檢視英國無線寬頻規畫方向
Ofcom從行動載具、應用程式的蓬勃發展，預見英國10年內將會超過500億台載具透過與機器對機器通訊(Machine-to Machine Communication,M2M)、智慧聯網(Internet of Things)連接，應用在各種領域，包括運輸、健康照顧、能源及農業。有鑑於新興服務普及後，將使2030年民眾使用行動數據總量將是現在25倍，Ofcom在今(2013)年11月以頻譜有效利用為宗旨，提出英國無線通訊基礎藍圖諮詢。
根據本份藍圖顯示，Ofcom為了促使頻譜有效利用，除了持續評估廣播、無線相機與麥克風移頻可行性外，已確認的頻譜規畫為以下三個方向：
1、2.3GHz與3.4GHz: Ofcom已與國防部(Ministry of Defence)共同合作，將原本公部門使用的2.3G、3.4G頻段，轉移至商業使用，預計將於2015-2016年進行拍賣。除此之外，Ofcom將持續與政府部門合作，讓更多頻段能釋出於商用。
2、700MHz:為了讓民眾皆可得到「黃金頻譜」(Prime Spectrum)所帶來之利益(例如具有高度覆蓋性)， Ofcom已規劃2018年將釋出部分頻譜供行動寬頻使用，讓更多民眾可享有無所不在網路帶來的便利性。
3、「閒置頻譜」(White Space)：英國未來6個月內，將會超過20個組織參與Ofcom所推動的閒置頻譜技術試點計畫。Ofcom將透過各種創新應用服務的測試，讓閒置頻譜與新興服務可相顯益彰。
Ofcom行動寬頻政策除了頻譜重新規劃，解決未來英國行動數據可能產生的「容量危機」(capacity crunch )外；另一方面，政府亦透過提高3G業者涵蓋義務、賦予1張4G執照具有覆蓋義務、以及促使偏遠地區增加基礎建設等方式，維護民眾取得完善服務品質。因此，從上述的政策走向，可以預見英國業者未來所提供的行動寬頻，將朝向穩定的服務與合理的價格演進。當民眾使用新興服務不再有網路中斷、或費用過高之疑慮後，將會增加民眾對資通訊軟、硬體的黏著性，使國家更具有競爭力。
論科學資料之開放與共享—以美國國家衛生研究院之資料政策為核心 資訊工業策進會科技法律研究所 蔡立亭 2020年12月25日 科學研究以提升全人類之福祉為本，醫療健康研究資料的共享，有助於促進整體科學研究的量能。為促進由政府支持之科學資料與研究發現的近用，美國政府原則上肯定科學之發展與資料之留存、近用相關，資料之公開不僅應遵守法律之限制，尚應注意資料之生命週期，並訂定時限；受政府資助之研究，所產出之資料以免費近用為原則，政府之政策亦應考量國際合作之實際情況[1]。申言之，科學研究資料的近用，有助於提升科學發展，政府於制定共享政策的同時，亦應一併考量國際合作的情況，並以免費近用為原則，研議資料公開策略。 為增進科學資料的效益，美國國家衛生研究院（National Institutes of Health，簡稱NIH）設置科學政策辦公室（Office of Science Policy，簡稱OSP）制定完整的政策，領域擴及生物安全、基因檢測、基因資料共享、人類受試者保護、NIH的組織與管理，和受NIH資助研究的成果與價值；藉由廣泛的分析與報告，提出新興政策建議[2]。在科學資料共享的層面，NIH聚焦於「基因與健康」和「科學資料管理」，生物醫學研究的進展，取決於科學資料的近用；共享科學資料，有助於驗證研究結果，研究者整合資料以強化分析，提升難以生成資料的再次應用，加速研究進展[3]。NIH藉由資料的管理，促進科學資料的近用，以驗證並共享研究成果。 為輔助資料之開放共享，NIH公告資料管理與共享政策（NIH Policy for Data Management and Sharing，以下簡稱DMS政策），目的為促進由NIH資助或進行研究的科學資料共享[4]。DMS政策將科學資料定義為：「在科學社群普遍接受記錄事實的素材，研究發現能反覆的驗證，不論該資料是否用以支持學術出版物。科學資料並不包含實驗室筆記、初步分析、完整的個案報告表、科學報告的草稿、未來的研究計畫、同儕評論、與同事的溝通、物理實體，例如實驗室標本[5]。」。換言之，並非僅以該資料是否能佐證學術出版物為科學資料之認定基準，而係以該科學資料是否屬事實之記載，和研究成果能否反覆驗證為判斷。 另，NIH、NIH研究院、中心、辦公室已有資料預期的共享，如：科學資料的共享、相關標準、資料庫的選擇、時限，適用並於計畫中呈現；若不適用則研究員應在計畫中提出資料共享與管理的方式，NIH並建議資料的管理與共享應實踐FAIR（Findable、Accessible、Interoperable、Reusable）原則，共享的資料類型，首先為一般性的描述、估計在研究中生成或使用的科學資料，次為列出後設資料等有助於解釋科學資料的文件；NIH鼓勵科學資料盡快共享，不遲於資料的出版或執行期間[6]。申言之，即使各該研究計畫不適合既有的共享策略，於計畫提案時，研究團隊仍應研擬適合共享與管理的方式，並以FAIR原則為依準。 研究團隊提供的科學研究資料，將儲存於由政策或資助方指定的資料庫。NIH提出推薦的資料庫列表[7]，並描述理想的儲存資料庫特色為：「具有獨特且永久的識別碼、具有長期持續管理資料的計畫、設置後設資料、整理資料並保證品質、免費並簡易的近用、廣泛且可估計的重複使用、明確的使用指引、安全性與完整性、機密性、共通格式、引用機制，及資料保留策略[8]」。