德國隱私保護機構指稱Facebook實名制違法
Facebook之實名制政策禁止用戶使用假名，此一行為已遭德國隱私保護機構禁止。德國Schleswig-Holstein邦的資料保護中心組織（Office of the Data Protection Commissioner，簡稱ULD）控訴臉書「實名制」已違反德國電信媒體法(Telemediengesetz)。依據德國「電信媒體法」規定，只要匿名的使用具有技術上之合理性及可行性時，服務供應商必須允許用戶採用假名，惟Facebook的實名制政策卻禁止用戶使用假名。資料保護中心表示，Facebook要求用戶註冊時須填入真實姓名，違反德國電信媒體法第13條第6項。ULD表示，為確保網路用戶權利及遵守網路保護法，臉書應立即終止實名制的執行。Facebook發言人則對ULD指控不以為然，主張「服務供應商有權在現行法律下自行決定所採取之匿名政策」，並表示Facebook採取實名制係為保護社群安全，若發現用戶使用假名將刪除帳號。Facebook發言人認為「這只是在浪費德國納稅人的金錢！此法律之指控毫無意義，同時我們也將據理力爭。」Facebook認為，實名制是該網站經營之重要機制，除了能與其他社群網站做出明顯的市場區隔外，更能積極保護用戶的個人資料。
- ULD: Anordnung gegen Facebook wegen Echtdatenforderung,Telemedicus, December 20 2012
- Facebook Real Name Policy Challenged by German Privacy Watchdog, International Business Times, December 18 2012
- Facebook under real-name fire as Germany insists on pseudonyms, SlashGear, December 18 2012
- ULD gibt Facebook noch zwei Wochen Zeit, golem.de, December 17 2012
- German privacy regulator orders Facebook to end its real name policy, ITworld, December 17 2012
- UN German privacy agency orders changes to Facebook real name policy, Digital Journal , December 18 2012
英國政府於2025年1月31日發布「人工智慧網路資安實務守則」（Code of Practice for the Cyber Security of AI，以下簡稱「實務守則」），目的是提供人工智慧（AI）系統的網路資安指引。該實務守則為英國參考國際上主要標準、規範後所訂定之自願性指引，以期降低人工智慧所面臨的網路資安風險，並促使人工智慧系統開發者與供應商落實基本的資安措施，以確保人工智慧系統的安性和可靠性。 由於人工智慧系統在功能與運作模式上與傳統網路架構及軟體有明顯的不同，因此產生新的資安風險，主要包含以下： 1. 資料投毒（Data Poisoning）：在AI系統的訓練資料中蓄意加入有害或錯誤的資料，影響模型訓練結果，導致人工智慧系統產出錯誤推論或決策。 2. 模型混淆（Model Obfuscation）：攻擊者有意識地隱藏或掩飾AI模型的內部運作特徵與行為，以增加系統漏洞、引發混亂或防礙資安管理，可能導致AI系統的安全性與穩定性受損。 3. 輸入間接指令（Indirect Prompt Injection）：藉由輸入經精心設計的指令，使人工智慧系統的產出未預期、錯誤或是有害的結果。 為了提升實務守則可操作性，實務守則涵蓋了人工智慧生命週期的各階段，並針對相關角色提出指導。角色界定如下： 1. 人工智慧系統開發者（Developers）：負責設計和建立人工智慧系統的個人或組織。 2. 人工智慧系統供應鏈（Supply chain）：涵蓋人工智慧系統開發、部署、營運過程中的的所有相關個人和組織。 實務守則希望上述角色能夠參考以下資安原則，以確保人工智慧系統的安全性與可靠性： 1. 風險評估（Risk Assessment）：識別、分析和減輕人工智慧系統安全性或功能的潛在威脅的過程。 2. 資料管理（Data management）：確保AI系統整個資料生命週期中的資料安全及有效利用，並採取完善管理措施。 3. 模型安全（Model Security）：在模型訓練、部署和使用階段，均應符合當時的技術安全標準。 4. 供應鏈安全（Supply chain security）：確保AI系統供應鏈中所有利益相關方落實適當的安全措施。 「人工智慧網路資安實務守則」藉由清晰且全面的指導方針，期望各角色能有效落實AI系統安全管控，促進人工智慧技術在網路環境中的安全性與穩健發展。
