歐洲理事會提出糧食安全年度策略研究議程以整合歐盟研究能量
為因應近年來人口增長、氣候變遷對糧食安全之威脅，歐洲各國皆認為糧食安全( Food Security)議題為亟待解決之議題，應投入資源研究。為此，2012年歐洲理事會(The European Council)，始提出FACCE-JPI策略研究議程(The Strategic Research Agenda of the Joint Programming Initiative on Agriculture, Food Security and Climate Change)，議程主要係針對歐洲農業、糧食安全和氣候變化進行整合研究。來自21個歐洲國家代表及研究學者，提出該年度糧食安全之重要觀察議題與發展方向，欲透過此議程建立研究資源整合機制，提高歐盟因應糧食生產挑戰之研究、應對能力。
歐洲理事會於去年(2012)12月提出本年度策略研究議程，內容除重申歐盟應整合糧食安全研究能量外，該議程更指出五大核心研究議題，反映歐盟對糧食安全威脅多元化之重視 ，本議程研究重點歸納如下:
1. 氣候變遷與糧食安全永續
2. 環境永續發展與農業精緻化
3. 糧食供需、生物多樣性與生態系統平衡
4. 氣候變遷之因應
5. 減緩氣候異常現象之有效措施
本議程以核心研究為理論基礎，有效整合各會員國研究能量，更針對各別領域提出具體實踐策略，藉以強化基礎溝通平台、建立歐洲知識訊息交換能力，便利後續評估、監測機制的建立。
策略議程取代傳統將糧食安全視為「國家內政」議題，而以「區域整合」層次處理，象徵歐盟糧食安全共識逐漸發展之趨勢。
本文為「經濟部產業技術司科技專案成果」
王怡婷
法律研究員 編譯整理
The FACCE-JPI Strategic Research Agenda launched, EUROPEAN COMMISSION, Dec. 5, 2012, http://ec.europa.eu/research/bioeconomy/agriculture/news-events/news/20121205_en.htm (Last visited Jan. 22, 2013).
Launch of the FACCE-JPI Strategic Research Agenda, FACCEJPI-SRA press release, EUROPEAN COMMISSION, Dec. 5, 2012, https://www.faccejpi.com/FACCE-JPI-Home/FACCE-JPI-News/SRA-press-release (Last visited Jan. 22, 2013).
A European strategy to tackle the great challenges of agriculture and food security under climate change, EUROPEAN COMMISSION, Oct. 5, 2012, http://ec.europa.eu/research/bioeconomy/pdf/facce_sra_press_release_en.pdf (Last visited Jan. 22, 2013).
英國財政部（HM Treasury）於2025年7月15日回應有關綠色分類標準（green taxanomy）實效性之公眾諮詢結果並發布評估結論。本諮詢於2024年11月啟動，旨在評估綠色分類標準能否有效達成「引導資金投入淨零轉型」及「預防漂綠行為（greenwashing）」之兩大目標。 以下說明利害關係人回饋意見重點內容： （1）引導資金投入淨零轉型 金融機構受訪者多認為分類標準並非引導資金流向之關鍵政策工具，僅能作為投資考量之其中一項參考依據，而對最終決策影響有限；並認為就特定產業制定去碳路線圖，同時闡明未來投資監理法規、補助獎勵計畫、稅制變革等，始為有效引導淨零轉型投資之政策措施。 （2）預防漂綠行為 跨國企業受訪者擔憂英國建立自身分類體系將導致國際標準更加零碎，同項經濟活動於不同司法管轄區可能被歸類為不同屬性，反而增添漂綠風險；並認為既有政策規範足以應對漂綠問題，如「競爭與市場管理局」（Competition Markets Authority, CMA）與「廣告標準管理局」（Advertising Standards Authority, ASA）為確保綠色聲明正確性所發布之相關指引等。 綜上所述，英國政府於審酌相關意見後，決定不再繼續推動綠色分類標準。於資源有限下，政府將專注於落實產業界認為對於加速淨零轉型投資具更高優先性與影響力之政策，同時持續評估是否需採取更多措施以預防漂綠行為。
