日本推動智慧醫療照護與巨量資料應用之趨勢觀察
何亦婕
法律研究員 編譯整理
基於維持「更好的管制」原則，歐盟執委會針對電子通訊管制架構之內容，公開徵詢社會大眾的意見。 此一電子通訊管制架構，係包括「架構指令」（2002/21/EC）、「發照指令」（2002/20/EC）、「網路接續指令」（2002/19/EC）、「普及服務指令」（2002/22/EC）及「隱私及電子通訊指令」（2002/58/EC）五個指令。除了此了指令之規範上，此次公開徵詢內容尚包括執委會有關「相關市場的建議」（C(2003)497）。 諮詢議題內容，則包括「管制架構的優劣點」、「現行管制架構是否能達到預期目標」、「現行管制架構如何改進」，以及特定之主題，如「範圍及目標」、「匯流及科技發展」、「頻譜管理」、「市場競爭及網路接續管制」、「執照核發及使用權」等。公開諮詢時間至2006年1月24日止。
BSI公布個人資料管理系統標準之草案英國國家標準組織(British Standard Institution)於2009年1月8日公布個人資料保護管理系統標準(標準標號為DPC BS 10012)之草案，使組織在個人資料儲存管理工作上符合個人資料保護法(Data Protection Act 1998，DPA)之要求。 有鑑於利用個人資料管理系統(personal information management system，PIMS)管理業務上取得之資料之情形日益增多，而觀諸該資料之性質，通常多為DPA所規範定義的「個人資料」。因此，為使個人資料管理有其標準規範，並得以運用在任何規模之公私部門，使組織內之個人資料管理系統符合DPA之規範且具有一定程度之安全性，BSI試圖提出有關個人資料管理一致性之標準規範，以供組織在個人資料處理程序工作上之遵循。該標準規範如同BS EN ISO 9001:2000之品質管理系統(Quality Management System)及BS ISO/EC 27001:2005之資訊安全管理系統標準，以PDCA週期(Plan-Do-Check-Act)進行規劃，並透過執行所規範之流程落實個人資料之保護。 目前該草案已經公布，BSI於2009年3月31日前將接受各界對於該草案之諮詢及舉辦公聽會，以求標準規範之完善。
新加坡通訊與資訊部發布「數位連結性藍圖」，以提升數位基礎設施數量、效能、安全性與能源效率作為戰略性優先事項新加坡通訊與資訊部（The Ministry of Communications and Information）轄下資通訊媒體發展管理局（Infocomm Media Development Authority）於2023年6月5日公布「數位連結性藍圖」（Digital Connectivity Blueprint, DCB），指出新加坡將透過數位基礎設施的建置，實現提升網路容量、最大化運算能量、整合基礎設施集合（infrastructure stack，即將多個基礎設施作為一整體進行定義、提供與更新）、確保安全與韌性，以及永續性設計（Design for sustainability）目標，並識別五項戰略性優先事項如下： （1）在未來十年將海底電纜數量提升為現有的兩倍； （2）透過將新加坡國家寬頻網路（Nationwide Broadband Network, NBN）的頻寬提高十倍、分配頻譜予5G專網（Standalone, SA）等方法，於未來五年內建構並提供無縫、端到端且速度高達10 Gbps的國內網路； （3）與供應商合作，強化運算基礎設施的透明性與可歸責性，並與國際最佳作法保持一致； （4）為新的綠色資料中心（Green data centre）制定長期成長路線圖並使其更具能源效率； （5）推動對新加坡數位公用設施（Digital Utility, DU）集合的採用，以擴張無縫數位交易的優勢，並持續探索能從現有DU中受益的使用案例。 除戰略性優先事項外，新加坡將在更新興且前沿的領域中採取行動，具體措施包含： （1）在未來十年推動新加坡量子安全（Quantum-safe）願景； （2）為普遍的自動化系統使用奠定基礎； （3）透過測試平台與沙盒建立利害關係者生態系統，推動綠色軟體（green software）的開發、標準制定與評估； （4）透過低軌道衛星服務為關鍵產業提供創新解決方案。
歐洲專利局發布人工智慧與機器學習專利審查指南正式生效歐洲專利局（European Patent Office, 下稱EPO）於2018年11月1日發佈新版專利審查指南已正式生效。此次新版的焦點為Part G, Chapter II, 3.3.1關於人工智慧（Artificial Intelligence, AI）與機器學習（Machine Learning, ML）的可專利性審查細則。 在新版審查指南Part G, Chapter II, 3.3中指出數學方法本身為法定不予專利事項，然而人工智慧和機器學習是利用運算模型和演算法來進行分類、聚類、迴歸、降維等發明，例如：神經網路、遺傳演算法、支援向量機（Support Vector Machines, SVM）、K-Means演算法、核迴歸和判別分析，不論它們是否能夠藉由數據加以訓練，此類運算模型和演算法本身，因具有抽象的數學性質而不具專利適格性。 其中，EPO亦針對人工智慧和機器學習相關應用舉例下列特殊情形，說明可否具備發明技術特徵： （一）可能具技術性 在心臟監測儀器運用神經網路辨別異常心跳，此種技術為具有技術貢獻。 基於低階特徵（例如：影像邊緣、像素數值）的數位影像、影片、音頻或語言訊號分類，屬於分類演算法的技術應用。 （二）可能不具技術性 根據文字內容進行分類，本身不具技術目的，而僅是語言學的目的（T 1358/09） 對抽象數據或電信網路數據紀錄進行分類，但未說明所產生分類的技術用途，亦被認定本身不具技術目的，即使該分類演算法的數據價值高（例如：穩健性）（T 1784/06）。 在新版審查指南中亦指出，當分類方法用於技術目的，其產生之訓練集（training set）和訓練分類器（training the classifier）的步驟，則能被視為發明的技術特徵。 近年來，人工智慧技術的應用分佈在我們的生活中，無論是自駕車、新藥開發、語音辨識、醫療診斷等，隨著人工智慧和機器學習技術快速發展，新版的審查指南將為此技術訂定可專利性標準，EPO未來要如何評判人工智慧和機器學習相關技術，將可透過申請案之審查結果持續進行關注。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」