由此觀之，資料庫的設計應易於科學資料的檢索；並在資料的近用上，維護資料之安全、完整、機密等。 NIH共享資料之實際應用上，為共享基因研究資料，NIH於2014年提出基因資料共享政策（Genomic Data Sharing Policy，以下簡稱GDS政策），包含NIH資助指南與契約；NIH的GDS政策適用於所有NIH資助的研究，生成之大規模人類或非人類之基因資料，將應用於後續的研究[9]。藉此能有效率的推動基因研究向前邁進。 GDS政策課予研究者提供基因資料的義務；研究者近用基因資料，亦應遵守基於研究使用控制近用資料（Controlled-Access Data）的條款[10]。研究人員受NIH核准後，方能將NIH控制近用的資料，應用於第二次研究（secondary research）[11]。由NIH資料近用委員會（Data Access Committee）審查，研究員近用資料並須遵守基於研究使用控制近用資料的條款[12]。另，基因摘要結果（Genomic Summary Results，以下簡稱GSR）隸屬於NIH政策[13]，並依據GDS政策目的，將GSR定義為由研究者提供的摘要統計（summary statistics），非敏感性的資料列入NIH指定的資料庫中[14]。換言之，NIH以對控制近用資料的應用核准，在資料之限制近用與科學發展間，取得平衡。 為回應COVID-19，加速治療與疫苗的研發，NIH的資料共享與管理政策，緩解全球科學社群開放共享科學資料的需求，該政策並建立資料共享為研究過程的基礎成分[15]。綜上所論，將資料共享內化於研究過程中，有助於全球同步更新研究的進程，共同面對全人類之科學挑戰。 [1] NATIONAL SCIENCE AND TECHNOLOGY COUNCIL, COMMITTEE ON SCIENCE, SUBCOMMITEE ON INTERNATIONAL ISSUES, INTERAGENCY WORKING GROUP ON OPEN DATA SHARING POLICY, Principles For Promoting Access To Federal Government-Supported Scientific Data And Research Findings Through International Scientific Cooperation (2016), 1, 整理自Principles, at 5-8, https://obamawhitehouse.archives.gov/sites/default/files/microsites/ostp/NSTC/iwgodsp_principles_0.pdf (last visited December 14, 2020). [2]About Us, Welcome to NIH Office of Science Policy, NIH National Institutes of Health Office of Science Policy, https://osp.od.nih.gov/about-us/ (last visited December 7, 2020). [3]NIH Data Management and Sharing Activities Related to Public Access and Open Science, NIH National Institutes of Health Office of Science Policy, https://osp.od.nih.gov/scientific-sharing/nih-data-management-and-sharing-activities-related-to-public-access-and-open-science/ (last visited December 10, 2020). [4]Final NIH Policy for Data Management and Sharing, NIH National Institutes of Health Office of Extramural Research, Office of The Director, National Institutes of Health (OD), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-21-013.html (last visited December 11, 2020). [5]Final NIH Policy for Data Management and Sharing, NIH National Institutes of Health Office of Extramural Research, Office of The Director, National Institutes of Health (OD), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-21-013.html (last visited December 12, 2020). [6]Supplemental Information to the NIH Policy for Data Management and Sharing: Elements of an NIH Data Management and Sharing Plan, Office of The Director, National Institutes of Health (OD), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-21-014.html (last visited December 13, 2020). [7]資料庫列表請參見以下網址：Open Domain-Specific Data Sharing Repositories, NIH National Library of Medicine, https://www.nlm.nih.gov/NIHbmic/domain_specific_repositories.html (last visited December 24, 2020). [8]Supplemental Information to the NIH Policy for Data Management and Sharing: Selecting a Repository for Data Resulting from NIH-Supported Research, Office of The Director, National Institutes of Health (OD), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-21-016.html (last visited December 13, 2020). [9]NIH Genomic Data Sharing, National Institutes of Health Office of Science Policy, https://osp.od.nih.gov/scientific-sharing/genomic-data-sharing/ (last visited December 15, 2020). [10]NIH Genomic Data Sharing Policy, National Institutes of Health (NIH), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-14-124.html (last visited December 17, 2020). [11]NIH Genomic Data Sharing Policy, National Institutes of Health (NIH), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-14-124.html (last visited December 17, 2020). [12]id. [13]NIH National Institutes of Health Turning Discovery into Health, Responsible Use of Human Genomic Data An Informational Resource, 1, at 6, https://osp.od.nih.gov/wp-content/uploads/Responsible_Use_of_Human_Genomic_Data_Informational_Resource.pdf (last visited December 17, 2020). [14]Update to NIH Management of Genomic Summary Results Access, National Institutes of Health (NIH), https://grants.nih.gov/grants/guide/notice-files/NOT-OD-19-023.html (last visited December 17, 2020). [15]Francis S. Collins, Statement on Final NIH Policy for Data Management and Sharing, National Institutes of Health Turning Discovery Into Health, https://www.nih.gov/about-nih/who-we-are/nih-director/statements/statement-final-nih-policy-data-management-sharing (last visited December 14, 2020).
