談我國基因改造生物田間試驗管理規範之現況與修正方向
本文為「經濟部產業技術司科技專案成果」
2011年3月，英國文化、奧運、媒體與體育大臣（Secretary of State for Culture, Olympics, Media and Sport）Jeremy Hunt原已同意跨國媒體集團News Corporation併購英國天空廣播公司British Sky Broadcasting Group（BSkyB）並進行後續之審議流程。但在同年7月爆出News Corporation旗下的英國世界新聞報竊聽醜聞後，News Corporation立即取消該項併購申請。 在此一事件影響下，Jeremy Hunt要求英國電信主管機關Ofcom（Office of communications）對於跨媒體多元性管制架構進行檢討。現行媒體多元性管制主要在於同媒體之間合併必須通過公眾利益測試（public interest test），並有國家跨媒體所有權限制。Ofcom徵求意見如下： 1.跨平台媒體多元性如何測量，推荐最好方法為何？ 2.在新聞市場中可否設定一絕對的市場佔有率限制？ 3.在沒有合併案件的情形下，是否有其他事件可引發媒體多元性的持續追蹤、誰以及如何進行追蹤？ 4.媒體多元性測量是否包含網站？ 5.測量是否包含BBC？ Ofcom將於2011年11月18日截止收件，並於2012年初提出修改之方向。
日本公布資料信託功能認定指引ver1.0並進行相關實驗日本總務省及經濟產業省於2017年11月至2018年4月間召開6次「資料信託功能認定流程檢討會」（情報信託機能の認定スキームの在り方に関する検討会），檢討具備資料信託功能之「資料銀行」認定基準及模範條款等事項，於2018年6月公布「資料信託功能認定指引ver1.0」（情報信託機能の認定に係る指針ver1.0），以利實現個人資料流通並創造新服務型態。資料銀行係指基於與個人間資料利用契約，透過PDS(personal data store)等系統管理個人資料，根據個人指示或預先設定的條件，於判斷妥當性後向第三方提供資料之行業。目前指引內容包括︰（1）資料信託機能認定基準︰具體內容包括業者適格性、資訊安全原則、資訊安全具體基準、治理體制、業務內容等；（2）模範條款記載事項︰針對個人與資料銀行、資料銀行與資料提供者、資料銀行與接受資料提供者間關係，列出具體應記載事項；（3）資料信託機能認定流程。 作為日本總務省「資料信託功能運用推動計畫」（情報信託機能活用促進事業）一環，日立製作所、東京海上日動火災保險、日本郵局等於2018年9月10日發表將根據「資料信託功能認定指引ver1.0」，進行「資料銀行」個資管理、提供及運用等實驗，參與者分別扮演資料提供者、資料銀行和資料利用者三種角色，未來將會參考實驗結果，提出認定基準改善建議。
歐盟執委會提議檢討WEEE法令規範，並修正回收目標歐盟執委會於所公告之電子電機廢棄物回收法令檢視報告（Review of an EU Directive on Recycling Waste Electrical and Electronic Equipment）中建議，對於產品製造商之回收目標規範標準，應從現行概括固定值：每年人均4kg（4kg/capita per year）回收目標，改為變動式比例值：以現行市場商品平均量之65%，作為規範目標並且，由於法令規範課予產品製造商強制回收責任，市場實務上，也出現了產品製造商為了達到WEEE要求規範目標值，轉而向民間回收業者收購「回收憑證（Recycling Certificates）」，並且，因為供需失衡問題，造成回收業者隨意喊價的情形，也多所見聞。 而歐盟執委會為進一步落實環境保護政策，還是打算維持原案，提議對於WEEE規範內容進行檢討修改，並建議各會員國於國內法令增加誘因及鼓勵措施，導引協助產品製造商擴大回收體系、檢視改善回收管理系統，而更具能力對於提高目標規範，能夠落實遵循之。歐盟執委會此項法令修改提議，是否得以真正落實未來立法中，值得再加以觀察。
經濟合作與發展組織發布《促進AI可歸責性：在生命週期中治理與管理風險以實現可信賴的AI》經濟合作與發展組織（Organisation for Economic Co-operation and Development, OECD）於2023年2月23日發布《促進AI可歸責性：在生命週期中治理與管理風險以實現可信賴的AI》（Advancing accountability in AI: Governing and managing risks throughout the lifecycle for trustworthy AI）。本報告整合ISO 31000：2018風險管理框架（risk-management framework）、美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）人工智慧風險管理框架（Artificial Intelligence Risk Management Framework, AI RMF）與OECD負責任商業行為之盡職調查指南（OECD Due Diligence Guidance for Responsible Business Conduct）等文件，將AI風險管理分為「界定、評估、處理、治理」四個階段： 1.界定：範圍、背景、參與者和風險準則（Define: Scope, context, actors and criteria）。AI風險會因不同使用情境及環境而有差異，第一步應先界定AI系統生命週期中每個階段涉及之範圍、參與者與利害關係人，並就各角色適用適當的風險評估準則。 2.評估：識別並量測AI風險（Assess: Identify and measure AI risks）。透過識別與分析個人、整體及社會層面的問題，評估潛在風險與發生程度，並根據各項基本價值原則及評估標準進行風險量測。 3.處理：預防、減輕或停止AI風險（Treat: Prevent, mitigate, or cease AI risks）。風險處理考慮每個潛在風險的影響，並大致分為與流程相關（Process-related）及技術（Technical）之兩大處理策略。前者要求AI參與者建立系統設計開發之相關管理程序，後者則與系統技術規格相關，處理此類風險可能需重新訓練或重新評估AI模型。 4.治理：監控、紀錄、溝通、諮詢與融入（Govern: Monitor, document, communicate, consult and embed）。透過在組織中導入培養風險管理的文化，並持續監控、審查管理流程、溝通與諮詢，以及保存相關紀錄，以進行治理。治理之重要性在於能為AI風險管理流程進行外在監督，並能夠更廣泛地在不同類型的組織中建立相應機制。