政府資訊加值利用與管理法制研究：以美國及英國為例
美國證券交易委員會（The Securities and Exchange Commission，以下簡稱SEC）於2018年11月8日發出聲明，依據1934年的證券交易法（下稱證交法）第21C條對EtherDelta 創辦人Zachary Coburn 提起訴訟，並做出要求其停止交易之禁止令。 EtherDelta 乃為一線上交易平台，允許買家和賣家在其平台上交易「以太幣」和其他虛擬貨幣。其平台特徵有： 提供平台，促成虛擬貨幣交換 EtherDelta之網站提供一線上平台予買賣雙方，對經過平台認證的虛擬貨幣進行交易，促成虛擬貨幣交換。於網站成立之一年半中，其促成了360萬筆訂單。 以智慧合約自動驗證進行交易 EtherDelta以智慧合約（smart contract）維持網站運作，其智慧合約檢查用戶發出之訊息是否有效，於確認買賣雙方帳戶都有足夠資金後，自動進行交易。 提供資訊且對用戶資格未設限 EtherDelta於網站上提供虛擬貨幣之資訊，以及個別虛擬貨幣之每日交易量，同時於網站上顯示前500筆買方和賣方之交易資訊，以價格和顏色進行分類。而其對於成為網站用戶之資格並無限制。 SEC於本案中認為，EtherDelta並未註冊成為證券交易所，卻執行與證券交易相關之業務，已違反證交法，其論述理由為： EtherDelta平台上之虛擬貨幣屬於證券性質 本案SEC使用Howey Test—美國聯邦最高法院於1946年在SEC v. W. J. Howey Co. 一案中所確立之測試要件，來判斷是否符合證券。由於用戶以金錢購買虛擬貨幣，該金錢投資行為建立共同事業，且具有藉由他人努力而獲利之期待，故屬於證券性質之虛擬貨幣。 EtherDelta性質上為交易所，但未為註冊 EtherDelta 作為平台聚集大量投資人，並以智慧合約促成買賣雙方進行虛擬貨幣交換，已屬於實現證券交易之行為，具有證交所功能，故於不具有豁免情形下，其未註冊已違反證交法第5條規定。 本案就SEC之主張，EtherDelta並未為否認或承認之表示，但同意該禁止交易之命令，並同意支付SEC行使歸入權之30萬美元及其他判決前利息和罰款。 觀察目前美國對於虛擬貨幣買賣行為之監管，並無立專法規範，僅以證交法為準則，就個別虛擬貨幣之性質以Howey Test為檢驗，個案認定是否屬於證券。倘若屬於證券，則對於進行交易之平台課予證券交易所之責任，而對於虛擬貨幣而言，被認定為證券勢必被課予義務俾利增加投資人之保障，可能增加公開度及透明度，然其快速籌資之功能亦可能有所減損，SEC對於虛擬貨幣之監管影響與成效均值得繼續觀察之。另外，SEC曾於2017年7月25日針對The DAO做出一調查報告，其於報告中認為證券型之虛擬貨幣需要受到監管，從而本案作為DAO報告之後被裁罰之虛擬貨幣交易平台首例，有其作為里程碑之重要意義。首先其確立了SEC自DAO報告之後對於證券性質虛擬貨幣需監管之見解，再者表達SEC認為就算採用去中心化、分散式節點之方式進行證券交易，同樣屬於證交法所稱之「證交所」，不因此而豁免監管。
歐盟與美國宣布就新的跨大西洋資料傳輸框架達成原則性協議歐盟委員會與美國白宮於2022年3月25日發布聯合聲明，宣布雙方已就新的跨大西洋資料傳輸框架達成原則性協議。此舉旨在因應2020年7月歐盟法院（Court of Justice of the European Union）於Schrems II案的判決中宣告「歐盟—美國隱私盾協定」（EU-US Privacy Shield Framework）不符合歐盟一般資料保護規則（General Data Protection Regulation, GDPR）而無效。依照該聯合聲明，新的框架將在雙方間資料流動的可預測性、可監督性、可信賴性以及可救濟性等方面進行補強，以充分維護公民的隱私與自由權利。 目前，該框架仍處於原則性協議的階段，具體細節仍有待後續談判。聯合聲明指出，美國在下列三個方面做出了「重大承諾」： 加強控管美國的情報活動，以確保所追求國家安全目的適法，且所採取的手段係在必要範圍內，而未過度侵犯公民的隱私與自由。 建立具有約束力且獨立的多層次救濟機制，其中包含一個由非政府人員所組成的「個人資料保護審查法院」，並賦予該組織完全的審判權。 針對情報活動強化分層且嚴格的行政監督機制，以確保其合乎隱私與自由的新標準。 上述原則性協議的達成，表面上無疑是一項好消息，將有助於解決雙方跨境資料傳輸的法源爭議，並避免持續演變成嚴重的歐美貿易爭端。然而，美國政府能否順利將新框架轉化為具有約束力的國內行政命令，仍存在相當多的不確定因素。若結果為否，則最終亦難以達成取得歐盟根據GDPR所為「適足性認定」（adequacy decision）的政策目標。
