聯合國推動「全球綠色新政」並倡導各國促進綠色投資及研發活動
聯合國環境規劃署（UNEP）正式發表「全球綠色新政」（Global Green New Deal）報告，建議各國投入GDP1%（約7,500億美元）資助綠色環境建設及發展，除期使更落實綠色經濟倡議（Green Economy Initiative）內容外，並希望以此帶動綠領就業（Green Collar Job）及促進綠色研發活動蓬勃。
聯合國UNEP於2009年2月對外發表全球綠色新政報告，並倡導五大重要投資領域，包括以下：
（1） 提昇各新舊建築物能源使用效率領域之投資。
（2） 再生能源（包括太陽能、風力、地熱能、生質能等）領域之投資。
（3） 永續交通運輸環境（包括氫能汽車、高速鐵路、快速捷運系統等）領域之投資。
（4） 全球性生態構成（包括潔淨水、森林、土壤等）基礎環境領域之投資。
（5） 永續農業（包括有機農產品）領域之投資。
聯合國UNEP並於研究報告中強調：綠色經濟轉向之根本驅動力在於導入相關綠色科技之解決方案，包括各種清潔生產製程、污染防治技術，以及管末和監控技術，涵蓋know-how、流程、商品、服務、設備、組織和管理等，均為綠色經濟蓬勃發展之關鍵環節。
而世界各國關於推動綠色新政投資之規劃行動，如歐盟於2008年11月29日通過經濟振興方案，總預算為2000億歐元(1.5%EU的GDP)，方案內容涵蓋4大優先領域，亦即為民眾(people)、商業(business)、基礎建設及能源(infrastructure and energy)、研究與創新(research and innovation)，歐盟也呼籲各國應多投入綠色科技研發活動。
而美國2009年2月通過之復甦與再投資法案(American Recovery and Reinvestment Act)，亦將綠色新政涵蓋其中，其中編列61.3 billion美元投入「清潔、效率能源方案」，主要係投資於提升能源效率、發展潔淨能源及交通效率及科技研發等。
以外，日本政府於2009年2月亦指示著手研擬「綠色新政」規劃，，預計於6月後向首相提出建議書，以因應氣候變遷及經濟危機威脅等危機。而南韓則是於2009年1月宣布未來4年將投入50兆韓元推動「綠色新政」，並以此投資行動，刺激創造更多的綠色就業機會。
本文為「經濟部產業技術司科技專案成果」
李科逸
副主任 編譯整理
Environment News Services，2009年03月19日，http://www.ens-newswire.com/ens/mar2009/2009-03-19-02.asp，最後瀏覽日：2009年06月20日
EurActive，2009年03月30日，http://www.euractiv.com/en/climate-change/green-tech-rd-remain-strong-spite-crisis/article-180761，最後瀏覽日：2009年06月20日
Wikipedia，2009年02月，http://en.wikipedia.org/wiki/American_Recovery_and_Reinvestment_Act_of_2009，最後瀏覽日：2009年06月20日
BBC News，2008年11月26日，http://news.bbc.co.uk/chinese/trad/hi/newsid_7750000/newsid_7751000/7751072.stm，最後瀏覽日：2009年06月20日
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
美國廠商使用之DMCA侵權調查正確性遭質疑一項由華盛頓大學所發表的研究聲明指出，媒體工業團體正使用有瑕疵的方式調查peer-to-peer網路文件共享中侵害著作權的問題。包括M.P.A.A.、E.S.A.、R.I.A.A等團體，不斷寄出逐年增加的DMCA侵權移除通知（takedown notices）給各大學和其他的網路業者。許多大學會在未經查證的情況下直接將侵權移除通知轉寄給學生，R.I.A.A.甚至跟進其中的一些侵權報告並將之寫入財務報告中。 但在2008年6月5日由華盛頓大學的助理教授等三人所發表的研究中認為這一些侵權移除通知應該更審慎檢視之。研究指出，這些團體在指控檔案分享者的調查過程中有嚴重的瑕疵，可能使對方遭受不當的侵權指控，甚至可能來自其他網路使用者的陷害。在2007年5月及8月的兩次實驗中，研究員利用網路監控軟體監控他們的網路流量，實驗結果顯示即使網路監控軟體並未下載任何檔案，卻仍然接收到了超過400次的侵權警告信。 該研究結果顯示執法單位的調查過程中只查詢了網路分享軟體使用者的I.P.位址，卻未真正查明使用者正在下載或是上傳的實際檔案為何，在這種薄弱的搜查技巧跟技術方式之下任何使用網路文件分享軟體的使用者都可能被告，不論其所分享的檔案是否侵權皆如此。
歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。 在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。 其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵： （一）可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。 （二）可能不具技術性 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09） 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。 在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。 近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」
歐盟新提出之《數位服務法》將針對科技巨擘實施更加嚴格之規定歐盟委員會在2020年1月提出之工作計畫中，即表示2020年第四季度將會提出新的《數位服務法案》《Digital Services Act》，以因應新興數位時代下的歐洲。 2020年10月29日歐盟競爭事務專員表示，幾個科技巨擘針對每天蒐集大量訊息並加以過濾篩選，最後傳遞予公眾有限數量消息的過程，將必須採取更多措施以清除非法及有害的內容，此舉旨在解決與大型社交媒體平台相關之兩大問題，即仇恨言論之傳播以及傷害社會公共對話與民主之言論。 該法案將規範科技公司須針對其行為製作報告，並告知使用者，他們所看到的廣告是由誰付費進行投放、為什麼他們會成為這支廣告的目標對象。蓋因科技公司之數位平台先是無償蒐集使用者個人資料及偏好，再針對這些資料進行分析後，對使用者量身訂製廣告行銷策略，最後科技公司依靠此套方法賺進大量廣告收益，例如，臉書與Google在2018年的廣告收入佔據總收入百分之九十八及百分之八十五以上。 該法案亦將針對科技公司篩選訊息，最後有選擇性的發送特定訊息予社會大眾及量身訂製置入廣告之行為，設立明確規則，羅列應作為或是不作為之清單。例如禁止推銷自己的服務，蓋阻止競爭對手向消費者提供更好的交易服務，等同於變相阻止消費者享受自由競爭和創新的成果；故將先設立協調一致之調查框架，提供一套統一的規則以調查數位服務市場已存之結構性問題，而後在必要時可以採取相關行動，使市場更加具有競爭力。歐盟預計將於2020年12月2日宣布《數位服務法》草案，在正式立法之前，會再與歐盟國家取得一致共識。