美國FDA公布510(k)醫療器材上市前許可指引針對醫療器材上市前之審查規範提出更完善詳細之調整
本文為「經濟部產業技術司科技專案成果」
歐盟因應數位簡化革命通過Omnibus VII法案：放寬產業合規時程與強化兒少人權保障之《歐盟人工智慧法》修法 資訊工業策進會科技法律研究所 2026年07月22日 今（2026）年6月16日，歐洲議會（European Parliament）以423票贊成、57 票反對、174 票棄權，通過「第七號數位綜合法案」（Omnibus VII）下對《歐盟人工智慧法》（EU AI Act，下稱AIA）的修正案[1]。隨後於6月29日，歐盟理事會（Council of the European Union）批准了歐洲議會的審議決議。最終於7月8日，經歐洲議會議長及歐盟理事會主席共同簽署，該修正案正式通過[2]。 壹、事件摘要 自2024年10月起，歐盟理事會為因應萊塔（Enrico Letta）與德拉吉（Mario Draghi）報告中指出的歐洲競爭力危機，於2024年11月8日發布《布達佩斯宣言》（Budapest declaration）要求「發起一場簡化革命」，希冀為企業提供一個清晰、簡單且具備彈性的法規治理框架，並減輕企業面臨的法遵成本與合規摩擦。為此，歐盟執委會自2025年2月起陸續提出十項「綜合法案」（Omnibus packages），旨在鬆綁永續發展、投資與農業的申報程序、擴大對中小企業的制度支持、推動數位化轉型與統一技術規範、調和國防、化學產品、環境、汽車產業、食品與飼料安全，以及包含人工智慧在內的數位新興議題。其中，「第七號數位綜合法案」核心目的即在於簡化歐盟的數位立法框架，並落實全歐盟統一的人工智慧調和規範[3]。 另一方面，鑑於當前兒少網路參與度大幅提升及科技的急速發展，除加劇刑事執法之訴追難度外，亦衍生新型態之數位侵害手段，包括犯罪者利用人工智慧等新興技術將兒少視為下手目標。雖然歐盟現行主要規範兒少性侵害與性剝削之刑事法制，為2011年通過之《打擊兒童性虐待與性剝削指令》（Directive 2011/93/EU on combating the sexual abuse and sexual exploitation of children and child pornography），但為填補此一科技漏洞，歐盟亦於「第七號數位綜合法案」修正案中，針對深偽影像（deepfake）氾濫問題提出對策，並於《打擊兒童性虐待與性剝削指令》中進行修法研議[4]。 貳、重點說明 此次修法有兩大重點，一為延後AIA設定的義務期限，並在修訂事項中調整與其他產業法規的競合關係；二為在《歐盟人工智慧法》第5條「不可忍受之風險」增訂一項新條文，禁止生成未經當事人同意的性私密影像內容，以及兒童性剝削素材（child sexual abuse material, CSAM），同時亦在其他相關法律有配套之修法研議共同打擊涉及之AI數位性暴力犯罪，保障兒少人權。 一、簡化歐盟的數位法制監管框架 （一）調整AIA之合規時程 本次修法在於動態調整AIA設定的合規時程，包括延後高風險AI系統的義務期限，將「獨立型高風險AI」延至2027年12月2日適用，以及將「產品嵌入型高風險AI」延至2028年8月2日適用[5]。同時，將會員國應建置「國家級AI監理沙盒」的法定期限延展至2027年8月2日[6]，以提供企業及政府機關更充裕的準備期間，完成技術、治理及法遵機制的調整，降低法規適用初期的合規負擔，並確保新制度得以順利銜接與落實[7]。 （二）釐清不同法律之適用關係 為促使企業能有效遵守AIA的監管相關規定，於修法上明確劃分與其他特定產業法規（如醫療器材、玩具、電梯及船舶等產業）的適用關係，並課予歐盟執委會制定指引之義務，協助涉及高風險AI系統的開發商或經營者，能依據指引遵循AIA的高風險AI治理規範並同時降低其法遵成本[8]。換言之，如特定產業法規已明定與AIA相仿之AI法律規範，但會與AIA產生競合問題，如要排除AIA之適用則須於歐洲議會就產業法規進行修正。為降低修法成本，AIA此次修法賦予歐盟執委會「授權法規」（delegated acts）之權限[9]，得制定法規命令協調產業法規與AIA之適用關係，並在特定範圍內限制或排除AIA之適用[10]。同時要求歐盟執委會應發布相關指引，指導企業遵守人工智慧風險治理相關規範[11]。