論科學資料之開放與共享—以美國國家衛生研究院之資料政策為核心論科學資料之開放與共享—以美國國家衛生研究院之資料政策為核心 資訊工業策進會科技法律研究所 蔡立亭 2020年12月25日 科學研究以提升全人類之福祉為本，醫療健康研究資料的共享，有助於促進整體科學研究的量能。為促進由政府支持之科學資料與研究發現的近用，美國政府原則上肯定科學之發展與資料之留存、近用相關，資料之公開不僅應遵守法律之限制，尚應注意資料之生命週期，並訂定時限；受政府資助之研究，所產出之資料以免費近用為原則，政府之政策亦應考量國際合作之實際情況[1]。申言之，科學研究資料的近用，有助於提升科學發展，政府於制定共享政策的同時，亦應一併考量國際合作的情況，並以免費近用為原則，研議資料公開策略。 為增進科學資料的效益，美國國家衛生研究院（National Institutes of Health，簡稱NIH）設置科學政策辦公室（Office of Science Policy，簡稱OSP）制定完整的政策，領域擴及生物安全、基因檢測、基因資料共享、人類受試者保護、NIH的組織與管理，和受NIH資助研究的成果與價值；藉由廣泛的分析與報告，提出新興政策建議[2]。在科學資料共享的層面，NIH聚焦於「基因與健康」和「科學資料管理」，生物醫學研究的進展，取決於科學資料的近用；共享科學資料，有助於驗證研究結果，研究者整合資料以強化分析，提升難以生成資料的再次應用，加速研究進展[3]。NIH藉由資料的管理，促進科學資料的近用，以驗證並共享研究成果。 為輔助資料之開放共享，NIH公告資料管理與共享政策（NIH Policy for Data Management and Sharing，以下簡稱DMS政策），目的為促進由NIH資助或進行研究的科學資料共享[4]。DMS政策將科學資料定義為：「在科學社群普遍接受記錄事實的素材，研究發現能反覆的驗證，不論該資料是否用以支持學術出版物。科學資料並不包含實驗室筆記、初步分析、完整的個案報告表、科學報告的草稿、未來的研究計畫、同儕評論、與同事的溝通、物理實體，例如實驗室標本[5]。」。換言之，並非僅以該資料是否能佐證學術出版物為科學資料之認定基準，而係以該科學資料是否屬事實之記載，和研究成果能否反覆驗證為判斷。 另，NIH、NIH研究院、中心、辦公室已有資料預期的共享，如：科學資料的共享、相關標準、資料庫的選擇、時限，適用並於計畫中呈現；若不適用則研究員應在計畫中提出資料共享與管理的方式，NIH並建議資料的管理與共享應實踐FAIR（Findable、Accessible、Interoperable、Reusable）原則，共享的資料類型，首先為一般性的描述、估計在研究中生成或使用的科學資料，次為列出後設資料等有助於解釋科學資料的文件；NIH鼓勵科學資料盡快共享，不遲於資料的出版或執行期間[6]。申言之，即使各該研究計畫不適合既有的共享策略，於計畫提案時，研究團隊仍應研擬適合共享與管理的方式，並以FAIR原則為依準。 研究團隊提供的科學研究資料，將儲存於由政策或資助方指定的資料庫。NIH提出推薦的資料庫列表[7]，並描述理想的儲存資料庫特色為：「具有獨特且永久的識別碼、具有長期持續管理資料的計畫、設置後設資料、整理資料並保證品質、免費並簡易的近用、廣泛且可估計的重複使用、明確的使用指引、安全性與完整性、機密性、共通格式、引用機制，及資料保留策略[8]」。由此觀之，資料庫的設計應易於科學資料的檢索；並在資料的近用上，維護資料之安全、完整、機密等。 NIH共享資料之實際應用上，為共享基因研究資料，NIH於2014年提出基因資料共享政策（Genomic Data Sharing Policy，以下簡稱GDS政策），包含NIH資助指南與契約；NIH的GDS政策適用於所有NIH資助的研究，生成之大規模人類或非人類之基因資料，將應用於後續的研究[9]。藉此能有效率的推動基因研究向前邁進。 GDS政策課予研究者提供基因資料的義務；研究者近用基因資料，亦應遵守基於研究使用控制近用資料（Controlled-Access Data）的條款[10]。研究人員受NIH核准後，方能將NIH控制近用的資料，應用於第二次研究（secondary research）[11]。由NIH資料近用委員會（Data Access Committee）審查，研究員近用資料並須遵守基於研究使用控制近用資料的條款[12]。另，基因摘要結果（Genomic Summary Results，以下簡稱GSR）隸屬於NIH政策[13]，並依據GDS政策目的，將GSR定義為由研究者提供的摘要統計（summary statistics），非敏感性的資料列入NIH指定的資料庫中[14]。換言之，NIH以對控制近用資料的應用核准，在資料之限制近用與科學發展間，取得平衡。 為回應COVID-19，加速治療與疫苗的研發，NIH的資料共享與管理政策，緩解全球科學社群開放共享科學資料的需求，該政策並建立資料共享為研究過程的基礎成分[15]。綜上所論，將資料共享內化於研究過程中，有助於全球同步更新研究的進程，共同面對全人類之科學挑戰。 [1] NATIONAL SCIENCE AND TECHNOLOGY COUNCIL, COMMITTEE ON SCIENCE, SUBCOMMITEE ON INTERNATIONAL ISSUES, INTERAGENCY WORKING GROUP ON OPEN DATA SHARING POLICY, Principles For Promoting Access To Federal Government-Supported Scientific Data And Research Findings Through International Scientific Cooperation (2016), 1, 整理自Principles, at 5-8, https://obamawhitehouse.archives.gov/sites/default/files/microsites/ostp/NSTC/iwgodsp_principles_0.pdf (last visited December 14, 2020). [2]About Us, Welcome to NIH Office of Science Policy, NIH National Institutes of Health Office of Science Policy, https://osp.od.nih.gov/about-us/ (last visited December 7, 2020). [3]NIH Data Management and Sharing Activities Related to Public Access and Open Science, NIH National Institutes of Health Office of Science Policy, https://osp.od.nih.gov/scientific-sharing/nih-data-management-and-sharing-activities-related-to-public-access-and-open-science/ (last visited December 10, 2020). [4]Final NIH Policy for Data Management and Sharing, NIH National Institutes of Health Office of Extramural Research, Office of The Director, National Institutes of Health (OD), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-21-013.html (last visited December 11, 2020). [5]Final NIH Policy for Data Management and Sharing, NIH National Institutes of Health Office of Extramural Research, Office of The Director, National Institutes of Health (OD), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-21-013.html (last visited December 12, 2020). [6]Supplemental Information to the NIH Policy for Data Management and Sharing: Elements of an NIH Data Management and Sharing Plan, Office of The Director, National Institutes of Health (OD), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-21-014.html (last visited December 13, 2020). [7]資料庫列表請參見以下網址：Open Domain-Specific Data Sharing Repositories, NIH National Library of Medicine, https://www.nlm.nih.gov/NIHbmic/domain_specific_repositories.html (last visited December 24, 2020). [8]Supplemental Information to the NIH Policy for Data Management and Sharing: Selecting a Repository for Data Resulting from NIH-Supported Research, Office of The Director, National Institutes of Health (OD), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-21-016.html (last visited December 13, 