「歐盟網實整合藍圖與政策」
歐盟在歐盟執委會的支持之下，致力於網實整合的發展，2015年6月歐盟提出以五項關鍵領域作為發展方向，包含交通、能源、健康、生產、以及基礎設施等。其中在智慧製造部分，主要為從大量生產到彈性、個別客製化生產，以及在生產以及產線自動化之下，增加市場競爭力。但針對此等發展，歐盟也提出未來將面臨幾點挑戰:
1.科學:網實整合系統應特別考量社會技術層面、使不同學科整合、結合相關系統理論，以及建構複式領域模型等
2.技術:由於不同的技術方法，因此應建立互通性平台系統、使自動化設計與執行更加成熟、減少資料隱私問題、整合安全性、建立系統方式處理無法確定之資訊等。
3.經濟:透過網實整合，從產品到服務，可建立新的商業模式。
4.教育:網實整合之應用需具備充分的條件，因此，可透過教育及訓練體制來增加對相關應用的認識。
5.法律:減少網實整合系統建立產生的障礙，消除法規解釋不清楚之部分，並且改善以確認整合系統應用正確性。
6.社會:網實整合應用對公共、產業以及政治等層面產生之改變與風險管理。
網實整合在生產力4.0的發展當中，屬於最為核心之部分，目前歐盟所舉出可能產生的面向與問題，值得作為未來政策法制方向之參考。
本文為「經濟部產業技術司科技專案成果」
莊晏詞
法律研究員 編譯整理
英國司法管轄權工作小組（The UK Jurisdiction Taskforce, UKJT）於2026年7月發布「關於人工智慧損害責任之法律聲明」（Legal Statement on Liability for AI Harms）（以下簡稱本聲明），旨在闡明於何種情況下，以及基於何種法律依據，英國法律將對利用AI造成之損害追究責任。 本聲明指出，因利用AI而非故意造成之損害，其責任來源大致可分為契約責任與侵權責任。就契約而言，通常為AI供應鏈中各方分配損害責任之主要依據，AI本身之存在並不會對契約法構成特殊困難之判斷，各方當事人可自由分配風險、定義績效標準並根據自身判斷限制責任。 就侵權責任而言，本聲明認為過失法則（law of negligence）完全可應用於AI造成之損害。粗心之AI使用者很可能因可預見之損害而被追究責任，開發針對特定目標應用程式之開發者亦可能承擔責任，惟基礎模型開發者（Foundation Model Developer）於大多數情況下，皆不太可能因其通用模型之不可預見、或未經充分測試之用途而被追究責任。 除一般侵權責任之外，本聲明並另探討其他特殊侵權行為責任類型如下： （1）代位責任（vicarious liability）：由於AI並未具備人格，因此任何人均無需為AI系統本身之行為或故障承擔代位責任；惟若損害係由人類員工於使用AI時不當行為所造成，則雇主可能需要承擔代位責任，此與一般之雇主代位責任並無二致。 （2）不可轉嫁之義務（non-delegable duties）：若某人負有不可轉嫁之義務，即保護他人免受傷害，則此人可能即需對他人因自身過錯造成之AI損害承擔責任。例如英國國家醫療服務體系（NHS）信託機構對其患者負有不可轉嫁之義務，假設一家NHS信託機構從第三方開發人員購買一款AI診斷工具，並將其應用於病患照護，若該AI工具有缺陷，而責任在於應用程式開發商，該NHS信託機構不能以此為由逃避對患者造成之傷害責任，因提供合格之診斷服務與工具為信託機構承擔之醫療照護責任重要組成部分，此項責任不可轉嫁。 （3）專業人士責任：專業人士具有「合理技能與注意」（reasonable skill and care）義務，取決於該行業合格成員通常遵循之標準，並參考專業機構之指引。依此，若專業人士不當使用AI、使用不合適之模型、未能進行適當之盡職調查，或未能有效測試、或驗證AI輸出結果，則可能被認定為有過失。