美國加州法院認定Broadcom控訴Netflix侵權之US 8365183專利不具適格性
2022年4月美國加州法院於Broadcom控訴Netflix專利侵權一案中，就Broadcom的第US 8365183號美國專利（下稱183專利）做出無效的判決。
於2020年3月，Broadcom就Netflix對消費者提供的影音服務提起訴訟，認為Netflix影音內容傳輸方式使用到Broadcom的多件專利技術，此次的183專利，主要是用來在多個電腦/伺服器設備中進行處理工作的分配，依Broadcom的主張，該技術應用於影音機上盒這類產品時，可有效的提升影音媒體的效率。這類專利與演算法有關，對於專利本質是否為抽象概念，需要通過美國最高法院就Alice案對於抽象概念的兩階段測試法，先檢驗請求項是否指向抽象概念，再檢驗請求項是否因其中元件（包含電腦/軟體）的配置，改變其性質而成為適格的專利標的。
加州法院法官James Donato認為，就183專利所主張之請求項內容，主要是在於多個伺服器間進行工作分配，此種行為與辦公室裡進行工作分配並沒有不同，且日常生活中也充滿類似情況，如服務生依照顧客需求進行位置安排，就此Broadcom雖提出該專利方法可提高伺服器效率的論點，但法官認為該專利只是列出傳統電腦技術中會執行的步驟順序，未因該專利所揭露的方法促進電腦的功能，而不足以使抽象概念的性質轉化，因此就該專利做出無效的判決。
「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」
莊越程
資深法律研究員 編譯整理
Steve Brachmann, Netflix Scores as California Judge Says Broadcom’s Dynamic Resource Provisioning Patent Claim is Abstract under Alice, IPWATCHDOG, April 18, 2022, https://www.ipwatchdog.com/2022/04/18/netflix-scores-california-judge-says-broadcoms-dynamic-resource-provisioning-patent-claim-abstract-alice/id=148511/(last visited April 26, 2022).
美國交通部（U.S. Department of Transportation, DOT）於2026年8月26日發布「美國交通部人工智慧政策」（U.S. Department of Transportation Artificial Intelligence (AI) Policy），規範所屬人員於部內資訊系統使用AI之行為，並自簽署日起生效。該政策採取「適當時即使用AI」（Use AI when appropriate）之預設立場，在合法範圍內盡可能允許AI應用，並強調以人為本。該政策亦適用於既有AI應用，各所屬機關應於六個月內向首席資料暨AI長（Chief Data and Artificial Intelligence Officer, CDAIO，以下簡稱AI長）提報清單。惟國家安全系統、運用AI進行之基礎及應用研究（以開發機關自用AI為目的者除外），以及受監管或受補助對象使用或開發之AI，不在適用範圍內。 政策重點包括兩大面向。首先，在AI生命週期實務方面，各機關應於設計、開發、部署、監測與評估、處置或移轉等五階段納入人為監督；AI產出如用於部內最終行政文件，須經具資格且負責之人員審查驗證。此外，生成式AI之提示詞與產出僅保留7日，期滿自動刪除；AI工具亦非核定之紀錄保存系統，相關紀錄應移轉至指定系統保存。 其次，在AI風險管理方面，監督強度依使用頻率、持續性及影響程度調整，並透過公開之AI使用案例清單（AI Use Case Inventory）揭露應用情形。政策另明定AI長、資安長（Chief Information Security Officer, CISO）及機關隱私保護高階主管（Senior Agency Official for Privacy, SAOP）等職責分工，新增或具高影響之AI使用案例，均須由AI長會同隱私保護高階主管、法務單位（Office of General Counsel, OGC）、資安長及所屬機關審核。各機關如有充分業務理由，得就特定使用案例申請豁免管理，並提出理由、已採取之管理措施、豁免期間及符合本政策之期程，由AI長以書面決定。
