日本內閣官房提出未來投資戰略報告加速機器人實用及活化
日本內閣官房日本經濟再生總合事務局（内閣官房日本経済再生総合事務局）在2017年6月9日第10次「未來投資會議」中提出未來投資戰略2017報告（未来投資戦略2017~Society 5.0 の実現に向けた改革~），在成長的戰略成果（5）日本第四次產業革命及新經濟的展開中，分別對於機器人實用、物聯網（IOT）、大數據（BIG DATA）、人工智慧（AI）等提出成果及未來計畫。
機器人加速實用化：首先，機器人廣泛利用在商業設施、機場等日常生活空間，於2016年9月羽田機場設置機器人實驗室「Haneda Robotics Lab」，利用機器人改善服務並補充勞動力。有關打掃清潔、協助移動、查詢服務等17種機器人，將進行實證實驗。而路面協助行走型機器人「RT.1」已經完成，於2015年生活協助型機器人之安全性得到國際認證，其後發展之「RT.2」將使用於長期照顧層面。其次，開發農業使用之自動駕駛拖車，並提供工作實際狀況和土壤狀況之電子管理服務。今年6月開始商業化之自動駕駛顯示器，可以監控自動駕駛耕作機器進行自動耕作等。在物流管理方面，於2018年將於山間部等地區進行無人機的包裹遞送，2020年將在都會區全面無人包裹遞送。預計將與日立等相關公司，進行物流管理系統之開發及活用福島機器人測試場域。
本文為「經濟部產業技術司科技專案成果」
蕭仁豪
法律研究員 編譯整理
英國財政部（HM Treasury）於2025年7月15日回應有關綠色分類標準（green taxanomy）實效性之公眾諮詢結果並發布評估結論。本諮詢於2024年11月啟動，旨在評估綠色分類標準能否有效達成「引導資金投入淨零轉型」及「預防漂綠行為（greenwashing）」之兩大目標。 以下說明利害關係人回饋意見重點內容： （1）引導資金投入淨零轉型 金融機構受訪者多認為分類標準並非引導資金流向之關鍵政策工具，僅能作為投資考量之其中一項參考依據，而對最終決策影響有限；並認為就特定產業制定去碳路線圖，同時闡明未來投資監理法規、補助獎勵計畫、稅制變革等，始為有效引導淨零轉型投資之政策措施。 （2）預防漂綠行為 跨國企業受訪者擔憂英國建立自身分類體系將導致國際標準更加零碎，同項經濟活動於不同司法管轄區可能被歸類為不同屬性，反而增添漂綠風險；並認為既有政策規範足以應對漂綠問題，如「競爭與市場管理局」（Competition Markets Authority, CMA）與「廣告標準管理局」（Advertising Standards Authority, ASA）為確保綠色聲明正確性所發布之相關指引等。 綜上所述，英國政府於審酌相關意見後，決定不再繼續推動綠色分類標準。於資源有限下，政府將專注於落實產業界認為對於加速淨零轉型投資具更高優先性與影響力之政策，同時持續評估是否需採取更多措施以預防漂綠行為。
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（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。
英特爾將停用開源碼授權英特爾公司宣布，將廢止一項適用於部分自家軟體的開放原始碼授權辦法。這家晶片製造公司表示，已通知開放原始碼促進會 (Open Source Initiative ； OSI) 移除英特爾的開源碼授權許可，未來不再以 OSI 認可的授權形式繼續使用。 OSI 是一個非營利性機構，其宗旨在推廣使用開放原始碼軟體，並且在 OSI 網站上公布一份開放原始碼軟體授權清單。該公司希望把英特爾開放原始碼授權 (Intel Open Source License) 「移除，未來停用」，藉此降低授權協議日益增多的情形。 授權協議如雨後春筍般地孳生，已引起開放原始碼社群人士關切，因為授權版本大增之後，有意採用開放原始碼軟體的企業必須多花一些錢評估、管理各類型的授權，無形中導致成本增加。英特爾發言人表示，決定廢止開源碼授權，是發現公司內部數年來一直未使用，公司以外的使用頻率也不高。 Smith 說，英特爾不希望讓這項授權的「解除許可」效力回溯既往，以免迫使企業重新取得程式碼的使用授權。
社群媒體發展網路不當言論管理機制之趨勢觀察