2020). [9]NIH Genomic Data Sharing, National Institutes of Health Office of Science Policy, https://osp.od.nih.gov/scientific-sharing/genomic-data-sharing/ (last visited December 15, 2020). [10]NIH Genomic Data Sharing Policy, National Institutes of Health (NIH), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-14-124.html (last visited December 17, 2020). [11]NIH Genomic Data Sharing Policy, National Institutes of Health (NIH), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-14-124.html (last visited December 17, 2020). [12]id. [13]NIH National Institutes of Health Turning Discovery into Health, Responsible Use of Human Genomic Data An Informational Resource, 1, at 6, https://osp.od.nih.gov/wp-content/uploads/Responsible_Use_of_Human_Genomic_Data_Informational_Resource.pdf (last visited December 17, 2020). [14]Update to NIH Management of Genomic Summary Results Access, National Institutes of Health (NIH), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-19-023.html (last visited December 17, 2020). [15]Francis S. Collins, Statement on Final NIH Policy for Data Management and Sharing, National Institutes of Health Turning Discovery Into Health, https://www.nih.gov/about-nih/who-we-are/nih-director/statements/statement-final-nih-policy-data-management-sharing (last visited December 14, 2020).
歐盟執委會制定《高風險AI系統分類指引》草案，提供適用說明與案例清單協助風險判定歐盟執委會制定《高風險AI系統分類指引》草案，提供適用說明與案例清單協助風險判定 資訊工業策進會科技法律研究所 2026年09月10日 今（2026）年5月19日，歐盟執行委員會（European Commission，下稱歐盟執委會）發佈《高風險AI系統分類指引》草案（Draft Guidelines on the classification on high-risk AI，下稱指引草案），分別針對「產品嵌入型高風險AI」（Annex I）、「獨立型高風險AI」（Annex III）提供更詳細的條款說明與應用案例，以協助供應商、部署者和利害關係人可以清楚地判斷其使用之AI系統是否為高風險範疇。 壹、事件摘要 《歐盟人工智慧法》（EU AI Act，下稱AIA）於2024年6月13日制定通過，並於2024年8月1日正式生效。其中，AIA第6條主要規範高風險AI系統之分類規則，例如「產品嵌入型高風險AI」、「獨立型高風險AI」與高風險應用豁免條款，並於第6條第5款要求歐盟執委會諮詢歐盟人工智慧委員會（European Artificial Intelligence Board）意見後，依AIA第96條規定制定指引，並提供一份包含屬於高風險與不屬於高風險之AI系統使用情境的完整應用案例清單。 因此，歐洲執委會基於上述的法律義務而制定指引草案，原定於2026年6月23日前邀請各方利害關係人完成公眾諮詢意見，包括AI系統的供應商與開發者、企業、公共機構，以及學術界、研究機構與一般公民等[1]。然而，歐洲執委會收到來自多個產業協會及其他利害關係人的請求，希望將期限進一步延長4週。歐洲執委會為了讓利害關係人有更充分的時間提交意見，決定將截止日期延長至2026年7月23日[2]。