網路拍賣之法制趨勢
法國國民議會（National Assembly）於2019年7月9日通過反仇恨言論立法提案，希望效仿德國社群媒體管理法（NetzDG），課予網路平台業者積極管理平台上仇恨言論（hate speech online）之責任。該提案希望透過立法要求大型網路平台及搜尋引擎，如Facebook及YouTube等，必須設置用戶檢舉管道，並於24小時內刪除以種族、宗教、性別、性取向或身心障礙為由之煽動仇恨或歧視性侮辱言論，否則將面臨高達全球營業額4%之罰款。 在主管機關方面，規劃由法國廣電主管機關「最高視聽委員會」（High Audiovisual Council, CSA）進行監管，網路平台業者必須向其提交仇恨言論之處理報告與相關數據。同時，平台業者應加強與法國司法系統的合作，取消違法用戶的匿名權利並提供相關證據資料，以利司法追訴。 2019年3月15日紐西蘭清真寺槍擊案之網路直播事件，讓各國警惕勿讓網路平台成為傳遞仇恨言論的工具。發起立法的法國議員Laetitia Avia表示，對抗網絡仇恨言論是場艱巨且長期的戰鬥，希望透過立法讓各方負起應有的責任，讓仇恨言論無所遁形，但反對者認為平台業者為了避免裁罰的風險，可能會對內容進行過度審查，相關自動化過濾技術也可能對言論自由產生不利影響。本立法提案仍待法國參議院完成審議。
德國聯邦網路局（Bundesnetzagentur）法規問題研究工作小組（Wissenschaftlicher Arbeitskreis für Regulierungsfragen）提出OTT服務法制規範意見報告德國聯邦網路局（Bundesnetzagentur） 法規問題研究工作小組（Wissenschaftlicher Arbeitskreis für Regulierungsfragen）於2015年11月18日提出「在OTT服務業者重要性提升背景下電信與媒體法制演變進程」意見報告（Evolution der Regulierung in den Telekommunikations- und Mediensektoren angesichts der Relevanzzunahme von OTT-Anbietern）。此報告針對OTT服務提出以下建議： 1. 是否電信服務（Telekommunikationsdienst）定義僅侷限於「電子信號的傳送」。倘若如此，是否亦須將OTT-I類型服務，亦即網路語音通話或電子郵件服務（例如：Skype, Gmail等），如同歸類並視電信服務而所規範。基於OTT-I服務的性質跟傳統通訊服務相似度很高（例如電話通訊服務），因此是否傳統電信服務定義須要涵蓋OTT-I服務，仍待明確的法制規範。 2. 倘若OTT-I種類的服務被歸類為「電信服務」，依此邏輯是否須要遵守德國電信法（Telekommunikationsgesetz）相關的傳統電信服務義務，像是緊急電話撥打義務、消費者保護、通訊隱私保障、資料保護等，仍待明確的法制規範。 3. 透過OTT服務所蒐集到的資料，均需透過明確的授權規範才得以讓OTT服務提供者有足夠的權限商業性的應用該資料。 4. 在OTT-II服務，亦即內容提供服務（Inhaltdienste）業者快速成長的背景下（例如Youtube,Netflix等），建議鬆綁歷來針對傳統影音媒體服務業者要求之嚴格廣告規範。 5. OTT-II內容平台需在公開網路上履行公平原則及反歧視原則。此原則亦應落實於終端設備使用者。 6. 支持歐盟資料保護規章的市場位置原則（Marktortprinzip）。 7. 電信法與媒體法在實體法上應更佳有所統合性。主管機關需符合憲法權限制訂法制規範，其規範亦必須符合其適當性（Zweckmäßigkeit）。
美國為加強聯邦補助生物科研之安全性而提出新規範 世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。