藉由此類機制，確立特定產業法規的優先適用原則，並藉此排除AIA與其他法規的競合矛盾，以避免企業因身陷法規的多頭馬車而面臨沉重的法遵負擔[12]。 二、強化AI治理下的兒少人權與性別平等措施 （一）AI衍生之數位性暴力納入不可忍受風險 於「第七號數位綜合方案」修正案中，針對深偽影像部分，修法強化業者導入「人工生成內容」的透明度標示義務，將原本的合規寬限期從6個月縮短至3個月[13]，亦即提前至今年12月2日全面施行[14]。同時，將非自願的生成式性私密影像及兒少性剝削生成式素材列為AIA第5條之不可忍受風險，並將會生成真實人物裸照，或修改現有照片衣物以暴露私密部位的AI系統，定於今年12月起全面禁用[15]。 （二）配套法律之相關修正 無獨有偶，歐盟理事會與歐洲議會代表亦於6月22日，針對《打擊兒童性虐待與性剝削指令》之修正法案，達成暫時性政治共識（provisional agreement）[16]。擬將凡是設計或改造AI系統以產出兒童性剝削素材，以及散布此類系統之行為，或以「AI 提示詞（prompt）」製作兒童性剝削素材之教學指引行為，納為刑事犯罪。後續，該修正法案若獲得歐盟理事會與歐洲議會的通過，會員國必須在3年內修改其國內刑法的相關規範，以符合修訂後之歐盟指令，藉此提升歐盟境內對兒少人權之保護，避免遭受新型態數位性暴力而影響其身心健康發展[17]。 參、事件評析 整體而言，「第七號數位綜合法案」就AIA的修正法案主要是透過義務時程的調整來緩和硬法（hard law）監管之治理模式，亦及體恤企業並維持歐洲競爭力，因此放寬並延後了醫療、機械、金融等高度涉及高風險AI應用相關產業的適用時程，避免沉重的法遵成本與合規摩擦，藉由「時間換取空間」之方式，讓企業在數位轉型上有較大的經營空間。儘管如此，歐盟亦堅守其基本人權底線，對於兒少權益、性別平等採取堅硬態度，除將生成式AI透明度義務的合規時程提前，更將AI的數位性暴力納入不可忍受風險，同時封殺AI脫衣（nudification）系統，並配合相關修法，研議將運用AI涉及兒少數位性暴力之行為列為刑事犯罪，其鐵腕手段正印證歐洲對人工智慧「以人為本」之精神。 對臺灣而言，雖然《人工智慧基本法》於今年1月14日施行，大部分的作用法及配套措施仍待規劃當中，我國之法律框架也並非採取歐洲治理模式，但歐盟就境內企業發展所採取之法規調適，值得我國留意，比如中小企業會面臨導入人工智慧的法遵成本與合規摩擦，政府應研議其配套措施。此外，對於兒少人權之保障，《人工智慧基本法》亦反映相同之立法精神，比如第5條規定：「政府應以兒少最佳利益為原則，人工智慧產品或系統經中央目的事業主管機關會商數位發展部認定為高風險應用者，應明確標示注意事項或警語」，我國仍需留意針對兒少而衍生之新型態數位性暴力議題，不論是否要行政管制或以刑罰相繩，此類風險必須被認真對待，並思考出適當的應對機制。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://keid.nat.gov.tw/tips/） [1] 第七號數位綜合法案涉及兩個領域的法律修正案，其中一個針對人工智慧領域，即AIA的修正案，另一個則是涉及個人資料保護與網路資訊安全的法律修正案，包括《一般資料保護規則》（General Data Protection Regulation, GDPR）與歐盟NIS 2指令。前者已通過，後者因未取得共識尚在審議中。因此，本文討論的修法僅限於AIA的修正法案。詳細內容可以參考European Council, Simplification of EU rules, https://www.consilium.europa.eu/en/policies/simplification/(last visited July 13, 2026). [2] European Parliament, AI Act: EP approves simplification measures and “nudifier” app ban, https://www.europarl.europa.eu/news/en/press-room/20260611IPR45207/ai-act-ep-approves-simplification-measures-and-nudifier-app-ban(last