「聯合國2017年年度隱私報告聚焦政府監督行為」聯合國人權理事會(Human Rights Council)於2016年3月8日依據28/16號「數位時代下之隱私權」(Right to Privacy in the Digital Age)決議，設立隱私特別報告員(Special Rapporteur on Privacy, SRP)，專責調查各國隱私保護情形並每年定期向人權理事會和聯合國大會提交隱私報告(Report of the Sepcial Rapporteur on the right to privacy)。 2017年年度隱私報告(A/HRC/34/60)於2月24日提出，報告除延續第一年報告中所列出的五大隱私優先課題 (跨國界隱私認知、安全與監督、巨量資料與開放資料、健康資料、企業擔任資料管理者議題等)，主題聚焦於「情報蒐集」行為的監督，將政府監督行為歸類為十項： 基於使用國際化、標準化的術語和語言而有監督必要； 基於了解國家體系、體系比較之監督必要，以秘密(secretive)或公開形式進行； 促進、保護基本人權之相關措施； 保障與救濟措施(隱私特別報告員建議採國際性層次)； 責任與透明度； 為蒐集、討論實務實踐狀況； 對政府監督行為之進一步討論； 尋求與公民溝通管道； 基於放寬安全部門、執法機關秘密性監督之必要； 基於對政府監督議題之公共論壇需求。 期中報告對現階段政府監督行為以隱私友善(privacy-friendly)立場出發，總結後續推動方向如下： 為何民粹主義(polulism)、隱私兩議題與安全議題會產生衝突； 國家如何透過監督情報增進隱私保護； 誰有權主張隱私權，隱私權的普世性(universality)於政府監督行為具特別意義； 隱私權如何透過內國法、國際法的推動而更加落實； 透過更廣泛討論，關於監督的法律文件及相關國際法規範可期待成熟發展。
新加坡推動全球首部生成式AI測試國際標準—ISO/IEC 42119-8提案新加坡推動全球首部生成式AI測試國際標準—ISO/IEC 42119-8提案 資訊工業策進會科技法律研究所 2026年08月04日 生成式AI快速普及，惟其輸出之品質、安全與可信賴程度如何檢驗，各國迄今尚無公認之測試標準。新加坡資訊通信媒體發展局（Infocomm Media Development Authority, IMDA）與新加坡企業發展局（Enterprise Singapore, EnterpriseSG）於2026年4月第17屆ISO/IEC JTC 1/SC 42人工智慧分技術委員會全體會議[1]中，公開《人工智慧—AI測試—第8部分：運用生成式AI之提示型文字對文字系統品質評估》（ISO/IEC AWI TS 42119-8）提案，並將其定位為全球首部就生成式AI系統測試方法而設之國際標準[2]。 壹、事件摘要 新加坡提出之ISO/IEC 42119-8，係運用其AI Verify與全球AI保證沙盒（Global AI Assurance Sandbox）累積之測試成果，以基準測試（benchmarking）與紅隊測試（red teaming）做為兩大檢測手段，所擬訂之生成式AI提示型文字對文字系統品質評估方法。該標準與同系列第7部分（ISO/IEC 42119-7）及ISO/IEC 23282相互銜接，於2025年9月已在ISO登錄，現處經核准工作項目（Approved Work Item）之準備階段，尚未定發布日期[3]。會議期間，新加坡並與美國國家標準協會、ISO國際組織及AI Verify基金會合作舉辦工作坊與交流會議，促其標準推進於國際間凝聚共識[4]。 貳、重點說明 一、ISO/IEC 42119系列以「AI測試」為主軸，第8部分處理生成式AI之品質評估 ISO/IEC 42119係ISO/IEC JTC 1/SC 42就AI系統之測試與保證新近規劃之AI測試共通方法系列標準[5]。該系列第8部分聚焦運用生成式AI之提示型文字對文字系統，涵蓋以紅隊測試進行之安全性檢測，並就評估結果之分析與記錄提供指引，並與同系列第7部分（紅隊測試，ISO/IEC 42119-7）及ISO/IEC 23282（自然語言處理系統評估方法）相互銜接。依主辦之IMDA與EnterpriseSG所述，該標準以提升測試結果之可重複性與可比較性為目標，藉基準測試與紅隊測試，使不同組織評估AI輸出品質時，結果更具一致性與可比較性，從而強化各界對AI系統之保證與信任[6]。 二、AI Verify以11項治理原則為基準，併行流程檢核與技術檢測 AI Verify係新加坡IMDA主導、由AI Verify基金會於2023年推動之開源測試框架，用以填補AI治理原則與可供稽核證據之間之落差。其以透明、可解釋、可重複、安全、資安、穩健、公平、資料治理、當責、人為監督，以及包容性成長（Inclusive Growth）、社會與環境福祉 (Societal and Environmental Well-being）11項治理原則為基準[7]。 AI Verify之檢驗分為流程檢核（Process Checks）與技術檢測（Technical Testing）。流程檢核依「原則、預期成效、流程、證據」（Principle, Outcome, Process, Evidence）四層展開檢核事項[8]，要求擬測機構以文件證據佐證其治理流程確有落實，所需文件例如治理政策、模型與資料處理紀錄、內部審查程序等。