什麼是瑞士「創業實驗室」（Venture Lab） ？
科技與創新委員會(Commission of Technology & Innovation，以下簡稱CTI)係瑞士重要之創新推進機構，成立於1943年，2011年新修正之研究與創新促進法實施後，CTI正式從經濟部聯邦職業教育及科技局(Federal Office for Professional Education and Technology, OEPT)獨立出來，成為一個具決策權的獨立機關，直接隸屬於聯邦經濟事務部（Federal Department of Economic Affairs, FDEA）。
CTI為擴大高科技創業並創造研發成果商品化之效益推動創業家計畫。該計畫主要係由CTI出資成立的「創業實驗室」（Venture Lab）來執行。創業實驗室針對大學生及創業家推出了一系列創業推廣及訓練課程，從單日的工作坊、五日之創業實務密集課程到在大學開設的創業學期課程，每一個訓練課程都有專家評審，針對創新構想及商業模式給予參與課程者具有建設性的建議。
資料來源：Venture Lab網站
圖 Venturelab 創業課程
本文為「經濟部產業技術司科技專案成果」
王怡婷
法律研究員 編譯整理
澳洲國家交通委員會(National Transport Commission, NTC)於2017年10月3日提出「修正駕駛法律以支持自動駕駛車輛(Changing driving laws to support automated vehicles)」討論文件，向相關政府機關與業界徵詢修正駕駛法規之意見。此文件目的在於探討法規改革選項，並釐清目前針對駕駛人與駕駛行為法規對於自駕車之適用，並試圖為自動駕駛系統實體（automated driving system entities, ADSEs）建立法律義務。文件中並指出改革上應注意以下議題： 目前車輛法規皆以人類駕駛為前提； 自動駕駛系統並不具有法律人格，無法為其行為負法律責任； 目前的法律並未提供法律實體之定義或規範（即自動駕駛系統實體ADSEs）來為自動駕駛系統行動負責； 目前有些法律上人類駕駛應負之義務，無法直接於自動駕駛時由ADSEs負擔； 車輛之安全義務於自動駕駛時，可能需由非駕駛之他人執行； 法律中並未定義自動駕駛系統車輛的「控制」與「恰當控制」； 目前沒有規範何時人類應有義務將駕駛控制權力自自動駕駛系統轉移回來，來確保人類駕駛保持足夠之警覺性； 目前的遵循與實施規範可能不足以確保自動駕駛系統的安全運作。 NTC並提出建議應定義自動駕駛系統之法律實體，重新規範人類與自動駕駛系統法律實體間的義務。澳洲國家交通委員會將進一步將諮詢結果與法律改革選項於2018年5月提供給澳洲交通部。
日本發布《資料品質管理指引》，強調歷程存證與溯源，建構可信任AI透明度2025年12月，日本人工智慧安全研究所（AI Safety Institute，下稱AISI）與日本獨立行政法人情報處理推進機構（Information-technology Promotion Agency Japan，下稱IPA）共同發布《資料品質管理指引》（Data Quality Management Guidebook）。此指引旨於協助組織落實資料品質管理，以最大化資料與AI的價值。指引指出AI加劇了「垃圾進，垃圾出（Garbage in, Garbage out）」的難題，資料品質將直接影響AI的產出。因此，為確保AI服務的準確性、可靠性與安全性，《資料品質管理指引》將AI所涉及的資料，以資料生命週期分為8個階段，並特別強調透過資料溯源，方能建立透明且可檢核的資料軌跡。 1.資料規劃階段：組織高層應界定資料蒐集與利用之目的，並具體說明組織之AI資料生命週期之各階段管理機制。 2.資料獲取階段：此步驟涉及生成、蒐集及從外部系統或實體取得資料，應優先從可靠的來源獲取AI模型的訓練資料，並明確記錄後設資料（Metadata）。後設資料指紀錄原始資料及資料歷程之相關資訊，包含資料的創建、轉檔（transformation）、傳輸及使用情況。因此，需要記錄資料的創建者、修改者或使用者，以及前述操作情況發生的時間點與操作方式。透過強化來源透明度，確保訓練資料進入AI系統時，即具備可驗證的信任基礎。 3.