此外，若專業人士於應使用AI之情況下卻未使用，亦可能承擔法律責任，因隨AI工具功能日益強大且應用日益廣泛，專業標準也將隨之演變，而未能使用現有技術本身亦可能構成違約。 （4）產品責任（Product liability）：依英國《1987年消費者保護法》（Consumer Protection Act 1987）規定，對於瑕疵產品，企業需負嚴格責任，惟目前該規定僅適用於將AI整合到機器人或自動化機器等有形產品中之情況，純軟體形式之AI系統不太可能被現行法律認定為「產品」。 須注意者為，對於開發者而言，本聲明做出重要之區分，即建立針對特定目標應用之開發者，相較提供通用基礎模型之開發者面臨更大的風險，惟AI供應鏈中之所有參與者皆須意識到自身之責任。
新興網路音樂流通模式之法律政策趨勢與實例研討 為加強兒少網路安全，英國通訊管理局發布「兒少風險評估指導原則」以及「兒少保護行為準則」為加強兒少網路安全，英國通訊局（Office of Communication）於2025年4月24日發布「兒少風險評估指導原則」（Children's Risk Assessment Guidance）以及「兒少保護行為準則」（Protection of Children Codes of Practice），以供受規範之網路服務提供者遵循。 「兒少風險評估指導原則」要求所有受《網路安全法》（Online Safety Act 2023）規範的「使用者對使用者服務」（user-to-user service）和「搜尋服務」（search service）的服務提供者，在完成兒少存取評估（children’s access assessments）確認服務有可能被兒少存取後，必須在三個月內即2025年7月24日前，完成兒少風險評估（children’s risk assessments）。 至於「兒少保護行為準則」一經國會審議通過，則自2025年7月25日起生效，服務提供者必須採取「兒少保護行為準則」規定的安全措施（safety measures），或實施其他有效手段，以減少上開風險發生的可能性。 「兒少保護行為準則」列出的安全措施包括： 一、更安全的資訊發送： 有運作推薦系統（recommender system）且存在中度或高度有害內容風險的服務提供者，應調整其演算法，確保不向兒少推播有害內容。 二、有效的年齡驗證： 風險最高的服務提供者必須使用高度有效的年齡驗證，以識別使用者是否為兒少。 三、有效的內容審查： 服務提供者應建立內容審查機制，一旦發現有害兒少的內容時，能迅速採取行動。 四、更多的選擇與支援： 服務提供者應賦予兒少更多的控制權，包括允許對內容或貼文表達不喜歡、接受或拒絕群組聊天邀請、封鎖用戶、將用戶設為靜音、以及關閉自己貼文的留言功能等。 五、簡便的舉報與申訴： 服務提供者應提供透明的舉報與申訴管道，且確保提出舉報和申訴的管道和方式對兒少而言相對輕鬆且簡單。 六、強化的治理： 服務提供者應設置負責兒童安全的專責人員，高層團隊並應每年審查兒童風險管理情況。 如服務提供者未能履行上開義務，英國通訊局可處以罰款。必要時，甚至可向法院聲請禁制令封鎖該平台。 處在網路無限擴張的時代，保障兒少網路安全絕對是重要且不容忽視的課題。英國通訊管理局發布的實施作法，非常值得我國觀察學習與參考。
