歐盟立法成員對整體生質燃料目標仍存有不同意見
為確認是否採行歐盟整體生質燃料目標（即於2020年應達20%）而欲進行協商之前夕，歐洲各政黨團體立法成員們間，對於設定環境永續性基準與將用以種植生產生質燃料作物土地等方面之意見，至今仍分歧不一。
鑑於歐洲環保團體紛盼能儘快看見那些未來將被間接利用來生產生質燃料之土地，其可一併被涵括在正式評估公式之內，來評估對整體CO2濃度影響；因此，各會員國遂轉而朝向歐洲執委會，要求其應提出詳細之規則，並希望能在將相關基準納入整體法律架構之前，完成對間接利用土地所產生衝擊之評估方法與標準的建立。
環保團體代表Turmes指出，日前執委會對歐洲議會所提出之建議提案，已表達其意見並且認為：由於對間接利用以生產生質燃料之土地其未來將對CO2排放產生衝擊方面，尚未獲得足夠之科學性證據來做為日後評估之參考；因此，就整體生質燃油利用之最終版本而言，其認為需將「新方法學」（new methodologies）部分一併納入，以填補前述科學性知識之缺口與不足。
另外，各會員國政府對歐洲議會所提出，要求透過未來利用生質燃料來達到減少碳排放目標時，至少應有40%之比例，需透過運用第二代生質燃料來達成之「附屬目標」（sub-targets），亦表示反對。目前各政府代表僅同意25%，而至於剩下之15%，則將留待後續協商時，再進行討論。
最後，Turmes指出，關於前述次要性目標之確定，歐洲議會將待解決間接利用土地問題後，再做更進一步之協商。
本文為「經濟部產業技術司科技專案成果」
歐盟執委會於11月底同意丹麥針對GM作物所提出的賠償方案（compensation scheme），這是歐盟國家中第一個透過法律途徑來保障因GM作物污染而遭受經濟損失的農民的國家。丹麥所提出的賠償方案為當非GM的作物（如有機或是傳統作物）被含有超過0.9%成份的GM作物污染，且限於標示GM與法律未要求應標示之作物有市場價差時，農民即可得到賠償。 歐盟認為賠償方案有助於基改與非基改的共存制度，目前賠償基金主要來源為種植可能導致污染的GM作物的農民所繳納之特別捐，藉由此方案更可以刺激種植GM作物的農民審慎地預防污染的發生，未來賠償基金將改為由私人保險支付。 生物科技在歐盟一直是受爭議之領域，事實上，歐洲人民反GM食品的情緒有增無減，從英國人民關切GM食品的比例逐漸爬升（從2002年的56%提高至現今的61%）即可看出端倪。此外，歐洲食品大廠Heinz與英國的大型超商也都已改用非GM的名義來當為市場銷售工具。不過，也不是所有的歐盟國家中態度都相同，歐盟所進行不下十次的支持或反對GM食品或飼料投票，英國、芬蘭和紐西蘭永遠都是投下支持GM的那一票。
OECD：汙染性能源稅收過低無法激勵低碳轉型經濟合作與發展組織（OECD）2019年9月20日根據《2019年能源使用稅（Taxing Energy Use 2019）》報告指出，汙染性能源會造成地球與人類健康的危害，而課徵「汙染性能源稅」是降低其排放的有效方法，且稅收尚可用於協助低碳轉型，但在報告所研究的44個國家能源排放量佔全球80%以上，與能源有關的二氧化碳排放中卻有70%未徵稅，課徵的汙染燃料稅過低，無法促使其改用較為清潔的能源（cleaner energy），而無法鼓勵低碳能源轉型。 能源稅中，道路燃料稅相對較高，但無法反映其造成環境損害的成本；煤炭稅在多數國家中幾乎為零，但煤炭的碳排放幾乎佔了能源碳排放的一半；天然氣是較為潔淨的能源，其稅收通常較高。在非道路的能源碳排放中，有97%被徵稅，但44個國家中只有4個國家（丹麥、荷蘭、挪威、瑞士）的徵稅在每噸30歐元以上，遠低於環境損害的程度，近年來甚至有國家降低能源稅。 該報告表示，改善稅收政策、為低碳技術提供公平的機會，將有助於將投資轉向更環保的選擇，且額外的稅收可用於社會目的，例如降低所得稅、增加基礎設施或醫療健保支出，OECD未來將衡量減排與其他社會目標（如健康與工作），採取有效的激勵措施減少碳排放，並呼籲各國政府應正視此一問題。
台灣智慧財產管理規範（TIPS）之發展與現況 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