歐盟電信改革：歐盟委員會持續對三份研究做評論
歐盟資訊社會和媒體委員 Viviane Reding 女士認為，對 2006 歐盟電信規則的重新檢視，是歐洲競爭力、投資和成長是重要的關鍵。如果想要促進一個具競爭性、以知識為主的歐盟經濟體系，完備電子通訊內在市場、擴大跨界經營的競爭，以及提升無線通訊頻譜利用的最大效益，均需最優先考量。
- http://europa.eu/rapid/pressReleasesAction.do?reference=IP/06/1123&format=HTML&aged=0&language=EN&guiLanguage=en
- http://ec.europa.eu/information_society/policy/ecomm/info_centre/documentation/studies_ext_consult/index
- http://www.euractiv.com/en/infosociety/food-thought-drive-telecoms-regulation-review/article-157299
美國高等法院於2012年1月18日對Golan v. Holder案做出裁定，確認維持將目前在公共領域的外國著作納入著作權保護的聯邦法。Golan v. Holder案之主要爭點為，美國國會於1994年為符合伯恩公約及WTO「與貿易有關智慧財產權協定(TRIPS)」的規定，決議通過讓之前無法在美國取得著作權保護的外國著作可以回溯取得美國著作權，一夕之間近上百萬件於1923年至1989年之間在國外發表的著作在美國不再屬於公共領域，包括了許多經典的電影，名畫及交響樂等，這個法案引起了許多樂團指揮家、表演者、老師、電影檔案保管者及電影發行商等人士的不滿，因為他們將無法像之前一樣無限制的使用這些著作。 美國聯邦地區法院於2009年曾判定認為恢復屬於公共領域的外國著作的著作權違反了保障言論自由的美國憲法增修條文第一條，但高等法院以6：2的多數意見認為，恢復公共領域的外國著作的著作權保護並不違反憲法修文第一條及憲法下的著作權條款。身為著作權擁有者，這個裁定對電影與音樂業者可以說是場勝戰，但對Google建立電子圖書館的計畫則將是個挑戰，Google表示這將使他們無法把近一千五百萬冊書籍的內容公開在網路上提供，並且也會影響到他們已完成電子化的上百萬冊書籍的使用。
Groupon與LivingSocial面臨關於團購券有效期限的團體訴訟Groupon日前遭消費者集體訴訟，控告其團購券之有效期限違反消費者保護相關法律。原告消費者主張Groupon違反聯邦信用卡責任公開法案，該法案限制禮券之到期日不得少於出售後五年內。對於原告消費者之主張，Groupon提出抗辯，並申請和解。而另一團購網站LivingSocial也面臨類似的訴訟案件，並且同意支付450萬美元和解金以解決關於團購券有效期限之爭議。在以上兩個案例中，核心問題均涉及，Groupon與LivingSocial所提供之票券是否適用於聯邦和各州法律中關於禮券之規定；換言之，爭議在於，聯邦法律規定禮券到期日不得短於五年，而此規定是否適用於團購網站所提供之票券，目前尚有疑義。就團購券有效期限的現狀而言，團購禮券上通常會標示兩個有效日期，其一為支付價格(市價)，另一個是推廣價格(促銷價)，前者係指消費者在此交易中原本所應支出之費用，後者則指折扣價格。舉例而言，消費者購買25美元的團購券後，得前往義式餐廳享有價值50美元的餐點，而若是團購券折扣到期後，消費者仍得以團購券換取市價25美元的餐點，但無折扣。
美國國際消費電子展研討會討論有關打擊專利蟑螂議題美國國際消費電子展(International Consumer Electronics Show, CES)是每年全球介紹消費性電子產品的第一場重頭戲，2013年於美國時間1月8日在拉斯維加斯會議中心(Las Vegas Convention Center, LVCC)展開，展期持續四天。CES展展出面積17萬平方公尺，有超過3,250個參展公司，展出20,000種最新科技的電子產品，超過15萬人次參加。除了展出電子產品最新趨勢，CES同時也對於電子資訊相關議題開設研討會議，今年共有超過300場的研討會。 其中有一系列名為「創新政策高峰會」(Innovation Policy Summit)的研討會主題，討論政府部門如何與企業合作促進經濟成長及創新應用。高峰會中除邀請各科技領域中的創新發明者，還邀請政府部門、國會議員等，討論與科技政策最相關的種種議題。值得注意的是，創新政策高峰會中一場主題為「打擊專利蟑螂」(Fighting the Patent Trolls)的研討會於1月8日舉行，討論有關政府及民間業者如何打擊影響科技產業的專利蟑螂(Patent Trolls)，與會者除了有眾議員Peter DeFazio，還有Google、電子前線基金會(Electronic Frontier Foundation,EFF)、電子製造商Voxx International、零售商Home Automation等等企業代表，分享被專利蟑螂控訴專利侵權的經驗及提供意見。 在研討會中討論出的打擊方案有以下幾點： ‧擴展DeFazio眾議員提案的「保護高科技創新者免於惡意訴訟法案」(The Saving High-tech Innovators from Egregious Legal Disputes Act, SHIELD Act)到其他受專利蟑螂攻擊的產業，同時修改法案要求原告應在法院判決其負擔被告訴訟費用時，同時提出擔保金。 ‧應簡化專利局審核時質疑(challenge)不良專利的程序。 ‧在專利訴訟中對實際損害(actual damages)應提出更明確證據，並應更嚴格審查核發初步禁制令。 ‧科技公司應設法自救或組成聯盟，或者推廣Twitter公司2012年提出的「專利發明者協議」(Innovator Patent Agreement)，該協議讓公司內專利發明者對其發明專利有更大控制權，並承諾公司僅會將其專利用於防衛用途。 其中第一點的SHIELD法案，是眾議員DeFazio及Jason Chaffetz為遏止專利蟑螂於2012年8月共同提案。該法案目標在打擊專利蟑螂，針對電腦軟硬體提出的專利訴訟，原告若無勝訴之合理可能性(reasonable likelihood of succeeding)，法院得判決原告必須負擔被告訴訟費用及律師費用，以達到遏止專利蟑螂的目的。然而目前SHIELD法案立法進度停滯，DeFazio預計將提出修正版本爭取通過。DeFazio表示，該法案若要成功立法，需要各界聯合及廣泛支持。
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