visited July 13, 2026). [3] European Council, Artificial Intelligence: Council gives final green light to simplify and streamline rules, https://www.consilium.europa.eu/en/press/press-releases/2026/06/29/artificial-intelligence-council-gives-final-green-light-to-simplify-and-streamline-rules/(last visited July 13, 2026). [4] European Council, Combatting child sexual abuse: EU agrees stronger criminal law rules and enhanced support to victims, https://www.consilium.europa.eu/en/press/press-releases/2026/06/22/combatting-child-sexual-abuse-eu-agrees-stronger-criminal-law-rules-and-enhanced-support-to-victims/(last visited July 13, 2026). [5] 修正AIA第113條，原本實施日期是2026年8月2日。立法文件see European Parliament & European Council, Regulation of the European Parliament and of the Council amending Regulations (EU) 2024/1689, (EU) 2018/1139 and (EU) 2023/1230 as regards the simplification of the implementation of harmonised rules on artificial intelligence (Digital Omnibus on AI), PE 30/2026 INIT, 2026, p. 33. [6] 修正AIA第57條，原本實施日期是2026年8月2日。立法文件見同前註5，頁60。 [7] 同前註3。 [8] 簡單來說，若該產業法規已提供等同或更高程度的健康、安全或基本權利保護，歐盟執委會得限制或排除AIA中特定義務，包括對高風險AI系統的「系統性要求」，如風險管理系統、系統上市前的技術文件資料、資料保存義務等，詳細內容參考，同前註5，頁42。 [9] 歐盟之授權法規（delegated acts）在性質上類似於我國基於法律授權之法規命令。依據《歐洲聯盟運作條例》第290條之規定，歐洲議會及理事會得於立法中授權歐盟執委會，由其自行制定非立法性且具普遍適用性之法規，用以補充或修正該法律之特定非核心要素。see Consolidated Version of the Treaty on the Functioning of the European Union art. 290, 2016 O.J. (C 202) 1, 172). [10] 新增AIA第2條第13項，同前註5，頁42。另外，歐盟理事會以機械產品法規（machinery regulation）為例說明，歐盟執委會得制定授權法規增訂關於高風險AI機械產品的健康與安全規範要求以免除適用AIA，同前註3。 [11] 修正AIA第96條第1項，要求歐盟執委會必須在2027年8月1日前發布指引，同前註5，頁86。 [12] 同前註3。 [13] 僅限於AIA第50條第2項機器可讀的數位浮水印或技術標籤的標示義務，同前註3。 [14] 新增AIA第111條第4項，同前註5，頁90。 [15] 同前註5，頁47。 [16] 暫時性政治共識（provisional agreement），係指歐盟立法程序中，歐洲議會（European Parliament）、歐盟理事會（Council of the European Union）及歐盟執行委員會（European Commission）進行三方協商（trilogue）後，由歐洲議會與歐盟理事會就法案內容達成的初步政治協議。該協議尚須依各機構內部程序正式批准，始完成立法程序並具法律效力。 [17] 同前註4。