德國聯邦資訊技術，電信和新媒體協會針對AI及自動決策技術利用提出建議指南德國聯邦資訊技術，電信和新媒體協會於2018年2月6日在更安全的網路研討會中針對利用人工智慧及自動決策技術利用提出建議指南（Empfehlungen für den verantwortlichen Einsatz von KI und automatisierten Entscheidungen），旨在提升企業數位化與社會責任，並提升消費者權益保護。 本份指南提出六項建議： 促進企業內部及外部訂定相關準則 例如規定公司在利用演算法和AI時，必須將影響評估列入開發流程，並列為公司應遵守的道德倫理守則，以確保開發的產品或服務符合公平及道德。 提升透明度 使用者如有興趣了解演算法及其含義，企業應協助調查並了解使用者想獲知的訊息，並透過相關訊息管道提升產品及服務透明度。因此，企業應努力使演算法及其操作和含義能夠被使用者理解。此亦涉及即將實施的歐盟一般資料保護規則中的透明度義務。在機器學習或深度學習情況下，可能會增加理解性和可追溯性難度，但有助於分析流程並使其更接近人類理解的方法在科學和商業實踐中，應特別關注並進一步討論。另外，透過教育及使用說明協助及控制功能，教導消費者係建立雙方信任的重要手段。企業應在第一線中說明產品或服務中使用的手段（演算法，機器學習，AI）。除了解釋使用那些技術來改進產品和服務外，應一併解釋如何從技術控制過程中獲得相關知識以及提供那些後援支持。另外，例如透過幫助頁面，儀表板或部落格，解釋發生什麼以及如何做出某些影響深遠的自動化決策，使用戶更了解有關使用自動決策相關訊息。因此建議企業採取強制有效以建立信任的措施，使用戶理解是否及如何使用相關演算法，此可能包括使用自動化決策，使用特定資料組和使用技術的目的，亦即使用戶對演算法，機器學習或AI支持的決策有基本的了解。 為全體利益使用相關技術 人工智慧等新技術之重要性不應被低估，目前在生活和工業等眾多領域皆有廣泛應用。對於個人和集體而言，將可帶來巨大的利益，因此應該充分利用。例如，人工智慧可降低語言障礙，幫助行動不便的人可更加獨立自主生活，改善醫療診斷，提升能源供應效率，甚至是交通規劃和搜索停車位，都只是人工智慧偉大且已被使用的案例。為促進技術發展，應公平地利用其優勢並預留商業應用模式的空間，同時充分解決涉及的具體風險。產業特定的解決方案十分重要，但應兼顧受影響者的利益，並與廣大公眾利益找出妥協平衡點，且應排除不適當的歧視。建議在使用決策支持技術時，應事先檢查相關後果並與其利益比較。例如，可以在資料保護影響評估的框架進行。作為道德準則的一部分，必須確保演算法盡可能量準確地預測結果。 開發安全的資料基礎 資料係人工智慧支援決策的基礎。與人為決策者相同，資料不完整或錯誤，將導致做出錯誤的決定。因此決策系統的可靠性仍取決資料的準確性。但資料質量和資料來源始終不能追溯到源頭，如果可能的話，只有匯總或非個人資料可用於分析或分類用戶群組。因此，確切細節不可被使用或揭露。因此建議企業應考慮要使用的資料、資料的類別和在使用AI系統前仔細檢查資料使用情況，特別是在自我學習系統中資料引入的標準，並根據錯誤來源進行檢查，且儘可能全面記錄，針對個人資料部分更應謹慎處理。 解決機器偏差問題 應重視並解決所謂機器偏差和演算法選擇和模型建立領域的相關問題。解釋演算法，機器學習或AI在基層資料選擇和資料庫時所產生決策偏見相當重要，在開發預期用途的演算法時必須納入考量，對員工應針對道德影響進行培訓，並使用代表性紀錄來創建可以識別和最小化偏差的方法。企業並應該提高員工的敏感度並培訓如何解決並減少機器偏見問題，並特別注意資料饋送，以及開發用於檢測模式的內、外部測試流程。 適合個別領域的具體措施和文件 在特別需要負責的決策過程，例如在車輛的自動控制或醫療診斷中，應設計成由責任主體保留最終的決策權力，直到AI的控制品質已達到或高於所有參與者水平。對類人工智慧的信任，並非透過對方法的無條件追踪來實現，而是經過仔細測試，學習和記錄來實現