韓國2012年度國家智財施行計畫檢討評估結果出爐韓國2012年度國家智財施行計畫檢討評估結果出爐 科技法律研究所 2014年03月26日 壹、事件背景 韓國國家智慧財產委員會(以下簡稱智財委員會)於2013年11月13日公布「2012年度國家智財施行計畫之檢討評估結果」。韓國智財委員會係依智慧財產基本法第10條，檢討、評估施行計畫之推動情形。檢討評估對象係針對2012年度國家智財施行計畫(以下簡稱施行計畫)之5大政策面向：創造、保護、運用、基礎環境、新智慧財產，挑選出重點推動共21個課題。另為確保評估之專業性及客觀性，由民間專家組成「政策評估團」，並召開會議就不同的推動課題討論，然後以等級決定優劣。 針對21個課題進行檢討評估之結果顯示，被評為優秀等級之課題有4個，分別為「透過改善研究發展體系，創造高品質智慧財產」、「加強智慧財產侵權物品國境管制措施」、「塑造尊重智慧財產文化」、「建構、運用新植物品種育種之基礎環境」；而需要改善之課題則有3個，即「支援海外當地侵權之因應」、「強化地方中小企業之智財能力」、「發掘及確保海洋生物資源與智財創造之支援」。以下就評估方法及結果扼要說明之。 貳、評估方法及結果概述 韓國考量到智財施行計畫之特殊性，且加上是首次推動、評估國家層級智財政策之成效，所以不僅是評估政策成果，同時也要對政策形成、執行等政策基礎環境之確保等相關要素進行評估，對此，韓國設定3項評估指標：「政策形成」、「政策執行」、「政策成果」，詳細指標內容如下表所示： 區分 評估項目 評估基準 政策形成(30%) 1.計畫確立之適切性(15%) 1-1.事前分析、意見蒐集之充實性(5%) 1-2.成果指標及目標值之適當性(10%) 2.政策基礎環境之確保水準(15%) 2-1.推動體系之充實性(5%) 2-2.資源分配之適當性(10%) 政策執行(35%) 3.推動過程之效率性(25%) 3-1.推動日程之充實性(10%) 3-2.相關機關與政策連結性(10%) 3-3.監督及情況變化之對應性(5%) 4.政策擴散之努力水準(10%) 4-1.政策溝通、宣傳、教育之充實性(10%) 政策成果(35%) 5.政策成果及效果(35%) 5-1.成果目標達成度(20%) 5-2.政策效果(15%) 資料來源：韓國國家智財委員會 表1智財施行計畫之政策評估指標 為確保評估之專業性及客觀性，由韓國智財委員會之民間委員、及下設之創造、保護、運用、基礎環境、新智慧財產等專門委員會之專門委員，以及地方自治團體代表等30位成員組成政策評估團。每位評估委員就各機關提出之實績報告書內容為判斷依據，再依照不同指標之特性，進行定量和定性評估。政策評估團第1次評估完畢後，就會召開調整會議，決定各推動課題之評估等級(分成優秀、普通、需要改善3個等級)為何。 整體而言，韓國的智慧財產創造能力已提高不少，且韓國國內對智財保護水準亦逐漸提升，另外，對於智慧財產創造、保護、運用之正向循環體系所需之配套措施如新智慧財產相關法制，初步已整備完成。韓國之後擬要持續提高智財成果之品質，加強韓國在海外的智財保護，並且增進民間對智財運用政策之有感度，以及推動與新智財相關之各部會間對智財業務範圍調整與政策方面之合作推動。
電子投票機制及法律議題之研究 金融穩定委員會報告指出金融領域採用AI之模型、資料品質與治理風險.Pindent{text-indent: 2em;} .Noindent{margin-left: 2em;} .NoPindent{text-indent: 2em; margin-left: 2em;} .No2indent{margin-left: 3em;} .No2Pindent{text-indent: 2em; margin-left: 3em} .No3indent{margin-left: 4em;} .No3Pindent{text-indent: 2em; margin-left: 4em} 金融穩定委員會(Financial Stability Board, FSB)於2024年11月14日發布《人工智慧對金融穩定的影響》報告，探討人工智慧（Artificial Intelligence, AI）在金融領域的應用進展及對全球金融穩定的影響，分析相關風險並提出建議。 報告指出AI具有提升效率、加強法規遵循、提供個人化金融產品及進階資料分析等益處，但同時可能加劇某些金融部門的脆弱性（Vulnerability），進而構成金融穩定風險。報告特別提出之脆弱性包括：「第三方依賴及服務供應商集中化」、「市場相關性」、「資安風險」，以及「模型風險、資料品質和治理」。 在模型風險、資料品質與治理中，廣泛應用AI可能導致模型風險上升，因某些模型難以驗證、監控及修正，且模型的複雜性與透明性不足將增加尋找具獨立性和專業知識的驗證者的挑戰。此外，在大型語言模型（Large Language Model, LLM），大規模非結構化資料的使用及訓練資料來源的不透明性，使資料品質評估更加困難。特別是在預訓練模型（Pre-trained Model）中，金融機構對眾多資料來源的評估方式不熟悉，進一步增加管理難度。 若金融機構未建立健全的治理架構以審查AI的使用及其資料來源，模型風險與資料品質問題將難以控制。金融機構有責任應對與AI相關的模型風險和資料品質挑戰，包含對模型進行驗證、持續監控、執行結果分析和評估資料品質的預期要求。 報告呼籲各國金融主管機關加強對AI發展的監測，評估現行金融政策框架是否充分，並增強監管能力。建議可定期或不定期調查AI應用情形，並透過報告及公開揭露制度獲取相關資訊。此外，主管機關可考慮利用監督科技（SupTech）及監管科技（RegTech）等AI驅動工具強化監管效能，以應對AI在金融領域帶來的挑戰與風險。