新加坡因應AI新興技術發展發布《國家人工智慧戰略2.0》更新版，以強化國家競爭力與技術主權新加坡於今（2026）年5月20日發布《國家人工智慧戰略2.0》（Singapore National AI Strategy 2.0, NAIS2.0）更新版。由於AI發展快速（多模態模型、AI代理），2023年12月發布的NAIS2.0並無法因應變化，於是新加坡在兩年半後就NAIS2.0的內容進行更新，並針對優先事項調整，提出十大「賦能因素」（Enablers）作為滿足新加坡「為公共福祉運用AI」願景的達成手段。十大賦能因素可分為以下三大支柱： 一、活動驅動者（Activity Drivers）：賦能因素包括「產業」、「政府」與「研究」，其定位在於目標設定與需求創造，透過「國家AI任務」確立產、官、研領域的核心課題，並鼓勵全球人才針對相關問題進行研發與創新。 二、人才與社群（People & Communities）：賦能因素包括「人才」、「能力」與「生態系統整合」，其目標在於執行與連結，透過培育AI領域專業的雙語人才，以強化國際合作，提供研發創新所需的專業技術與支持環境。 三、基礎設施與環境（Infrastructure & Environment）：賦能因素包括「算力」、「資料」、「信任環境」以及「思想與行動領導者」，其目的作為AI技術發展的重要基礎，提供AI發展充足的算力、資源及完善的信任治理框架，確保 AI 應用能在安全環境下被大規模部署。 此外，為了十大賦能因素的推動，新加坡於今（2026）年2月成立的「國家人工智慧委員會」（National AI Council, NAIC）將會作為國家級的統籌單位，確保NAIS2.0更新版可以落實與推動。 綜上，NAIS2.0更新版作為AI新興技術的治理調適，透過優先議題的規劃安排，將AI技術問題上升到國家競爭力、技術主權與國家安全層面，並從國家治理、人才培育到基礎設施的全方位調整以建構新加坡的AI戰略藍圖。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://keid.nat.gov.tw/tips/）
通用人工智慧的透明揭露標準--歐盟通用人工智慧模型實踐準則「透明度 (Transparency)」章通用人工智慧的透明揭露標準--歐盟通用人工智慧模型實踐準則「透明度 (Transparency)」章 資訊工業策進會科技法律研究所 2025年08月06日 歐盟人工智慧辦公室(The European AI Office，以下簡稱AIO) 於2025年7月10日提出《人工智慧法案》（AI Act, 以下簡稱AIA法案）關於通用型人工智慧實作的準則[1] (Code of Practice for General-Purpose AI Models，以下簡稱「GPAI實踐準則」)，並於其中「透明度 (Transparency)」章節[2]，針對歐盟AIA法案第53條第1項(a)、(b)款要求GPAI模型的提供者必須準備並提供給下游的系統整合者 (integrator) 或部署者 (deployer) 足夠的資訊的義務，提出模型文件(Model Documentation)標準與格式，協助GPAI模型提供者制定並更新。 壹、事件摘要 歐盟為確保GPAI模型提供者遵循其AI法案下的義務，並使AIO能夠評估選擇依賴本守則以展現其AI法案義務合規性的通用人工智慧模型提供者之合規情況，提出GPAI實踐準則。當GPAI模型提供者有意將其模型整合至其AI系統的提供者（以下稱「下游提供者」）及應向AIO提供相關資訊，其應依透明度章節要求措施(詳下述)提出符合內容、項目要求的模型文件，並予公開揭露且確保已記錄資訊的品質、安全性及完整性 (integrity)。 由於GPAI模型提供者在AI價值鏈 (AI value chain) 中具有特殊角色和責任，其所提供的模型可能構成一系列下游AI系統的基礎，這些系統通常由需要充分了解模型及其能力的下游提供者提供，以便將此類模型整合至其產品中並履行其AIA法案下的義務。而相關資訊的提供目的，同時也在於讓AIO及國家主管機關履行其AI法案職責，特別是高風險AI的評估。 