各檢核項目中，於可解釋、安全、穩健、公平四項原則之部分檢視項目，並列有進行技術檢測的項目[9]。 三、以Project Moonshot工具對應生成式AI AI Verify基金會的AI Verify框架原係以傳統AI為對象，為因應大型語言模型的檢測，其推出Project Moonshot做為前述技術檢測於生成式AI的主要測試工具。Moonshot提供逾100組基準資料集供進行基準測試，以分級評分評估模型在多種能力上的表現，例如語言與語境理解。Project Moonshot 亦提供自動化紅隊攻擊模組，可同時測試多個大型語言模型應用程式，節省時間與資源也確保模型效能的全面評估。Project Moonshot 的網頁介面並提供優化的測試流程，因應不同應用程式的多元需求，引導使用者只辨識並執行最相關的測試，使用者也可以利用自訂資料集調整測試，以評估模型是否符合其獨特使用情境[10]。 四、全球AI保證試點與沙盒媒合測試，以實測經驗作為標準前導 新加坡以全球AI保證機制（Global AI Assurance）串接前述工具與國際標準，由IMDA與AI Verify基金會共同主導，先後推出「試點（Global AI Assurance Pilot）」與「沙盒（Global AI Assurance Sandbox）」兩個措施。前者媒合生成式AI應用之開發者與專業測試業者（如Resaro、LatticeFlow AI、Advai等），就幻覺、不當內容、對抗弱點等風險進行技術測試。試點自2025年2月啟動，至同年5月彙整成果，已媒合17家應用部署者與16家測試業者[11]。後者則將試點之媒合做法予以常態化與擴大，使其自階段性試辦轉為長期運作之機制[12]。此機制屬軟性之自願測試，新加坡政府並不直接強制監管，而係以實作指引與測試媒合降低採用障礙、蒐集資料作為技術測試標準之前導、扶植AI保證服務市場[13]。 依IMDA的全球AI保證沙盒報告說明，其全球AI保證試點（Global AI Assurance Pilot）的AI測試焦點已從「基礎模型安全」移到「實際應用之端到端可靠性」，鑑於將基礎模型與現有資料來源、流程及系統整合的複雜度較高，生成式AI風險評估很大程度上取決於使用情境。該報告並歸納提出四個生成式AI評測的實務建議：測試優先序應依應用之風險輪廓調整，風險愈高者測試愈嚴；適格之測試資料集須由人與AI共同產製，兼顧代表性與品質；除最終輸出外，尚應檢視模型運作之中間流程節點；可運用大型語言模型協助評測，但須有人工校準，以免評分失真[14]。 五、AI測試業者認可計畫（AI TAP）：從沙盒媒合走向測試供給端之制度化 前述試點與沙盒雖已媒合開發者與測試業者，惟受媒合之測試業者其資格良窳，仍多賴個案判斷。AI Verify Foundation爰於2026年5月19日發布「AI測試業者認可計畫」（AI Tester Accreditation Programme, AI TAP），規劃就測試業者本身設計認可基準，並建立合格測試業者名單，使企業採用外部測試服務時得有所依循[15]。 認可方式採取五個評估面向，包括測試AI風險之技術能力、營運信譽（含實績）、財務永續性、營運量能，以及所宣稱業務範圍與實際能力相符[16]。該計畫預計於2026年第三季開放；現已有Advai、AIDX、安永（Ernst & Young）、Knovel Engineering、資誠（PwC）、Resaro、Vulcan等業者表達早期參與意願[17]。 參、事件評析 我國在AI評測上，已由數位發展部成立AI產品與系統評測中心（AIEC），就語言模型訂定安全性、可解釋性、彈性、公平性、準確性、透明性、當責性、可靠性、隱私與資安等10項評測指標[18]。針對語言模型之準確性、可靠性、資安、隱私、公平性進行技術評測，納入「臺灣價值觀」評測項目，以建立貼合本土社會脈絡之評測標準；規劃於2026年、2027年分別通過財團法人全國認證基金會（Taiwan Accreditation Foundation, TAF）認證[19]。 新加坡將其AI Verify評測方法提案成為ISO標準草案，並於前述國際會議中舉辦相關工作坊與研討活動，可見其認為任何AI評測須能成為國際共通接受之結果，始能在AI國際合規議題上達到評測之最大價值，因此其搶佔先機於ISO/IEC 42119系列中提出生成式AI之評測標準。我國AIEC之評測指標目前並未與數發部本身之風險分類框架相銜接，而數發部本身之風險分類框架亦可能與將來之國際標準存在落差。如AIEC測評結果須著眼於我國AI產品或服務之國際市場發展，即須追蹤觀測相關標準草案之進程，並同時就我國評測指標設計進行及時調整。 就測試方法而言，我國AIEC測評目前雖納入「臺灣價值觀」評測，但尚未就無法量化項目進行流程評測，亦無法對不同應用情境、代理AI動態運作過程進行風險評估。新加坡全球AI保證沙盒之報告已指出，生成式AI應用之測試須依風險輪廓調整、須檢視中間流程節點，此亦為我國AIEC測試做法須規劃補完之缺口。而新加坡推動AI測試業者認可計畫，則呈現其扶植本國AI測試服務業者、協助打開國際市場之思路；我國若欲就測試服務建立產業，則AIEC本身應設計成政府主導、建立標準、形成方法、認可適格業者之機制，同時由政府運用相關法令、獎補助、採購等方式提供市場誘因，將有助於落實我國AI基本法發展可信賴AI之宏旨。 