資料準備階段：重點在於AI標註（Labeling）品質管理，標註若不一致，將影響AI模型的準確性。此階段需執行資料清理，即刪除重複的資料、修正錯誤的資料內容，並持續補充後設資料。此外，可添加浮水印（Watermarking）以確保資料真實性與保護智慧財產權。 4.資料處理階段（Data Processing）：建立即時監控及異常通報機制，以解決先前階段未發現的資料不一致、錯漏等資料品質問題。 5.AI系統建置與運作階段：導入RAG（檢索增強生成）技術，檢索更多具參考性的資料來源，以提升AI系統之可靠性，並應從AI的訓練資料中排除可能涉及個人資料或機密資訊外洩的內容。 6. AI產出之評估階段（Evaluation of Output）：為確保產出內容準確，建議使用政府公開資料等具權威性資料來源（Authoritative Source of Truth, ASOT）作為評估資料集，搭配時間戳記用以查核參考資料的時效性（Currentness），避免AI採用過時的資料。 7.AI產出結果之交付階段（Deliver the Result）：向使用者提供機器可讀的格式與後設資料，以便使用者透過後設資料檢查AI產出結果之來源依據，增進透明度與使用者信任。 8.停止使用階段（Decommissioning）：當資料過時，應明確標示停止使用，若採取刪除，應留存刪除紀錄，確保留存完整的資料生命週期紀錄。 日本《資料品質管理指引》強調，完整的資料生命週期管理、強化溯源為AI安全與創新的基礎，有助組織確認內容準確性、決策歷程透明，方能最大化AI所帶來的價值。而我國企業可參考資策會科法所創意智財中心發布之《重要數位資料治理暨管理制度規範（EDGS）》，同樣強調從源頭開始保護資料，歷程存證與溯源為關鍵，有助於組織把控資料品質、放大AI價值。 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）
醫療物聯網（The Internet of Medical Things, IoMT）醫療物聯網（The Internet of Medical Things, IoMT）之意義為可通過網路，與其它使用者或其它裝置收集與交換資料之裝置，其可被用來讓醫師更即時地瞭解病患之狀況。 就運用的實例而言，於診斷方面，可利用裝置來連續性地收集關鍵之醫學參數，諸如血液生化檢驗數值、血壓、大腦活動和疼痛程度等等，而可幫助檢測疾病發作或活動的早期跡象，從而改善反應。於療養方面，由於患者的手術後恢復時間是整個成本花費之重要部分，故縮短療養時間是減少成本之重要要素。可利用穿戴式感測器來幫助運動、遠端監控，追蹤各種關鍵指標，警示護理人員及時作出回應，並可與遠距醫療相結合，使加速恢復更加容易。於長期護理方面，可藉由裝置之測量與監控來避免不良結果與延長之恢復期。 由於機器學習和人工智慧之共生性增長，醫療物聯網之價值正在增強。於處理來自於感測器醫療裝置之大量連續資訊流時，資料分析和機器學習可更快地提供可據以執行之結論以幫助治療過程。惟醫療物聯網亦可能面臨安全與標準化之挑戰。由於醫療保健的資料是駭客的主要目標，任何與網路連接之設備都存在安全性風險。此外，隨著相關裝置被廣泛地運用，即需要標準化以便利裝置之間的通訊，製造商和監管機構皆需尋找方法來確保裝置可在各種平台上安全地通訊。
諾基亞採用蘋果開放軟體手機大廠諾基亞（ Nokia ）將在下一代智慧手機的瀏覽器中，採用蘋果電腦的開放原始碼軟體。其預定在今年六月推出 Series 60 智慧手機軟體包，其中的瀏覽器將整合數個同於蘋果 Safari 網路瀏覽器的開放原始碼科技– WebCore 和 JavaScriptCore 。 Safari 是以開放原始碼 K Desk Environment 之 Konquerer 瀏覽器的 KHTML 與 KJS 為基礎。 諾基亞表示，採用開放碼軟體後，將更方便開發商修改定作其新瀏覽器，並將提供新的使用者功能。諾基亞並且表示，未來仍將與蘋果電腦合作開放原始碼軟體，並積極投入開放原始碼社群。諾基亞對開放原始碼的興趣，在瀏覽器部門特別明顯。兩年前，該公司投資 Mozilla 基金會的 Minimo 計劃，創造一種根據 Mozilla Gecko 翻譯引擎的電話瀏覽器。 Minimo 團隊準備在今夏推出針對微軟 Windows CE 作業系統的 0.1 版瀏覽器。