規則中的透明度義務。在機器學習或深度學習情況下，可能會增加理解性和可追溯性難度，但有助於分析流程並使其更接近人類理解的方法在科學和商業實踐中，應特別關注並進一步討論。另外，透過教育及使用說明協助及控制功能，教導消費者係建立雙方信任的重要手段。企業應在第一線中說明產品或服務中使用的手段（演算法，機器學習，AI）。除了解釋使用那些技術來改進產品和服務外，應一併解釋如何從技術控制過程中獲得相關知識以及提供那些後援支持。另外，例如透過幫助頁面，儀表板或部落格，解釋發生什麼以及如何做出某些影響深遠的自動化決策，使用戶更了解有關使用自動決策相關訊息。因此建議企業採取強制有效以建立信任的措施，使用戶理解是否及如何使用相關演算法，此可能包括使用自動化決策，使用特定資料組和使用技術的目的，亦即使用戶對演算法，機器學習或AI支持的決策有基本的了解。 為全體利益使用相關技術 人工智慧等新技術之重要性不應被低估，目前在生活和工業等眾多領域皆有廣泛應用。對於個人和集體而言，將可帶來巨大的利益，因此應該充分利用。例如，人工智慧可降低語言障礙，幫助行動不便的人可更加獨立自主生活，改善醫療診斷，提升能源供應效率，甚至是交通規劃和搜索停車位，都只是人工智慧偉大且已被使用的案例。為促進技術發展，應公平地利用其優勢並預留商業應用模式的空間，同時充分解決涉及的具體風險。產業特定的解決方案十分重要，但應兼顧受影響者的利益，並與廣大公眾利益找出妥協平衡點，且應排除不適當的歧視。建議在使用決策支持技術時，應事先檢查相關後果並與其利益比較。例如，可以在資料保護影響評估的框架進行。作為道德準則的一部分，必須確保演算法盡可能量準確地預測結果。 開發安全的資料基礎 資料係人工智慧支援決策的基礎。與人為決策者相同，資料不完整或錯誤，將導致做出錯誤的決定。因此決策系統的可靠性仍取決資料的準確性。但資料質量和資料來源始終不能追溯到源頭，如果可能的話，只有匯總或非個人資料可用於分析或分類用戶群組。因此，確切細節不可被使用或揭露。因此建議企業應考慮要使用的資料、資料的類別和在使用AI系統前仔細檢查資料使用情況，特別是在自我學習系統中資料引入的標準，並根據錯誤來源進行檢查，且儘可能全面記錄，針對個人資料部分更應謹慎處理。 解決機器偏差問題 應重視並解決所謂機器偏差和演算法選擇和模型建立領域的相關問題。解釋演算法，機器學習或AI在基層資料選擇和資料庫時所產生決策偏見相當重要，在開發預期用途的演算法時必須納入考量，對員工應針對道德影響進行培訓，並使用代表性紀錄來創建可以識別和最小化偏差的方法。企業並應該提高員工的敏感度並培訓如何解決並減少機器偏見問題，並特別注意資料饋送，以及開發用於檢測模式的內、外部測試流程。 適合個別領域的具體措施和文件 在特別需要負責的決策過程，例如在車輛的自動控制或醫療診斷中，應設計成由責任主體保留最終的決策權力，直到AI的控制品質已達到或高於所有參與者水平。對類人工智慧的信任，並非透過對方法的無條件追踪來實現，而是經過仔細測試，學習和記錄來實現
Apple , AT&T解決有關iPhone的專利訴訟Klausner Technologies已結束2007年12月針對蘋果(Apple)與共同合作AT&T公司發起的專利訴訟案，並將專利技術以授權方式予Apple及AT&T。 Klausner Technologies具有視覺語音郵件(visual voice-mail)技術所衍生產品與服務，並在美國及其他國家申請並已獲得多項專利。Klausner Technologies認為Apple 所生產iPhone手機的觸摸屏介面設計，其視覺語音郵件功能，類似像電子郵件收發匣，可呈現所有已接收的語音郵件，並可讓使用者依個人喜好隨意指定郵件的排列順序與瀏覽方式，其功能與Klausner Technologies於2004-2006年間所申請專利技術雷同。故2007年底對Apple與AT&T發出專利訴訟，並請求3億6仟萬美元的賠償與預期未來使用權利金。本案最終在美國德州東區地方法院以和解方式結束，然而和解相關詳情尚未對外公布。 Klausner Technologies於控告Apple與AT&T前，已經與數家公司簽署視覺語音郵件技術授權合約，包括時代華納的AOL與VoIP網路提供商Aonage公司；亦對Comcast，Cablevision及eBay等三家公司提起訴訟，指出其VoIP產品，侵犯Klausner Technologies所申請關語音郵件的專利，並請求賠償與使用權利費用共計3億美元。依路透社報導，eBay已同意接受以授權方式取得語音郵件技術。