澳洲P2P業者Kazaa面臨存亡的最後通牒
源起於去年底澳洲當地唱片業者控告 Kazaa 一案，今年 9 月 5 日澳洲聯邦法院認定 Kazaa 營運商 Sharman Networks 構成著作權侵害，除判決唱片業者勝訴外，法院並判定 Kazaa 必須在 2 個月內修改其軟體程式，加入相關過濾技術，以避免使用者傳輸違法音樂檔案；另一方面，判決賦予唱片業界得提交 3000 個關鍵字名單 ( 包括了曲目及歌手姓名 ) 要求 Kazaa 加以過濾的權利，該名單並得每兩週加以更新。
直至本月 24 日， Kazaa 仍表示其無法控制高達 100 萬使用者的個人行為，拒絕修改其提供下載的 P2P 軟體，導致聯邦法院不得不下達最後通牒。 Kazaa 營運商 Sharman Networks 雖已提起上訴，但在現時關鍵字過濾技術實施不易之下，澳洲 Kazaa 恐將步上已於本月 7 日關閉的 Grokster 後塵。
所謂「尖端大型研究設施」，系指日本《特定尖端大型研究設施共用促進法》（特定先端大型研究施設の共用の促進に関する法律）中，由國立研究法人所設置，並受該法規範之研究設施。 該法之目的係在設置被認為不適合於國立實驗研究機關，或進行研究之獨立行政法人中重複設置之以高額經費購置的該研究領域中最尖端技術之研究設施設備，並於該研究領域中進行多樣化研究之活用，以發揮其最大之價值。 目前受到該法規定的研究設施包括特定同步輻射研究設施，其包含了「SPring-8」及「SACLA」等兩座大型同步輻射研究設施，與特定超級電腦設施，亦即超級電腦「京」，以及包括了高強度質子加速器「J-PARC」之一部的特定中子輻射研究設施；以SPring-8為例，該設施之網站上登載有使用情報、使用申請及參考資料等，供欲使用該設施之研究人員參考。
歐洲議會全體會議投票通過《資安韌性法》草案，以提高數位產品安全性歐洲議會於2024年3月12日全體會議投票通過《資安韌性法》（Cybersecurity Resilience Act）草案，後續待歐盟理事會正式同意後，於官方公報發布20天起生效。該草案旨於確保具有數位元件之產品（products with digital elements, PDEs）（下簡稱為「數位產品」）具備對抗資安威脅的韌性，並提高產品安全性之透明度。草案重點摘要如下： 一、數位產品進入歐盟市場之條件 課予數位產品之製造商及其授權代理商、進口商與經銷商法遵義務，規定產品設計、開發與生產須符合資安要求（cybersecurity requirements），且製造商須遵循漏洞處理要求，產品始得進入歐盟市場。 二、數位產品合規評估程序（conformity assessment procedures） 為證明數位產品已符合資安及漏洞處理要求，依數位產品類別，製造商須對產品執行或委託他人執行合規評估程序：關鍵與重要數位產品（無論I類或II類）應透過第三方進行驗證，一般數位產品得由製造商自行評估。通過合規評估程序後，製造商須提供「歐盟符合性聲明」（EU declaration of conformity），並附標CE標誌以示產品合規。 三、製造商數位產品漏洞處理義務 製造商應識別與記錄數位產品漏洞，並提供「安全更新」（security updates）等方式修補漏洞。安全更新後，應公開已修復漏洞之資訊，惟當製造商認為發布之資安風險大於安全利益時，則可推遲揭露相關資訊。 四、新增開源軟體管理者（open-source software steward）之義務 開源軟體管理者應透過可驗證的方式制定書面資安政策，並依市場監管機關要求與其合作。當開源軟體管理者發現其所參與開發的數位產品有漏洞，或遭受嚴重事故時，應及時透過單一通報平臺（single reporting platform）進行通報，並通知受影響之使用者。
美國專利商標局就研發成果商業化議題徵集公眾意見美國專利商標局（United States Patent and Trademark Office, USPTO）於2024年3月15日至5月14日間，就促進研發成果商業化之方法徵集公眾意見；本次議題包括： （1）在研發成果商業化的過程（尤其是利用智慧財產制度以進行技術移轉時），所遇到的最大挑戰及機會各為何？以及希望USPTO提供何種協助？ （2）在進行綠色和氣候技術、關鍵和新興技術移轉時，有無遇到任何智慧財產相關的挑戰及機會，以及希望USPTO提供何種協助？ （3）請列出可促進研發成果運用、綠色和氣候技術及關鍵和新興技術移轉的政策與作法； （4）請列出各利害關係人在界定潛在被授權人及進行技術移轉時，所面臨的智慧財產相關挑戰，以及現行制度有無需要改變，以減少這些挑戰； （5）請就USPTO於新冠肺炎疫情期間所推動，一用於媒合新冠肺炎治療技術供需雙方之「Patent 4合作夥伴平台計畫」（The Patents 4 Partnerships platform）進行評論，包含促成合作關係之作法； （6）請就USPTO於2022年7月參與之「世界智慧財產權組織（WIPO）綠色計畫」（WIPO GREEN）進行評論，包含USPTO可如何促進計畫的成功與擴大影響力； （7）請列出USPTO可協助特定人士、技術、產業、公司，降低研發成果運用過程中面臨挑戰之可能作法； （8）請列出USPTO可協助「代表性不足群體」（underrepresented group）、個體發明者、中小企業提升研發成果運用認知，及克服現行挑戰的作法； （9）請列出USPTO可協助少數群體服務機構（Minority Serving Institutions, MSIs）、傳統黑人大學（Historically Black Colleges and Universities, HUCUs）擴大其研發成果商業化的機會； （10）USPTO在促進研發成果商業化上，可以發揮的其他作用； （11）其他國家可更促進研發成果商業化的作法。
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