本文著作權屬財團法人資訊工業策進會科技法律研究所所有，如需引用或轉載，請註明出處。 本文同步刊登於TIPS網站（https://www.tips.org.tw） [1]Singapore Champions New Global AI Testing Standardisation Efforts, ENTERPRISE SINGAPORE, Apr. 20, 2026, https://www.enterprisesg.gov.sg/resources/media-centre/media-releases/2026/april/mr01826_singapore-champions-new-global-ai-testing-standardisation-efforts (last visited Aug. 3, 2026). [2]ISO/IEC AWI TS 42119-8, Artificial Intelligence — Testing of AI — Part 8: Quality Assessment of Prompt-Based Text-to-Text Systems That Utilize Generative AI, ISO, https://www.iso.org/standard/91609.html (last visited Aug. 3, 2026). [3]ISO/IEC AWI TS 42119-8, Artificial Intelligence — Testing of AI — Part 8: Quality Assessment of Prompt-Based Text-to-Text Systems That Utilize Generative AI, ISO, https://www.iso.org/standard/91609.html (last visited Aug. 4, 2026)（該案於2025年9月13日登錄於ISO/IEC JTC 1/SC 42工作計畫，現為Stage 20.00「準備階段」／開發中，尚未定發布日期）。 [4]Singapore Champions New Global AI Testing Standardisation Efforts, ENTERPRISE SINGAPORE, Apr. 20, 2026, https://www.enterprisesg.gov.sg/resources/media-centre/media-releases/2026/april/mr01826_singapore-champions-new-global-ai-testing-standardisation-efforts (last visited Aug. 3, 2026). [5]ISO/IEC AWI TS 42119-8, Artificial Intelligence — Testing of AI — Part 8: Quality Assessment of Prompt-Based Text-to-Text Systems That Utilize Generative AI, ISO, https://www.iso.org/standard/91609.html (last visited Aug. 4, 2026)（42119-8屬ISO/IEC 42119「AI測試」系列，並銜接同系列42119-7與ISO/IEC 23282）。 [6]Singapore Champions New Global AI Testing Standardisation Efforts, ENTERPRISE SINGAPORE, Apr. 20, 2026, https://www.enterprisesg.gov.sg/resources/media-centre/media-releases/2026/april/mr01826_singapore-champions-new-global-ai-testing-standardisation-efforts (last visited Aug. 3, 2026). [7]AI Verify Testing Framework: For Traditional and Generative AI, AI VERIFY FOUNDATION, https://file.go.gov.sg/aivtf-pdf.pdf (last visited Aug. 4, 2026)（該框架第2頁明列前開11項治理原則）。 [8]What Is AI Verify, AI VERIFY FOUNDATION, https://aiverifyfoundation.sg/what-is-ai-verify/ (last visited Aug. 3, 2026). [9]AI Verify Testing Framework: For Traditional and Generative AI, AI VERIFY FOUNDATION, https://file.go.gov.sg/aivtf-pdf.pdf (last visited Aug. 4, 2026)。