歐盟個人資料保護小組提出智慧電錶隱私指導原則
由於近年來運算技術的成熟，使得許多仰賴高運算技術的產業有重新發展的契機，智慧電網正是其中一例；而智慧電網所涉及的資訊繁多，例如個人資產的位址資訊可能會被納入電網中作定位與分析，因此其所衍伸的個人資料與隱私保護議題，近來備受重視。
歐盟個人資料保護小組（Article 29 Data Protection Working Party）於今年四月針對智慧電錶的隱私議題，提出指導建議（Opinion 12/2011 on Smart Metering），並明確指出，電網中的電錶會有一組獨特的識別碼（Meter Identification Number），此可連結至特定用戶，因此由電錶蒐集到的資訊，大部分都符合歐盟個人資料保護指令（Directive 95/46/EC）中的「個人資料」（Personal Data）。
倘若要對透過電錶所蒐集的資料進行處理，必須要基於充分告知（Fully-informed），取得用戶同意；也應該讓用戶依照意願自主行使同意或撤銷該同意，此會涉及電錶設計的方式，該小組建議可在用戶端電錶的控制鑲板上設置「按鈕」（Push Button），讓用戶得隨時選擇同意與否。另外，智慧電錶亦具有設定資料傳輸頻率的功能，此攸關資料被蒐集之範圍是否妥適，舉例言之，倘若用戶與電網服務提供者之契約，是全天以同一個費率計算電價，則其電錶會把整日用電量讀成一筆資料，反之倘若用戶是採用一天分不同時段不同費率的方式，則該電錶會每日分成數個時段讀取用電量；惟在供應端可遠端遙控這些電錶讀取頻率的情況下，應確保這些資料僅於系統運行所需，方傳輸至供應端供讀取。
其他的電表資訊處理細節，事實上類似於電信事業處理交通資訊或位址資訊的作法，例如不再用到的電錶資訊，應盡速刪除之；供應端也必須訂定書面的資料保存政策、評估所需電錶資訊之目的、並在該目的範圍內以最小限度原則保存之。
本文為「經濟部產業技術司科技專案成果」
張乃文
主任 編譯整理
HL Chronicle of Data Protection，2011年04月18日，http://www.hldataprotection.com/2011/04/articles/international-eu-privacy/europes-article-29-working-party-issues-smart-meter-guidelines/index.html，最後瀏覽日：2011年07月29日
美國交通部（U.S. Department of Transportation）於2022年1月27日發布「國家道路安全戰略」（National Roadway Safety Strategy, NRSS），向道路零死亡的長期目標邁出第一步。NRSS採取「安全系統方法」（Safe System approach）作為解決道路安全問題的指導性框架，其內容涵蓋行為干預（behavioral interventions）、道路應對措施（roadway countermeasures）、法律與政策之執行、車輛安全特性與性能，及緊急醫療照護等層面。不同於傳統安全方法，安全系統方法承認人為錯誤與人性脆弱的事實，基於道路死亡應可預防之原則，利用可提前準備的主動工具（Proactive Tools）預先識別並解決交通系統中的問題，並且建立一套能有效解決或降低風險的備援系統（redundant system），以確保某一環節發生故障時，其餘部份仍可正常運作。 NRSS將以五大核心目標為主軸，規劃全面性的安全措施，以實現道路零死亡願景。上述五大核心目標包括： （1）更安全的人們（safer people）：鼓勵用路人採取安全、負責之行為，避免酒駕或毒駕等危險行為。 （2）更安全的道路（safer roads）：設計可減少人為錯誤之道路環境，提高脆弱用路人安全移動之可能性。 （3）更安全的車輛（safer vehicles）：透過改進既有技術與設備，並擴大對有效防止碰撞及使影響最小化的車輛技術與功能之使用，提高車輛安全性並降低碰撞頻率，例如：透過先進駕駛輔助系統（Advanced Driver. Assistance Systems, ADAS）預防或減輕碰撞的影響；或是利用偏離車道警示系統對車輛進行監控與紀錄，如檢測到車輛偏離車道，則立即向駕駛發出警報。此外應建立公共資訊資料庫，以便提供資訊幫助車輛安全行駛。 （4）更安全的速度（safer speeds）：透過結合環境的道路設計、教育與推廣活動，以及活用自動測速器、依路段環境進行速限等方式，有效控制車輛行駛速度。 （5）事故後照護（post-crash care）：透過完善緊急醫療照護提高事故存活率，並落實交通事故管理，避免事故再次發生。
歐盟通過經濟安全關鍵技術領域建議，以利會員國進行關鍵技術風險評估歐盟執委會（European Commission）於2023年10月3日公布「關於歐盟經濟安全關鍵技術領域之建議」（Recommendation on Critical Technology Areas for the EU’s Economic Security），以便與各會員國進行經濟安全關鍵技術之風險評估。該建議源自於歐盟於6月發布之「歐盟經濟安全戰略」（European Economic Security Strategy）目的在於地緣政治緊張之局勢下，將最大限度的減少經濟流動所帶來之風險，為歐盟經濟安全制定全面的戰略方針。此「建議」列出十大關鍵技術領域的清單，係根據以下標準進行風險評估： （1）技術是有促成及轉型之本質（Enabling and Transformative Nature of the Technology）。 （2）民用與軍用融合技術之風險（The Risk of Civil and Military Fusion）。 （3）科技可能被用於侵害人權之風險（The Risk the Technology Could Be Used in Violation of Human rights）。 根據上述標準所列出十個關鍵技術領域後，其中有四個領域項目被認定是最敏感之技術領域，分別有半導體、人工智慧技術、量子技術及生物技術四大類別。 歐盟積極制定此計畫，以確保先進技術不落入敵國手中，減少對於如中國等國家單一供應商之依賴；歐盟預計於今年年底與會員國進行廣泛的風險評估，以確保下一步可能所採取的措施，可能包含出口管制及對外之審查投資，預計於2024年初提案。
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
世界智慧財產權組織(WIPO)2005年之國際專利申請量再創新高根據WIPO之統計，去年(2005年)國際專利之申請件數再創新高，共有134,000件PCT申請案，較上一年增加9.4%。其中，相較於2004年，前五大國際專利申請國仍為美國、日本、德國、法國以及英國。值得注意的是，韓國超越荷蘭，成為WIPO的第六大國際專利申請國；而中國大陸則是擠下加拿大、義大利以及澳大利亞成為第十大PCT申請國。 此外，成長速度最顯著的國家連續兩年都來自東北亞，分別為日本(18.8%)、韓國(3.5%)以及中國大陸(1.8%)，該三國共佔WIPO國際專利申請件數之24.1%。而歐洲專利公約(European Patent Convention)締約國之申請件數則佔34.6%，位居第一位的美國申請件數則佔33.6%。 “日本、韓國、中國大陸之成長速度極為突出，顯示這些國家的技術強度正快速擴張。自2000年以來，日本、韓國、中國大陸的申請量分別成長了162%、200%以及212%”，於WIPO中掌管PCT工作之副主任Francis Gurry表示。 其他排名國際專利申請案前五大之國家於2005年申請案件成長率分別為美國的3.8%；德國的4%；法國的6.6%；英國的1.5%。而排名前十五大的國家中，成長率達到二位數的有澳大利亞(排名第十三)的10.%以及芬蘭(排名第十四)的11.6%。