美國參議院擬針對生物燃料提供稅賦優惠先進的能源發展方向是開發先進技術，利用生物材料（如能源作物或生物排泄物）等生物性資源來生產能源，此種能源生產方式又稱為生質能源。由於生質能源的建置成本高，故業界多冀盼政府能給予財務方面的支援。 最近美國布希總統已經設定透過增加對潔淨、再生的生物燃料的使用，降低美國對進口石油的依賴以及溫室氣體排放量，而基於同樣的目標，美國參議院財務委員會（Senate Finance Committee）最近更提出了能源進化及投資法（Energy Advancement and Investment Act of 2007, EAIA），希望能鼓勵大規模的商業投資，以促進生物燃料的生產與使用。 EAIA特別針對使用纖維性質的生物材料（cellulosic biomass）來生產生物燃料之製造者，提供生產上的租稅扣抵（production credit），與此同時並擴大既有針對乙醇所實施的優惠措施之適用範圍。這兩大租稅優惠是為了鼓勵企業生產者加速推動生物燃料的開發，儘快使生物燃料可以供應市場所需達到10億加侖的水準。
何謂「日本A-STEP計畫」?日本A-STEP計畫係指研發成果最適展開支援事業計畫，由國立研究開發法人科學技術振興機構負責辦理，主要目的在於兼顧大學研究成果之學術價值及實用性，同時透過產學合作推展大學的研發成果，帶動創新產生。計畫針對產業技術瓶頸，為民間企業不易涉入的高風險研發領域，由科學技術振興機構中介民間企業與公私立大學、公私立技術學院、公立研究機構、國立研究開發法人、公益法人共同執行產學研種子研發計畫，再依據不同的目的、技術性質規劃不同類型的產學研合作研究計畫進行資助。 研究成果最適展開支援事業有兩個特色：單一申請窗口、以及採取接續模式分段申請。其流程為，大學研究人員向國立研究開發法人科學技術振興機構申請研究成果最適展開支援事業，在研究開發階段中，若被補助的種子計畫在結束後，想持續進行研究，可申請另一階段-委託開發實用挑戰之計畫補助，國立研究開發法人科學技術振興機構將透過外界研究人員對計畫進行審核，決定是否延長計畫以及延長的期程。一般研究開發可區分為三階段：可能性驗證、實用性驗證與實證驗證，故研究人員在申請A-STEP計畫時，研究計畫中需提及所申請計畫的現在發展情況與條件及想申請何種項目，以利國立研究開發法人科學技術振興機構決定後續的處理方式。
科羅拉多州議會通過《重大決策領域之自動化決策技術法案》，擬取代《人工智慧消費者保護法》科羅拉多州參議院於 2026 年 5 月 7 日三讀通過 SB26-189《重大決策領域之自動化決策技術法案》（A Bill for an Act Concerning the Use of Automated Decision Making Technology in Consequential Decisions，以下簡稱 ADMT 法案），隨後於 5 月 9 日獲眾議院表決通過。本法已於5月14日經州長簽署，預計將於 2027 年 1 月 1 日起生效施行： （一）核心規範：自動化決策技術 本草案僅就涉及個人權利具有「重大決策」（Consequential Decisions）影響之自動化決策技術，其應用領域包括：教育、就業、住宅、金融貸款服務、保險、醫療保健服務，以及必要之政府服務。顯示出科羅拉多州意在針對可能引發系統性偏見、歧視或實質損害之高風險領域加強保障消費者。 （二）開發者與部署者義務 1. 開發者之資訊揭露義務： 開發者必須向部署者提供詳盡之技術文件，其內容應涵蓋模型預期用途、訓練資料特性、已知之技術侷限、適當使用說明及人工審核指引。此外，若技術發生重大更新，開發者須即時通知下游，並保留相關記錄至少3年，以備法遵查核。 2. 部署者之消費者保護義務： 須在消費者與AI互動時提供「清晰且顯著」之告知義務外，若產生不利結果，必須在30日內以淺白語言向消費者說明該技術於決策中所扮演之角色。此外，部署者也須保障消費者的救濟權利，包含須建立錯誤資料更正流程，並確保消費者在面臨不利決定時，有權請求「具意義之人工審核」（Meaningful Human Review）。與開發者相同，部署者亦須履行至少3年之記錄保留義務。 本法案之提出，其用意在取代2024年《科羅拉多州AI消費者保護法案》（Consumer Protections for Artificial Intelligence Act，SB24-205）。於法制層面而言，監管重心由「高風險人工智慧系統」（High-Risk AI Systems）轉向監管應用於重大決策領域之「自動化決策技術」（ADMT）。此變化反映出美國立法趨勢可能由廣義的技術風險管理，逐步調整為自動化決策工具對公民權益實質影響之精準規範。