達成京都議定書減量目標 提昇能源效率比課碳稅衝擊小
因應京都議定書，經濟部日前引用學界研究報告發現，我國若依議定書原則達成溫室氣體減量目標，總計需投入經費達五八七八億元至八七○八億元。為達成這項目標，政府採取提升能源效率的作法，比直接課徵碳稅，對國內經濟衝擊力道較小。
根據國際能源總署公布資料顯示，台灣CO2排放總量達二億一七三○萬公噸，人均排放量達九．八公噸，皆高於全球平均值，每單位CO2排放所創造的GDP為一．八九（美元／公斤CO2）也較OECD等先進國家平均值低。
經濟部內部歸納CO2減量效果不佳的原因，除政策上採非強制處理態度外，過去十年間，石化、鋼鐵等高耗能產業結構調整緩慢，加上半導體及液晶面板等大量使用全氟化物、六氟化硫的產業訊速成長，使得工業製程中排放的CO2等溫室氣體大幅成長更是主要原因。
依京都議定書條約精神及國際環保現況，我國與南韓同屬網要公約非附件一成員中的「新興工業國」，成為公約下一階段管制對象。致使抑制國內激增溫室氣體排放量已成為我國政府迫切須處理的課題。
在經濟部這份內部研究報告中，也引用臺灣大學農業經濟系教授徐世勳等學者的研究推估，如果台灣要達到京都議定書的要求，將CO2排放量控制在一九九○年水準，則減量成本將達新台幣五八七八億元至八七○八億元。
而學界的這項研究也針對開徵碳稅稅率不同對台灣經濟影響進行評估，推估當對每公噸CO2排放課徵六○○元碳稅時，對經濟成長衝擊為負○．六％，調高至七五○元時，所造成的衝擊則更達負○．七一％。
本文為「經濟部產業技術司科技專案成果」
陳怡玫
副主任兼規章法制組組長 編譯整理
美國伊利諾州伊利諾最高法院（Illinois Supreme Court）於2023年11月30日對Mosby v. The Ingalls Memorial Hospital et al.案做出判決：認定符合聯邦法規健康保險流通與責任法（Health Insurance Portability and Accountability Act, HIPAA）規定，基於「治療、付款或健康照護運作」之前提下，除病患外即使是醫療服務提供者的生物識別資訊被蒐集、利用或揭露，同樣不受伊利諾州生物資訊隱私法（Biometric Information Privacy Act, BIPA）的保護。 伊利諾州現行以BIPA對蒐集或保留任何個人的生物識別資訊（如虹膜、聲紋、指紋或生物樣本等）做了較為嚴格的限制，原則上這些資訊不能在未經當事人同意的情況下被蒐集、利用或揭露。除非是1.由醫療保健機構從患者身上蒐集的生物識別資訊；或2.根據HIPAA規定，基於進行治療、付款或健康照護運作的前提來蒐集、使用或儲存的生物識別資訊，才可例外免經當事人同意（biometric identifiers do not include information captured from a patient in a health care setting or information collected, used, or stored for health care treatment, payment, or operations under the federal HIPAA.）。然而，基於進行治療、付款或健康照護運作的前提，資料主體除接受治療或健康照護的病患外，是否涵蓋醫療服務提供者（如醫護人員），則有疑義。 本案因醫院的護理人員認為醫療院所未經同意，使用帶有指紋掃描功能的藥品櫃，來蒐集、使用或儲存了他們的生物識別資訊，因此提起訴訟。伊利諾州的地方法院和巡迴上訴法院於本案均支持原告提出的主張。然而，伊利諾州最高法院審理時則透過文義解釋以及條文結構分析之方式，認為立法者係有意於例外規定中重複使用「資訊」一詞，兩次「資訊」之內涵應有不同。故前段的資訊係指患者的資訊，而後段的資訊來源則應包含了醫療照護提供者，方符合立法者真意。 生物識別資訊風險較高，過去被認為需要取得當事人積極同意授權；於本案中伊利諾州最高法院權衡認為基於「治療、付款或健康照護運作」情境下，如本案情形係用來確保醫藥品被正確分配給需要的患者，因此對患者以外的醫療人員隱私權做出限制符合例外規定。本案揭示了個資隱私得為合理利用的情境之一，然而HIPAA對於資料傳輸較寬鬆的規範會否又與資料保護的趨勢有所違背，仍須持續關注相關案例發展。
世界智慧財產權組織（WIPO）發布《2021年全球創新指數報告》世界智慧財產權組織（WIPO）於2021年9月20日發布了第14版的《全球創新指數報告》（Global Innovation Index, GII），本報告以81項指標對全球132個經濟體的創新生態系進行評鑑，前十名分別為瑞士、瑞典、美國、英國、韓國、荷蘭、芬蘭、新加坡、丹麥、德國，亞洲表現最好的是韓國。 本報告指出，在COVID-19疫情期間，世界各國政府和企業對創新的投資並未減少，且健康相關產業、綠色相關產業、數位科技相關產業最受到矚目。 此外，今年的報告中新增了一個專章「全球創新追蹤」（global innovation tracker），其中針對科學與創新投資（science and innovation investments）這一組指標進一步的分析發現，2020年全球在科學出版數量增加了7.6%、在研發支出增加了8.5%、在創業投資增加了5.8%、在國際專利申請數量增加了3.5%。與2019年相比，國際專利申請數量以中國大陸增加16%最多，美國、韓國的申請數量也都穩定成長，但日本與多數歐洲國家的申請數量皆屬下降；而專利申請的技術領域以醫療技術、製藥技術、生物技術為主。整體而言，雖然疫情為全球經濟帶來嚴峻挑戰，但各國對於科學與創新的投資經費仍持續增加。
無線網路溢波盜用之法律議題初探 金融穩定委員會報告指出金融領域採用AI之模型、資料品質與治理風險.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} 金融穩定委員會(Financial Stability Board, FSB)於2024年11月14日發布《人工智慧對金融穩定的影響》報告，探討人工智慧（Artificial Intelligence, AI）在金融領域的應用進展及對全球金融穩定的影響，分析相關風險並提出建議。 報告指出AI具有提升效率、加強法規遵循、提供個人化金融產品及進階資料分析等益處，但同時可能加劇某些金融部門的脆弱性（Vulnerability），進而構成金融穩定風險。報告特別提出之脆弱性包括：「第三方依賴及服務供應商集中化」、「市場相關性」、「資安風險」，以及「模型風險、資料品質和治理」。 在模型風險、資料品質與治理中，廣泛應用AI可能導致模型風險上升，因某些模型難以驗證、監控及修正，且模型的複雜性與透明性不足將增加尋找具獨立性和專業知識的驗證者的挑戰。此外，在大型語言模型（Large Language Model, LLM），大規模非結構化資料的使用及訓練資料來源的不透明性，使資料品質評估更加困難。特別是在預訓練模型（Pre-trained Model）中，金融機構對眾多資料來源的評估方式不熟悉，進一步增加管理難度。 若金融機構未建立健全的治理架構以審查AI的使用及其資料來源，模型風險與資料品質問題將難以控制。金融機構有責任應對與AI相關的模型風險和資料品質挑戰，包含對模型進行驗證、持續監控、執行結果分析和評估資料品質的預期要求。 報告呼籲各國金融主管機關加強對AI發展的監測，評估現行金融政策框架是否充分，並增強監管能力。建議可定期或不定期調查AI應用情形，並透過報告及公開揭露制度獲取相關資訊。此外，主管機關可考慮利用監督科技（SupTech）及監管科技（RegTech）等AI驅動工具強化監管效能，以應對AI在金融領域帶來的挑戰與風險。