日本內閣所屬智慧財產戰略本部公布〈智慧財產推進計畫2021〉
日本於2021年7月13日公布〈智慧財產推進計畫2021〉。〈智慧財產推進計畫〉為智慧財產戰略本部自2003年開始，每年持續修訂至今的行動計畫。今年最新公布的〈智慧財產推進計畫2021〉，指出日本企業在智財．無形資產的投資活動相較於其他國家有嚴重停滯之現狀，並提出今後智財戰略的7項重點施政：
- 促進智財、無形資產的投資及運用：藉由企業揭露自身的經營戰略，吸引投資者關注智財並投資，藉此建立智財交易環境。
- 推動「運用標準戰略」：數位化使產業結構改變，從傳統金字塔型價值鏈轉為以功能連結的階層模式；此轉變讓標準戰略成為建立市場競爭優勢不可或缺的手段。
- 建立促進數據活用的環境：例如制定跨領域合作的數據流通基礎方針，或是創建數位交易市場，將數據交易的價值可視化，藉此吸引投資。
- 建立著作權集中許可制度：為解決數位化所產生的權利處理成本問題，需建立可以快速處理龐大且多樣化的著作權集中許可制度。
- 強化智財權在初創或中小企業、農業領域的運用：例如提供企業智財布局的諮詢窗口、建立農業技術的商業機密保護制度。
- 強化支援智財運用的體制、營運和人才基礎：例如商標審查效率強化、實現各級學校智財教育的普及。
- 重建COOLJAPAN戰略：因應疫情後的社會變化，追加建立數位技術的運用，以確保COOLJAPAN戰略持續發展。
本文同步刊登於TIPS網站（https://www.tips.org.tw）
李佳軒
副法律研究員 編譯整理
〈知的財産推進計画2021〉，智慧財產戰略本部，https://www.kantei.go.jp/jp/singi/titeki2/kettei/chizaikeikaku20210713.pdf （最後瀏覽日：2021/08/26）。
〈知的財産推進計画2021の概要〉，智慧財產戰略本部， https://www.kantei.go.jp/jp/singi/titeki2/kettei/chizaikeikaku20210713_gaiyou.pdf （最後瀏覽日：2021/08/26）。
〈日本の知的財産推進計画とその進展〉，日本智財學會，https://www.ipaj.org/bulletin/pdfs/JIPAJ1-1PDF/1-1_p007-014.pdf （最後瀏覽日：2021/08/26）。
蕭仁豪，〈日本首相頒布「2017智慧財產推動計畫」，揭示國家推動三大基礎政策面向〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&i=92&d=7787&no=64 （最後瀏覽日：2021/08/27）。
為降低歐盟民眾在歐盟各國家間往來之行動通訊漫遊費用，歐盟在去年七月提出歐盟境內大眾行動網路漫遊規則，以期將歐盟各國間的行動漫遊費用減少70%。該草案迅速得到各會員國之認同，於今年六月通過，並在今年6月30日正式公布歐盟漫遊規則(EU Roaming Regulation)，該規則於公布後，歐盟27個會員國家之行動通訊業者均受其拘束。 根據該規則第3條之規定，歐盟各會員國內提供漫遊服務之行動通訊業者向本國業者收取之漫遊批發價格不得超過每分鐘0.3歐元。未來兩年內，價格上限將逐年下降至0.28歐元及0.26歐元。至於零售價格部分，業者向消費者收取之漫遊費率為撥出電話不得超過每分鐘0.49歐元，接聽電話不得超過每分鐘0.24歐元。未來兩年內，該費率將逐年下降至0.46歐元/0.22歐元以及0.43歐元/0.19歐元。另外，原則上本國之行動通訊業者均應在消費者進入歐盟其他會員國的同時，以簡訊或語音的方式自動且免費的提供漫遊費率相關資訊。 目前該規則將實施三年，歐盟執委會將於實施18個月後對於實施成果加以檢討，以決定是否延長漫遊規則之實施期間以及是否將費率管制規則延伸至簡訊及資料漫遊服務。
美國商品期貨交易委員會發布《自願碳額度衍生性金融商品上市指引》，闡述交易所上架自願碳額度衍生性金融商品時所應考量之因素.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} 美國商品期貨交易委員會（Commodity Futures Trading Commission, CFTC）於2024年10月15日發布《自願碳額度衍生性金融商品上市指引》（Commission Guidance Regarding the Listing of Voluntary Carbon Credit Derivative Contracts），闡述交易所上架自願碳額度衍生性金融商品時所應考量之因素，旨在推動仍處於發展階段的自願碳額度商品之標準化，以強化其透明度與流動性。本指引認為，決定進行上市交易前應先行考量下列因素： 1.透明度（Transparency）：契約應公開碳額度方案（crediting program）與所認證減量專案活動之相關資訊。 2.外加性（Additionality）：若無碳額度構成誘因，則其所代表之碳減量或移除將無從發生。 3.永久性與應對反轉風險（Permanence and Accounting for the Risk of Reversal）：碳額度方案所核發之碳額度若遭撤銷，應具有充足緩衝儲備（buffer reserve）以替換品質相當之碳額度。 4.穩健量化（Robust Quantification）：量化方法應穩健、保守且透明，以確保核發碳額度數量準確反映減排或移除量。 5.治理（Governance）：碳額度方案應具備公開治理框架以建構獨立性、透明度及問責制度。 6.追蹤與避免重複計算（Tracking and No Double Counting）：碳額度方案應追蹤碳額度之核發、轉讓及註銷，並確保已註銷額度不會再被使用而導致減排或移除量重複計算。 7.第三方確證及查證（Third-Party Validation and Verification）：契約應明確記載第三方確證及查證程序，以確保碳額度實物交割符合品質要求，並與自願碳市場最新標準一致。
為加速解決智財、民事相關爭議，日本推動司法制度改革日本政府一直希望能透過改革司法制度，用以解決日本日益增加的跨國民事、智財爭議、消費爭議等案件，故從今（2019）年4月起，日本內閣官房聯合日本最高法院、法務省、外務省等相關單位，積極針對現行的司法制度進行檢討。日本政府期盼透過這次的司法改革，能降低訴訟成本、加速解決爭議案件。 日本內閣官房，於12月9日發表了第九次民事司法制度改革推進會議的決議，這次的會議針對日本現行的民事訴訟程序制度提出了制度改革大綱與具體的改革建議，如日本現行的民事裁判應進行全面IT化，並希望擴充非訟事件的類型。 在這次的會議中，有三個主要的重點：首先在民事裁判上，將增加訴訟代理人律師有提出電子化訴訟文件之義務，民事訴訟法修法通過後，要求訴訟代理人應線上提出訴訟相關文件，未來也會進一步要求本人自訴的案件，自訴者也負有與訴訟代理人同等之義務。 再者在智慧財產爭議案件上，日本政府正在評估是否導入「二階段訴訟制度」。未來在專利權是否侵權的判斷上，會將侵權與否的判斷與損害賠償的裁量拆分為兩階段，且未來在判斷與裁量上，希望法院能採用第三方的專家學者意見做為判斷的依據。 最後，為因應近年的國際化社會，日本新設了「日本國際紛爭解決中心」，希望能強化現行商業爭議案件的裁判程序。另外擴充了現行「國民生活中心」裡「越境消費者中心CCJ」的功能，除了針對跨境消費者外，更提供了在日外國人多國語言的諮詢管道。綜上所述，未來將會修正日本現行的民事訴訟法、專利法等相關法規，司法制度改革細節預計於2020年3月做出最終決議。 「本文同步刊登於TIPS網站（https://www.tips.org.tw）」。
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。