其中標示「Technical Testing」者計五項流程，分屬可解釋（第14頁）、安全（第29頁）、穩健（第61頁）、公平（第71、72頁）四原則；框架本身未另作總結性列舉。 [10]Project Moonshot, AI VERIFY FOUNDATION, https://aiverifyfoundation.sg/project-moonshot/ (last visited Aug. 3, 2026). [11]Singapore Unveils Insights from the World's First Technical Testing of Real-World Applications of GenAI, IMDA, May 29, 2025, https://www.imda.gov.sg/resources/press-releases-factsheets-and-speeches/press-releases/2025/sg-unveils-insights-from-worlds-first-technical-testing-of-real-world-applications-of-genai (last visited Aug. 3, 2026)；Global AI Assurance Pilot, AI VERIFY FOUNDATION, https://aiverifyfoundation.sg/ai-assurance-pilot/ (last visited Aug. 3, 2026). [12]Global AI Assurance Sandbox, AI VERIFY FOUNDATION, https://aiverifyfoundation.sg/ai-assurance/ (last visited Aug. 3, 2026). [13]Executive Summary, Global AI Assurance Sandbox, AI VERIFY FOUNDATION, https://assurance.aiverifyfoundation.sg/main-report/ (last visited Aug. 3, 2026). [14]Executive Summary, Global AI Assurance Sandbox, AI VERIFY FOUNDATION, https://assurance.aiverifyfoundation.sg/main-report/ (last visited Aug. 3, 2026). [15]Media Factsheet on AI Assurance ─ AI Tester Accreditation Programme, AI VERIFY FOUNDATION, May 19, 2026, https://aiverifyfoundation.sg/wp-content/uploads/2026/05/Accreditation-Factsheet.pdf (last visited Aug. 4, 2026)。 [16]AI Tester Accreditation Programme, AI VERIFY FOUNDATION, https://aiverifyfoundation.sg/tester-accreditation/ (last visited Aug. 4, 2026)；Media Factsheet on AI Assurance ─ AI Tester Accreditation Programme, AI VERIFY FOUNDATION, May 19, 2026, https://aiverifyfoundation.sg/wp-content/uploads/2026/05/Accreditation-Factsheet.pdf (last visited Aug. 4, 2026)（該計畫就技術能力、營運信譽、財務永續、營運量能、業務範圍相符五面向評估測試業者）。 [17]AI Tester Accreditation Programme, AI VERIFY FOUNDATION, https://aiverifyfoundation.sg/tester-accreditation/ (last visited Aug. 4, 2026)；Media Factsheet on AI Assurance ─ AI Tester Accreditation Programme, AI VERIFY FOUNDATION, May 19, 2026, 但截至 2026/8/4 仍尚未見開放，https://aiverifyfoundation.sg/wp-content/uploads/2026/05/Accreditation-Factsheet.pdf (last visited Aug. 4, 2026)。 [18]〈數位發展部「AI產品與系統評測中心」啟動 推動我國AI評測制度與可信任AI環境發展〉，數位發展部數位產業署，2023年12月6日，https://moda.gov.tw/ADI/news/latest-news/9295（最後瀏覽日：2026/07/16）；〈數位部AI評測中心啟動 語言模型納10項目評分〉，中央社，2023年12月6日，https://www.cna.com.tw/news/ait/202312060129.aspx（最後瀏覽日：2026/07/16）。 [19]〈AIEC首創「臺灣價值觀」評測指標 42款模型競爭揭示AI在地化關鍵〉，資安人科技網，2025年10月，https://www.informationsecurity.com.tw/article/article_detail.aspx?aid=12311（最後瀏覽日：2026/07/16）。
法國CNIL認Google於Gmail中投放之偽裝廣告及個人化廣告因欠缺當事人有效同意而違法，開罰3.25億歐元法國國家資訊與自由委員會（Commission Nationale de l’Informatique et des Libertés, CNIL）於2025年9月1日針對一起由歐洲數位權利中心（noyb - The European Center for Digital Rights）提出的申訴做成決議，指Google未經Gmail使用者同意，將廣告偽裝為電子郵件進行「偽裝廣告」（Disguised Ads）投放，以及在對Gmail使用者投放個人化廣告前，未能於Gmail帳號申請流程中提供當事人提供較少cookies、選擇非個人化之通用廣告（generic ads）的選項，違反了《電子通訊法》（code des postes et des communications électroniques）與《資訊與自由法》（loi Informatique et Libertés）中關於歐盟《電子隱私指令》（ePrivacy Directive）之施行規定，對Google裁處了3.25億歐元的罰鍰，並要求改善。以下節錄摘要該裁決之重點： 一、 偽裝成電子郵件的偽裝廣告與電子郵件廣告均須獲當事人同意始得投放 歐盟《電子隱私指令》第13條1項及法國《電子通訊法》規定，電子郵件直接推銷（direct marketing）僅在其目標是已事先給予同意的使用者時被允許。CNIL，依循歐盟法院（CJEU）判例法（C-102/20）見解，認為若廣告訊息被展示在收件匣中，且形式類似真實電子郵件，與真實電子郵件相同位置，則應被認為是電子郵件直接推銷，須得到當事人之事前同意。因此，CNIL認定偽裝廣告即便技術上不是狹義的電子郵件，僅僅因其在通常專門用於私人電子郵件的空間中展示，就足以認為這些廣告是透過使用者電子郵件收件匣傳遞的廣告，屬於電子郵件廣告，而與出現在郵件列表旁邊且獨立分開的廣告横幅不同，後者非屬電子郵件廣告。 二、 Cookie Wall下當事人的有效同意：「廣告類型」的選擇、服務申請流程的隱私設計與資訊透明 CNIL參酌歐盟個人資料保護委員會（European Data Protection Board, EDPB）第2024/08號關於「同意與付費模式」意見，認為同意接受廣告在特定條件下得作為使用Gmail服務的條件。換言之，以「cookie wall」（註：拒絕cookie的蒐集即無法獲得服務之網站設計）取得之當事人「同意」，非當然不自由或無效。CNIL認為，在免費服務的框架下，cookie wall在維持提供服務與服務成本之間的經濟平衡上，要求服務申請者須接受投放廣告的cookie是合法的。惟CNIL認為，這不代表Google可以任意決定所蒐集的cookies和相應廣告模式的類型。 CNIL要求，當事人在cookie wall的框架內仍應享有選擇自由，才能取得蒐集為投放個人化廣告之cookies的當事人有效同意，亦即：在個人化廣告處理更多個資和對當事人造成更多風險的情況下，當事人應被給予機會選擇「等值的替代選項」，亦即通用廣告，並完全且清晰地了解其選擇的價值、範圍及後果。 然而，CNIL發現，Google將與廣告個性化相關的cookies拒絕機制設計得比接受機制更複雜，實際上阻礙了使用者拒絕隱私干預程度更高的cookies。這種拒絕途徑偏袒了允許個人化廣告的cookies的同意，從而影響了當事人的選擇自由。CNIL也發現，Google從未以明確方式告知使用者建立Gmail帳戶時面臨cookie wall，以及對此使用者享有甚麼選擇，而其提供的資訊更引導使用者選擇個人化廣告，導致選擇一般廣告的機會遭到犧牲。 三、 為何不是愛爾蘭資料保護委員會（Data Protection Commission, DPC）管轄？ GDPR設有「單一窗口機制」，依據該合作機制，對Google進行的GDPR調查，應由作為主任監管機關（Lead Supervisory Authority）的愛爾蘭DPC管轄。惟在本案，CNIL認為並不適用於單一窗口機制。因為與cookies使用及電子推銷相關的處理並非屬於GDPR範疇，而是適用電子隱私指令，CNIL對法國境內的cookies使用及電子推銷處理享有管轄權。此爭議反映出即便GDPR旨在確保標準化單一市場內的數位管制，但尚不足以弭平成員國間監管強度之差異。