跨平台應用程式的開發探討－以資料流動因應措施為中心
伊格奈科技公司(Ignite Technologies Inc.)推出了一款數位內容傳播輔助工具，可幫助企業傳輸大量的數位內容檔案。此項名為伊格奈溝通者(Ignite Communicator)的服務，能協助企業傳輸各種數位內容的檔案，包括視訊、圖形及軟體。此項工具最大的特色，在於能跨越各種不同的作業平台，進行檔案傳輸。 伊格奈此項新服務，能協助企業傳遞資料給遠端行動的使用者，亦可聯結企業夥伴或客戶各種不同層級的網路系統。對於內容豐富而檔案龐大的數位內容傳播而言，此類跨平台的傳播技術與服務，對於 B2B 與 B2C 的數位內容應用，都是一大推動助力。
政府重申並未放寬輸往中國大陸半導體晶圓製程設備之出口管制由於國際出口管制組織「瓦聖那協議」（ Wassenaar Arrangement,WA）於去年(93)底修訂半導體晶圓製程技術水準之出口管制規定，由0.35微米放寬為0.18微米；國貿局為配合「瓦聖那協議」之修訂，亦於今年9月公告半導體晶圓製程技術之出口管制修正為0.18微米。 然，我國半導體晶圓製造廠商申請赴中國大陸投資，主要依據經濟部之「在大陸地區投資晶圓廠審查及監督作業要點」辦理，其中第四點申請要件明顯規定「大陸投資事業製程技術限於0.25微米以上」。此外，在國貿局「限制輸出貨品總彙表」更有規範半導體晶圓製造等相關設備之輸出規定121：需要有國貿局簽發輸出許可證；輸出規定488：（一）輸往大陸地區者，應檢附經濟部投資審議委員會核准投資文件；輸往大陸以外地區者，應檢附保證絕不轉售大陸地區之切結書。（二）外貨復運出口者，另檢附原海關進口證明文件。（三）屬戰略性高科技貨品列管項目者，除應申請戰略性高科技貨品輸出許可證，並檢附上述文件外，應另依戰略性高科技貨品輸出入管理辦法規定，檢附下列文件：１、進口國核發之國際進口證明書、最終用途證明書或保證文件。２、外貨復運出口者，如原出口國政府規定需先經其同意者，應另檢附原出口國政府核准再出口證明文件；其於原進口時領有我國核發之國際進口證明書、最終用途證明書或保證文件者，應再檢附該等文件影本。 國際貿易局強調，我國目前開放半導體晶圓製程技術輸往中國大陸仍限為0.25微米以上，並未放寬輸往中國大陸之出口管制。
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。
論政府資料探勘應用之個人資料保護爭議