AIO指出完整填寫與定期更新模型文件，是履行AIA法案第53條義務的關鍵步驟。GPAI模型提供者應建立適當的內部程序，確保資訊的準確性、時效性及安全性。模型文件所含資訊的相關變更，包括同一模型的更新版本，同時保留模型文件的先前版本，期間至模型投放市場後10年結束。 貳、重點說明 一、制定並更新模型文件(措施1.1) 透明度 (Transparency)章節提供模型文件的標準表格，做為GPAI實踐準則透明度章節的核心工具，協助GPAI模型提供者有系統性的整理並提供AIA法案所要求的各項資訊。表格設計考量了不同利害關係人的資訊需求，確保在保護商業機密的同時，滿足監管透明度的要求。 前揭記錄資訊依其應提供對象不同，各欄位已有標示區分該欄資訊係用於AI辦公室 (AIO)、國家主管機關 (NCAs) 或下游提供者 (DPs)者。適用於下游提供者的資訊，GPAI模型提供者應主動提供(公開揭露)，其他則於被請求時始須提供(予AIO或NCAs)。 除基本的文件最後更新日期與版本資訊外，應提供的資訊分為八大項，內容應包括： (一)、一般資訊General information 1.模型提供者法律名稱(Legal name) 2.模型名稱(Model name)：模型的唯一識別碼（例如 Llama 3.1-405B），包括模型集合的識別碼（如適用），以及模型文件涵蓋之相關模型公開版本的名稱清單。 3.模型真實性(Model authenticity)：提供明確的資訊例如安全雜湊或URL端點，來幫助使用者確認這個模型的來源 (Provenance)、是否真實性未被更動 (Authenticity)。 4.首次發布日(Release date)與首次投放歐盟市場的日期(Union market release date)。 5.模型依賴(Model dependencies)：若模型是對一個或多個先前投放市場的GPAI模型進行修改或微調的結果，須列出該等模型的名稱（及相關版本，如有多個版本投放市場）。 (二)、模型屬性(Model properties) 1.Model architecture 模型架構：模型架構的一般描述，例如轉換器架構 (transformer architecture)。 2.Design specifications of the model 模型設計規格：模型主要設計規格的一般描述，包括理由及所作假設。 3.輸出/入的模式與其最大值(maximum size)：說明係文字、影像、音訊或視訊模式與其最大的輸出/入的大小。 4.模型總參數量(model size)與其範圍(Parameter range)：提供模模型參數總數，記錄至少兩個有效數字，例如 7.3*10^10 參數，並勾選參數(大小)所在範圍的選項，例如：☐>1T。 (三)、發佈途徑與授權方式(Methods of distribution and licenses) 1.發佈途徑Distribution channels：列舉在歐盟市場上使用模型的採用法，包括API、軟體套裝或開源倉庫。 2.授權條款License：附上授權條款鏈結或在要求時提供副本；說明授權類型如: 開放授權、限制性授權、專有授權；列出尚有提供哪些相關資源(如訓練資料、程式碼)與其存取方式、使用授權。 (四)、模型的使用(Use) 1.可接受的使用政策Acceptable Use Policy：附上可接受使用政策連結或副本或註明無政策。 2.預期用途或限制用途Intended uses：例如生產力提升、翻譯、創意內容生成、資料分析、資料視覺化、程式設計協助、排程、客戶支援、各種自然語言任務等或限制及/或禁止的用途。 3.可整合AI系統之類型Type and nature of AI systems：例如可能包括自主系統、對話助理、決策支援系統、創意AI系統、預測系統、網路安全、監控或人機協作。 4.模型整合技術方式Technical means for integration：例如使用說明、基礎設施、工具）的一般描述。 5.所需軟硬體資源Required hardware與software：使用模型所需任何軟硬體（包括版本）的描述，若不適用則填入「NA」。 (五)、訓練過程(Training process) 1.