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 ）」
美國FDA將基因檢測以醫療器材列管美國FDA在七月間針對多家提供大眾基因檢測服務（direct-to-consumer genetic tests, DTI genetic tests）的公司發出通知函，表示將對該產業進行規管。FDA在各通知函中明白表示，其認為收信公司所提供的基因檢測服務，符合其主管之醫療器材管理法規對於體外診斷器材（in vitro diagnostics）之定義。根據美國聯邦法律，人類用醫療器材採用分級管理的概念，在上市前必須依其風險等級進行上市前通報或申請核准，以確保其分析與臨床之有效性。FDA認為，由於這些公司的基因檢測並未依法提出上市前通報或申請核准，涉有違法之嫌。 FDA採取此項措施，明顯是為了保護消費者，避免其受到未經臨床檢驗的檢測結果之誤導。然事實上國際間對於是否透過法令、以及如何規範大眾基因檢測服務，並無一致性看法。迄今，大眾基因檢測服務在許多國家都是在法令混沌未明的狀態下銷售，也引發了許多問題。對於FDA此一政策態度，有認為以法令方式規範此種服務，將會扼殺這個還在萌芽發展終的產業；也有認為，這算是對消費者遲來的保護。 大眾基因檢測服務的管理，顯示既有法令面對新興科技發展之管理窘迫性，也代表各國政府在保護消費大眾與促進新興產業發展之間，著實不易從中找到利益權衡之點，其科技管理面臨前所未有的新挑戰。
歐盟第29條工作小組發布「自動化個人決策和分析指引」處理個人資料自動化決策與資料剖析風險問題歐盟第29條工作小組於2017年10月3日為因應歐盟一般資料保護規則（GDPR）第22條規定發布「自動化個人決策和分析指引」（Guidelines on Automated individual decision-making and Profiling for the purposes of Regulation 2016/679，2018年2月6日進一步修正，下稱指引），處理對個人資料自動化決策（automated decision-making）和個人檔案剖析（Profiling）的建立。 指引分為五個部分與最佳實踐建議，旨在幫助資料控制者（controller）合乎GDPR對個人資料自動化決策和分析的要求，內容包括下幾點：1.定義自動化決策和分析，以及GDPR對這些概念的處理方法；2.對GDPR第22條中關於自動化決策的具體規定；3.對自動決策和分析的一般規定；4.兒童和個人檔案剖析（Profiling）的建立；5.資料保護影響評估。 指引的主要內容包括： 個人檔案剖析（Profiling），意謂收集關於個人（或一群個人）的資料，並分析他們的特徵或行為模式，加以分類或分群，放入特定的類別或組中，和/或進行預測或評估（例如，他們執行任務的能力，興趣或可能的行為）。 禁止對個人資料完全自動化決策，包括有法律上法或相類重大影響的檔案剖析，但規則也有例外。應有措施保障資料主體的權利，自由和合法利益。 GDPR第22條第二項a之例外規定，（履行契約所必需的），自動化個人決策時，應該作狹義解釋。資料控制者必須能夠提出分析、自動化個人決策的必要性，同時考慮是否可以採取侵害隱私較少之方法。 工作小組澄清，關於在要求提供有關自動化決策所涉及的邏輯上有意義的資料時，控制者應以簡單的方法，告訴資料主體其背後的理由或依據的標準，而不得總是以自動化決策所使用算法進行複雜的解釋或者公開完整的算法為之。所提供的資料應該對資料當事人有意義。 對資料主體提供關於處理自動化決策上有關重要性和預期後果的資料，其意義在於必須提供關於該資料之用途或資料未來處理以及自動化決策如何影響資料主體的重要訊息。例如，在信用評等的情況下，應有權知道其資料處理的基礎，資料主體並能對其作出正確與否的決定，而不僅僅是關於決策本身的資料。 「法律效果」是指對某人的法律權利有影響，或者影響到個人法律關係或者其契約上權利。 工作組並未將GDPR前言71段視為絕對禁止純粹與兒童有關的自動決定，指出僅在某些情況下才有其適用（例如，保護兒童的福利）。 在基於自動化處理（包括分析）以及基於哪些決策產生法律效應或類似顯著效果的基礎上對個人方面進行系統和廣泛評估的情況下，進行資料保護影響評估並不局限於「單獨」自動化處理/決定。