同時，歐洲議會（European Parliament）於6月16日通過「第七號數位綜合法案」（Omnibus VII）下對AIA的修正案，調整AIA設定的合規時程，包括延後高風險AI系統的義務期限，將「獨立型高風險AI」延至2027年12月2日適用，而「產品嵌入型高風險AI」則延至2028年8月2日[3]。於是，歐洲執委會為配合法遵義務的時程規劃，並針對蒐集的公眾諮詢意見，就指引草案做最後的檢討修正，預計於2026年底前公布正式版的《高風險AI系統分類指引》[4]。 貳、重點說明 指引草案主要有三份文件，包括一般原則主文件、「產品嵌入型高風險AI」文件（下稱Annex I文件）與「獨立型高風險AI」文件（下稱Annex III文件），以下就高風險AI分類之一般性原則、Annex I文件和Annex III對高風險AI的系統判定、實例說明和豁免條款進行介紹。 一、高風險AI分類之一般原則 （一）「AI系統」之法律定義 指引草案指出評估AI系統是否屬於高風險的前提，是該系統必須先該當AIA第3條第1款對「人工智慧系統」的法律定義，即該系統必須是：「基於機器的系統，其設計旨在以不同程度的自主性運行，且在部署後可能表現出適應性；為了明確或隱含的目標，該系統從其接收到的輸入指令中進行推論動作，以產生預測、內容、建議或決策等輸出內容，進而影響物理或虛擬環境」。因此，若僅為一般無適應性或推論特質之傳統軟體或自動化決策系統，則不屬於AIA的管制範疇[5]。 （二）「預期用途」（intended purpose）的定義 依據AIA第3條第12項，「預期用途」係指提供商在使用說明、行銷文宣及技術文件中所提出之使用情境與條件，確保「言行一致」的一貫性審查原則。針對通用型AI（General Purpose Artificial Intelligence, GPAI），指引草案確立了「擴張推定原則」，若AI供應商未在所有公開資料中「一致、具體且連貫地」限制或排除高風險用途，在該用途具備技術可行性與合理可預見的前提下，系統將被直接推定涵蓋高風險用途而定性為高風險AI[6]。不僅如此，指引草案強調「實質重於形式」原則，供應商僅於商品或服務條款中進行形式宣告排除高風險，在法律上不足以規避合規義務，只要產品定位或功能演示實質上仍明示或暗示高風險用途，監管機構將直接判定其為高風險系統並進行監督[7]。 二、Annex I文件：產品嵌入型高風險AI之判斷基準 （一）「安全組件」（safety component）之判定邏輯 依據AIA第3條第14款，「安全組件」採獨立自主之法律定義，作為「產品嵌入型高風險AI」的判斷要件之一，即「產品或AI系統之組件，其履行安全功能，或其失效或故障會危及人身健康安全或財產」。指引草案闡釋了兩大判定路徑，一為「意圖導向」，依主觀判定其功能是否為「預防或減輕」健康、安全或財產之風險；二為「後果導向」，採客觀風險判定，只要該AI系統在客觀上會實質增加危害、危及自然人生命、健康或財產，仍會定性為安全組件[8]。 （二）「第三方符合性評估」（third-party conformity assessment）的轄管產品 另一個要件為「第三方符合性評估」的轄管產品，若產業或產品法規有針對特定產品的安全性要求履行「第三方符合性評估」的送檢程序時，原則上該產品在AIA的架構下會被視為高風險AI系統。指引草案指出，有些產品法規（如玩具、機械）基於程序的便利性，允許廠商可以「自主宣告」符合歐盟的規格標準，而免除「第三方符合性評估」的義務，但不代表該產品沒有安全性的監管要求。換言之，指引草案闡釋有需要「第三方符合性評估」（包括以自主宣告代替）的AI產品並同時為安全組件時，即被納入「產品嵌入型高風險AI」的範疇[9]。 三、Annex III文件：獨立型高風險AI之判定基準 （一）八大敏感領域之AI應用 依據AIA第6條第2款規定，獨立運作之AI系統，其高風險判定完全取決於供應商所宣告之「預期用途」是否落入Annex III所列之八大敏感領域，包含生物識別、關鍵基礎設施、教育、就業、服務提供、執法、移民與邊境管理、司法與民主程序等[10]。 （二）評估對象僅限於「自然人」 指引草案澄清，AI系統是否為高風險除取決於其預期用途之敏感領域外，亦必須僅限評估「自然人」，如僅為法人或公司，因不涉及個人權利，原則上不會被判定為高風險，但其系統判定涉及之實質利害關係人為自然人時，仍屬於評估「自然人」之範疇。比如，產品保險的AI應用相較於人壽或健康保險的AI應用不涉及自然人評估，原則上不會判定高風險。此外，指引草案補充供應商不能僅透過「在系統部署時加入人類審查／監督要求」，就主張該系統可以被降低為非高風險[11]。 （三）複雜系統與代理式AI（Agentic AI）之整體性評估 為防範供應商透過系統設計或分拆架構規避監管，指引草案強調，若數個AI 模組共同構成一複雜架構（或代理式AI setup），且其合併輸出實質影響了最終決策，涉及敏感領域與自然人權益，則整體系統必須被視為單一高風險AI應用進行評估[12]。 （四）「豁免機制」之除外條款 指引草案說明，依AIA第6條第3項規定，就程序性任務（不對資料進行價值判斷）、改善既有成果（不影響已做成之決策）、偵測決策偏差（檢視已做成之決策）或準備性任務（提供背景輔助資料）等，因不具實質影響力，供應商或部署者得豁免適用高風險AI規定，但針對「剖繪／貌相」（profiling）技術，採取絕對高風險AI認定，由於涉及自然人之個人特徵（如工作表現、經濟狀況、健康、個人偏好、行為模式等）與自動化評估、分析或預測，而例外不適用豁免條款[13]。另外，指引草案以體育賽事或演唱會的「群體地理分析」或「人流密度監測」AI應用為例，如僅就非個人資料或特定區域的人群密度進行分析，則不屬於針對個人特徵之剖繪技術，也就非高風險應用，以此說明「非特定的群體統計」和「針對性的個人特徵分析」之技術差異[14]。 參、事件評析 歐盟執委會公布的指引草案，其三份文件加起來長達165頁左右，僅就AIA第6條的高風險AI相關規定提出詳細的法規解釋與案例清單，協助AI系統的供應者和部署者了解高風險AI應用的定義和適用範圍。整體而言，因歐盟採取以風險分類的治理規範架構，於AIA明定高風險AI的規範要件，並一體適用歐盟會員國，其工程浩大需要長期的準備與作業時間才能完成，但其內容就高風險的定義、案例與適用說明對於臺灣的風險治理均具有一定的參考性。 無獨有偶，行政院於今年7月函頒《人工智慧風險分類框架》，就高風險AI應用的判定雖未採取Annex III之敏感領域進行判斷，而係參考《人工智慧基本法》第17條之立法理由與第5條第1項規定，檢視AI應用是否會對國家安全、基本權利、生命安全、財產保障、社會秩序或生態環境造成嚴重危害為判準。但究其實質，兩者的規範結構並不存在衝突，依《人工智慧基本法》第16條第2項規定，各目的事業主管機關基於人工智慧應用風險管理之需要，得對轄管產業制定管理規範。因而，目的事業主管機關在盤點轄管產業的高風險AI應用情境時，本就可依產業領域的專業特性和需求參考國際經驗或相關規範協助其風險判定，故參酌歐盟執委會發佈之指引草案如對目的事業主管機關有所幫助，亦無不可。 總的來說，歐盟執委會的指引草案可視為一份實務操作清單，我國對於產業的AI應用在判定高風險有困難或疑義時，不妨可以參考以獲取更充分的資訊進行相關判斷。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://keid.nat.gov.tw/tips/） [1] European Commission, Draft Commission guidelines on the classification of high-risk AI systems, https://digital-strategy.ec.europa.eu/en/library/draft-commission-guidelines-classification-high-risk-ai-systems(last visited August 27, 2026). [2] European Commission, Targeted consultation on the draft guidelines for the classification of high-risk artificial intelligence systems, https://digital-strategy.ec.europa.eu/en/consultations/targeted-consultation-draft-guidelines-classification-high-risk-artificial-intelligence-systems(last visited August 27, 2026). [3] European Commission, Guidelines for providers and deployers of AI high-risk systems, https://digital-strategy.ec.europa.eu/en/policies/guidelines-ai-high-risk-systems(last visited August 27, 2026). [4] 同前註2。 [5] European Commission, Draft Guidelines on the classification of high-risk AI: General principles, 2026, p2-3. [6] id. [7] id. [8] European Commission, Draft Guidelines on the classification of high risk AI systems: Annex I of AI Act, 2026, p5. [9] id. at 9-11. [10] European Commission, Draft Guidelines on the classification of high risk AI systems: Annex III of AI Act, 2026, p4. [11] id. at 5-6. [12] id. [13] id. at 8-13. [14] id. at 104.