無線網路溢波盜用之法律議題初探
世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。
新加坡科技與研究局針對未來工廠提出研究規劃及方向新加坡科技與研究局（Agency for Science, Technology and Research）於2017年7月26日提出未來工廠（Toward the factories of the future）概念及相關研究方向，自動化（Automation）、機器人（robotics）、先進電腦輔助設計（advanced computer-aided design）、感測和診斷技術（sensing and diagnostic technologies）將徹底改變現代工廠，可製造的產品範圍廣泛，從微型車乃至於飛機皆可生產。積層製造（Additive Manufacturing），又稱3D列印（3D printing），可使用單一的高科技生產線來創造許多不同的產品項目，而不需要傳統大規模生產的設計限制和成本，伴隨未來高效能電腦和感測技術之進步，積層製造速度也會隨之加快。而智慧工廠（smart factories）將與物聯網（IOT）、雲端計算（cloud computing）、先進機器人（advanced robotics）、即時分析（real-time analytics）與機器學習（machine learning）等技術與積層製造技術結合，將大為提升生產速度及產量。 為加速及改善積層製造的製程，最重要的方法之一，是使用材料物理學的基本原理來模擬製造過程，而近期更引進跨學科之研究，「模擬」最終產品化學成分和機械性能的微觀結構。因積層製造是一個複雜又困難的過程，透過變化既有規則之模擬（Game-Changing simulations），若建立完成模型且模擬成功，將成為積層製造的殺手級技術。在未來的五到十年，我們將看到更多的零件從積層製造技術生產出來，而且這種技術有機會成為未來工廠的生產基礎。由於現行材料及製造流程與機器必須配合一致，些許的差異皆會生產出不同品質之產品，故未來積層製造工廠的結果穩定重現性（repeatability）和標準化（standardization），將是產品商業化的主要障礙與挑戰。
因網路詐欺受騙的銀行儲戶控告銀行美國佛羅里達州一名商人日常透過網路管理其帳戶資金出入，其資金主要是在美國與中南美洲間流動。該名商人發現其銀行帳戶有異常的資金流向拉脫維亞而向警方報案，經調查發現他的電腦被植入名為Coreflood的特洛伊木馬程式，致其銀行帳戶存取密碼被盜用。該名商人認為銀行明知網路上有此種危險而怠於告知客戶，且銀行明知拉脫維亞以網路犯罪猖獗而著稱，對於其帳戶內大筆的異常資金流出亦疏於防範，爰對銀行提起訴訟。據信，本案為銀行儲戶因受網路詐欺而控告其銀行的首例。
美國聯邦通訊傳播委員會將表決是否開放閒置頻譜為釐清開放閒置頻譜(white space)予業者使用是否會產生干擾問題，美國聯邦通訊傳播委員會(Federal Communication Commission, FCC)所屬工程科技辦公室(Office of Engineering and Technology, OET)於上個月就閒置頻譜(white space)開放進行干擾測試，並在2008年10月15日公布結果報告。 工程科技辦公室表示，同時具有頻譜感測(spectrum sensing)以及定位(geo-location)功能之設備在測試中顯示對於既有使用者並不會造成干擾，是以，當美國於2009年2月17日完成無線電視數位化之後，閒置頻譜設備(white space devices, WSDs)應被允許使用於閒置頻譜。於此同時，聯邦通訊傳播委員會主席 Kevin Martin 在記者會中公開表示支持開放閒置頻譜，並宣布美國聯邦通訊傳播委員會將於2008年11月4日的公開會議中就此一議題進行表決。 美國國家廣播業者協會(National Association of Broadcasters, NAB)旋即在2天後向聯邦通訊傳播委員會提出緊急請願(emergency petition)，希望聯邦通訊傳播委員會延後其表決時間，並就此一議題進行公共諮詢。國家廣播業者協會同時指出，該報告摘要對於測試過程所蒐集之資料解讀錯誤，國家廣播業者協會認為，根據該測試結果，未經取得執照且僅以頻譜感測技術避免干擾之閒置頻譜設備將會干擾既有的使用者。而非如該報告摘要所稱，應可開放同時具有頻譜感測技術及定位功能之閒置頻譜設備。截至目前為止，聯邦通訊傳播委員會尚未正式決定是否接受國家廣播業者協會之請求延後表決時間。