發展再生能源 農委會推展生質能源作物
管制全球溫室氣體排放量的京都議定書生效，發展再生能源成為趨勢。行政院農業委員會投入生質能源作物開發，規劃利用北、中、南三地共九十公頃的休耕農田，種植向日葵、大豆及油菜等三種油料能源作物，研發生質柴油，期盼提高農業「綠色產值」。
農委會指出，農業部門在再生能源領域中也有發揮空間，國內外生質能源相關研究認為可利用植物將太陽能、水力及二氧化碳轉化為生質能源，台灣每年有不少農地休耕，可利用推展能源作物，發展生質能源，同時提升休耕農田的附加價值，開創台灣農業發展新契機。
農委會官員指出，研究發現這些作物製成的生質柴油使用於汽車與一般柴油相同，而且排放的廢氣、二氧化碳較少，不過，生質油成本較柴油高，相關技術尚待進一步研究。
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
日本經濟產業省於2022年2月4日發布電力、天然氣及石油部門的「去碳轉型金融路徑圖」（トランジション・ファイナンスに関するロードマップ），作為各部門轉型金融之指引，確保資金持續投入，協助二氧化碳主要排放部門朝去碳化轉型，以實現2050年碳中和目標。 電力、天然氣及石油部門之「去碳轉型金融路徑圖」，係以科學根據為基礎，依據日本國內電力、天然氣、石油部門之現況及相關政策規劃，導入現階段具可行性之技術，確實推動減少二氧化碳排放；同時並針對未來技術的發展與革新目標訂定時間表，確保技術與各部門未來之發展能有助日本於2050年達成碳中和目標。一方面於企業欲透過轉型金融取得資金時，指引企業針對其現行氣候變遷對策進行檢討；另一方面，亦可協助金融機構審視企業於轉型融資時所提出之轉型策略與措施，以判斷是否符合轉型金融之資格。各部門主要重點如下： 電力：2020年開始導入轉型燃料（生質能、氫、氨與天然氣之混和燃燒），並逐步淘汰傳統火力發電；2030年確立去碳燃料（純生質能、氫、氨火力發電、再生能源等）相關技術，並推動商用化。 石油：2020年起開發石油製程節能技術，並推動轉型以天然氣為主要燃料；同時發展氫氣製造技術、二氧化碳捕捉技術，於2030年達成商用化。 天然氣：2020年起針對天然氣、液化石油氣進行節能製程、燃料利用效率、合成燃料相關技術開發，並擴大建置都市天然氣管線、確保液化石油氣配送途徑等。
日本個人資料保護委員會發布「禁止不當利用」與「停止利用」論點資料作為將來發布指引參考日本為因應去年6月通過「個人資料保護法」之修正（下稱「新法」），個人資料保護委員會於2021年2月19日第166次會議議題「禁止不當利用與停止利用之完備指引論點」（改正法に関連するガイドライン等の整備に向けた論点について（不適正利用の禁止・利用停止等）），公開兩份論點資料，作為將來發布指引之參考，並使企業等關係者在新法實施準備期間，得採取適當措施以達到法遵要求。 新法第16條之2「禁止不當利用」，旨在防止不當利用個人資料致本人權益受損。於「禁止不當利用之論點資料」指出具體要件有(1)「違法或不當行爲」，係指違反個人資料保護法及其他法令之行爲，或有違公序良俗，在社會觀念上非屬正當之行為；(2)「助長或誘發之危害」，在認定上將限縮在以業者提供時有認識第三方將違法利用個人資料，並可預見提供個人資料將受違法利用之情形，以免造成寒蟬效應。若第三方刻意隱瞞取得目的，即使已盡相當注意仍不能預見違法利用之情形，則非屬「危害」。 新法第30條第5項擴大「停止利用」請求權範圍，於「停止利用之論點資料」指出適用要件有(1)「個人資料處理業務已無利用個人資料之需要」，即個人資料利用目的已消失或該事業已中止時；(2)「發生第22條之2第1項本文情形」，係指發生資料外洩依規定須報告委員會之情形；(3)「可能損害本人權益時」，係指依法受保護之正當權益有受損可能為必要。另論點指出請求停止利用必須在「為防止本人權益受損必要限度內」，故業者對於超出必要限度之部分得拒絕之。而對於停止利用所費不貲或顯有重大困難之情形，得依個案具體考量採取適當替代措施。
歐盟對CISAC權利金收費行為展開限制競爭調查歐盟最近對CISAC公司的權利金收費行為，是否涉有不公平競爭之情事展開調查，此舉引發藝文界高度關注。CISAC乃是由作家及作曲家所組成的一個國際性聯盟組織（ International Confederation of Societies of Authors and Composers），會員來自於109個國家的207個社團（ member societies），代表超過兩百萬位以上的藝術家、作曲家及導演之權益。 在一封2月7日寄發給CISAC的信件中，執委會表示CISCA拒絕跨國授權的行為，已構成違反歐盟競爭法第81條。此外，執委會也表示，CISCA要求只有個別國員內的權利金收費社團可為會員收取權利金的約款，將迫使創作者無其他選擇，必須將其權利移轉給其國內之權利金收費社團，此種限制性約款亦為歐盟競爭法所不許。蓋CISCA本即擁有事實上之獨佔地位，此等約款將使其他潛在競爭者難以進入市場，故有限制競爭之疑慮。 2月21日，在與內部市場委員（Internal markets Commissioner）Charlie McCreevy的會面中，音樂作曲家代表對歐盟競爭總署近來的大動作，將可能危及文化多樣性（cultural diversity），扼殺廣大文化創作者的創意，毀掉歐盟在此一領域之利基，表達出高度疑慮。McCreevy 向作曲家保證，執委會的目的不在限制或詆毀創作者既有之權利，而是希冀能建立一個合法的數位環境，活絡歐盟地區的線上音樂服務。 目前，歐盟地區的跨國廣播公司如要播放音樂，必須在個別播放國家分別取得其權利金收費團體的授權。如果歐盟可藉由此次限制競爭的調查，迫使CISAC提供泛歐洲授權契約的服務，將使線上廣播公司受惠。
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