訓練過程設計規格(Design specifications of the training process)：訓練過程所涉主要步驟或階段的一般描述，包括訓練方法論及技術、主要設計選擇、所作假設及模型設計最佳化目標，以及不同參數的相關性（如適用）。例如：「模型在人類偏好資料集上進行10個輪次的後訓練，以使模型與人類價值觀一致，並使其在回應使用者提示時更有用」。 2.設計決策理由(Decision rationale)：如何及為何在模型訓練中做出關鍵設計選擇的描述。 (六)、用於訓練、測試及驗證的資料資訊(Information on the data used for training, testing, and validation) 1.資料類型樣態Data type/modality：勾選樣態包括文字、影像、音訊、視訊或說明有其他模態。 2.資料來源Data provenance：勾選來源包括網路爬蟲、從第三方取得的私人非公開資料集、使用者資料、公開資料集、透過其他方式收集的資料、非公開合成(Synthetic )資料等。 3.資料取得與選取方式(How data was obtained)：取得及選擇訓練、測試及驗證資料使用方法的描述，包括用於註釋資料的方法及資源，以及用於生成合成資料的模型及方法。從第三方取得的資料，如果權利取得方式未在訓練資料公開摘要中披露，應描述該方式。 4.資料點數量Number of data points：說明訓練、測試及驗證資料的大小（資料點數量），連同資料點單位的定義（例如代幣或文件、影像、視訊小時或幀）。 5.資料範疇與特性(Scope and characteristics)：指訓練、測試及驗證資料範圍及主要特徵的一般描述，如領域（例如醫療保健、科學、法律等）、地理（例如全球、限於特定區域等）、語言、模式涵蓋範圍。 6.資料清理處理方法(Data curation methodologies)：指將獲取的資料轉換為模型訓練、測試及驗證資料所涉及的資料處理一般描述，如清理（例如過濾不相關內容如廣告）、資料擴增。 7.不當資料檢測措施(Measures for unsuitability)：在資料獲取或處理中實施的任何方法描述（如有），以偵測考慮模型預期用途的不適當資料源，包括但不限於非法內容、兒童性虐待材料 (CSAM)、非同意親密影像 (NCII)，以及導致非法處理的個人資料。 8.可識別偏誤檢測措施(Measures to detect identifiable biases)：描述所採取的偵測與矯正訓練資料存在偏誤的方法。 (七)、訓練期間的計算資源(Computational resources (during training)) 1.訓練時間(Training time)：所測量期間及其時間的描述。 2.訓練使用的計算量(Amount of computation used for training)：說明訓練使用的測量或估計計算量，以運算表示並記錄至其數量級（例如 10^24 浮點運算）。 3.測量方法論(Measurement methodology)：描述用於測量或估計訓練使用計算量的方法。 (八)、訓練及推論的能源消耗(Energy consumption (during training and inference)) 1.訓練耗能(Amount of energy used for training)及其計量方法：說明訓練使用的測量或估計能源量，以百萬瓦時表示（例如 1.0x10^2 百萬瓦時）。若模型能源消耗未知，可基於所使用計算資源的資訊估計能源消耗。若因缺乏計算或硬體提供者的關鍵資訊而無法估計訓練使用能源量，提供者應披露所缺乏的資訊類型。 2.推論運算耗能的計算基準 (Benchmarked amount of computation used for inference1)及其方法：以浮點運算表示方式（例如 5.1x10^17 浮點運算）說明推論運算的基準計算量，並提供計算任務描述（例如生成100000個代幣Token）及用於測量或估計的硬體（例如 64個Nvidia A100）。 二、提供GPAI模型相關資訊(措施1.2) 通用人工智慧模型投放市場時，應透過其網站或若無網站則透過其他適當方式，公開揭露聯絡資訊，供AIO及下游提供者請求取得模型文件中所含的相關資訊或其他必要資訊，以其最新形式提供所請求的資訊。 