基因改造食品標示問題有新進展
加拿大目前對基因改造產品的政策是採取自願標示制度。然而魁北克省的消費者贊成應對含有機因改造成份之食品實施強制標示。本月初，該省農林廳長在一項會議中指出，基因改造產品可能存有環境方面的風險並且有消費者疑慮的問題，因此應嚴謹以對，改採取強制性標示制度，讓消費者可以自行選擇。雖然目前聯邦官員以及其他省份仍贊同現行的自願標示制度，首長們 ( 大部分反對強制標示的立法 ) 同意繼續討論此議題。
此外，目前近日美國阿拉斯加州亦通過 Bill 25 法案，強制對基因改造魚類及相關魚類產品作明顯標示。這項法案通過後，該州成為美國第一個針對基因改造食品標示問題作明確立法的一州，該法案更成為美國第一個要求標示基因改造食品的法案。有關觀察家預期這個法案將會帶動美國各州對基因改造食品之標示進行必要的規範。根據美國 Rutgers 大學於 2004 年 11 月所作的民調顯示，約有 89 ％的美國民眾希望基因改造食品應有明確的標示。
本文為「經濟部產業技術司科技專案成果」
劉憶成
法律研究員 編譯整理
2. First-Ever U.S. Labeling LEGISLATION for Genetically Engineered Food BECOMES LAW in Alaskahttp://www.naturalnewswire.com/2005/06/firstever_us_la.html （ 2005/8/11 ）
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。
德國提出「新冠肺炎及新型冠狀病毒預防接種法」草案，以利疫苗分配之政策規劃及法制基礎德國聯邦健康部（Bundesministerium für Gesundheit, BMG）於2020年12月15日提出「新冠肺炎及新型冠狀病毒預防接種法」（Gesetzes zur Priorisierung bei der Schutzimpfung gegen das Corona-virus SARS-CoV-2, Coronavirus-Impfgesetz）草案，現進入聯邦參議院審議階段。該草案之立法目的在於，確認新冠肺炎及新型冠狀病毒（Coronavirus SARS-CoV-2）疫苗分配的公平性，並藉此降低嚴重疾病與死亡人數。 原則上凡屬於法定健康保險的被保險人，或於德意志聯邦共和國內有住所或長期居留者，得依據新冠肺炎及新型冠狀病毒預防接種法規定，具有接種新冠肺炎及新型冠狀病毒疫苗之權利。然而，由於疫苗的分配涉及基本法第2條第2項第1句生命及身體安全的基本權利（Grundrecht auf Leben und körperliche Unversehrtheit），以及衡酌疫苗資源的有限性問題，該法第3條依據風險群體（Risikogruppen）及適應症群體（Indikationsgruppen）共區分六級的接種優先順序，如違反接種優先順序者，將可能面臨最高三萬元的罰鍰，意圖營利者則將可能面臨一年至五年的有期徒刑。
美國國家標準暨技術研究院規劃建立「人工智慧風險管理框架」，並徵詢公眾對於該框架之意見美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）為管理人工智慧對於個人、組織以及社會所帶來之風險，於2021年7月29日提出將建立「人工智慧風險管理框架」（Artificial Intelligence Risk Management Framework, AI RMF）之規畫並徵詢公眾意見，截止日為9月15日，並預計於10月發布正式報告。 依照NIST說明，公眾所建議之人工智慧風險管理框架，可促進人工智慧之可信賴性，其中包含如何應對並解決人工智慧於設計、發展及使用過程中所遭遇之「精確度」（accuracy）、「可解釋性」（explainability）、「偏見」（bias）等議題。此外，上開管理框架預計為非強制性、供企業自願性使用於人工智慧設計、發展、使用、衡量及評估之人工智慧標準。 依現有公眾意見徵詢結果，其中DeepMind公司建議於人工智慧設計初期，必須預先構思整體系統之假設是否符合真正社會因果關係。舉例言之，當設計一套可預測民眾健保需求程度之系統時，如輸入參數僅考量民眾於醫療上的花費，將使僅有可負擔較高醫療費用之民眾被歸類為健保需求程度較高者，從而導致健保制度排擠經濟負擔程度較差之公民，故在設計系統時，應從預先設定之假設事實反面（counter-factual）思考並驗證是否會產生誤差或公平性之問題（例如預先思考並驗證「醫療費用支出較低之民眾是否即可被正確歸類為健保需求度低之民眾」）。惟進行上述驗證需要大量社會資料，因此DeepMind也建議NIST應建立相關機制，使這些社會資料可以被蒐集、使用。 此外，亦有民眾建議管理框架應有明確之衡量方法以及數值指標，以供工程界遵循。同時鑒於人工智慧發展極為快速，未來可能有不同於以往之人工智慧類型出現，故亦建議NIST應思考如何在「建構一套完整且詳細之人工智慧治理框架」與「保持人工智慧治理框架之彈性與靈活性」之間取得平衡。 最後，目前也有許多徵詢意見指出，許多人工智慧治理之目標會相互衝突。舉例言之，當NIST要求人工智慧系統應符合可解釋性，則人工智慧公司勢必需要經常抽取人工智慧系統中之「數據軌跡」（audit logs），惟數據軌跡可能被認為是使用者之個人資料，因此如何平衡或完善不同治理框架下之目標，為未來應持續關注之議題。
防範網路釣魚──事後追究有其侷限，多管齊下始屬正途