於下游提供者請求時，GPAI模型提供者應向下游提供者提供最新模型文件中適用於下游提供者的資訊，在不影響智慧財產權及機密商業的前提下，對使其充分了解GPAI模型的能力及限制，並使該等下游提供者能夠遵循其AIA法案義務。資訊應在合理時間內提供，除特殊情況外不得超過收到請求後14日。且該資訊的部分內容可能也需要以摘要形式，作為GPAI模型提供者根據AIA法案第53條第1項(d)款必須公開提供的訓練內容摘要 (training content summary) 的一部分。 三、確保資訊品質、完整性及安全性(措施1.3) GPAI模型提供者應確保資訊的品質及完整性獲得控制，並保留控制證據以供證明遵循AIA法案，且防止證據被非預期的變更 (unintended alterations)。在制定、更新及控制資訊及記錄的品質與安全性時，宜遵循既定協議 (established protocols) 及技術標準 (technical standards)。 參、事件評析 一、所要求之資訊完整、格式標準清楚 歐盟AGPAI實踐準則」的「透明度 (Transparency)」提供模型文件的標準表格，做為GPAI實踐準則透明度章節的核心工具，從名稱、屬性、功能等最基本的模型資料，到所需軟硬體、使用政策、散佈管道、訓練資料來源、演算法設計，甚至運算與能源消秏等，構面完整且均有欄位說明，而且部分欄位直接提供選項供勾選，對於GPAI模型提供者提供了簡明容易的AIA法案資訊要求合規做法。 二、表格設計考量不同利害關係人的資訊需求 GPAI實踐準則透明度章節雖然主要目的是為GPAI模型提供者對由需要充分了解模型及其能力的下游提供者提供資訊，以便其在產品履行AIA法案下的義務。但相關資訊的提供目的，同時也在於讓AIO及國家主管機關履行其AI法案職責，特別是高風險AI的評估。因此，表格的資訊標示區分該欄資訊係用於AI辦公室 (AIO)、國家主管機關 (NCAs) 或下游提供者 (DPs)者，例如模型的訓練、資料清理處理方法、不當內容的檢測、測試及驗證的資料來源、訓練與運算的能秏、就多屬AIO、NCAs有要求時始須提供的資料，無須主動公開也兼顧及GPAI模型提供者的商業機密保護。 三、配套要求公開並確保資訊品質 該準則除要求GPAI模型提供者應記錄模型文件，並要求於網站等適當地，公開提供下游提供者請求的最新的資訊。而且應在不影響智慧財產權及機密商業的前提下，提供其他對使其充分了解GPAI模型的能力及限制的資訊。同時，為確保資訊的品質及完整性獲得控制，該準則亦明示不僅應落實且應保留證據，以防止資訊被非預期的變更。 四、以透明機制落實我國AI基本法草案的原則 我國日前已由國科會公告人工智慧基本草案，草案揭示「隱私保護與資料治理」、「妥善保護個人資料隱私」、「資安與安全 」、「透明與可解釋 」、「公平與不歧視」、「問責」原則。GPAI實踐準則透明度章節，已提供一個重要的啟示—透過AI風險評測機制，即可推動GPAI模型資訊的揭露，對相關資訊包括訓練資料來源、不當內容防止採取做一定程度的揭露要求。 透過相關資訊揭露的要求，即可一定程度促使AI開發提供者評估認知風險，同時採取降低訓練資料、生成結果侵權或不正確的措施。即便在各領域作用法尚未能建立落實配套要求，透過通過評測的正面效益，運用AI風險評測機制的資訊提供要求，前揭草案揭示的隱私、著作、安全、問責等原則，將可以立即可獲得一定程度的實質落實，緩解各界對於AI侵權、安全性的疑慮。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw） [1]The European AI Office, The General-Purpose AI Code of Practice, https://digital-strategy.ec.europa.eu/en/policies/contents-code-gpai 。(最後閱覽日：2025/07/30) [2]The European AI Office, Code of Practice for General-Purpose AI Models–Transparency Chapter, https://ec.europa.eu/newsroom/dae/redirection/document/118120 。(最後閱覽日：2025/07/30)