開放非銀行事業從事預付式行動付款服務法制議題之研究
人工智慧及機器人分為以下4種類型：首先是工廠裡的作業機器人，可自主性重複執行相同任務，例如拾取、放置、運輸物品，它們在侷限的環境中執行具體事務，而且通常是在周圍無人的圍籬區內作業，然而目前趨勢已有越來越多機器人可安全執行人機協作的任務。第二種係用在傳統製造外的專業機器人，例如：擠奶機器人、醫院手術機器人。第三種是生活中常見的消費產品機器人，常用於私人目的，例如：吸塵器機器人、割草機器人。最後是人工智慧軟體，此軟體可應用於醫療診斷輔助系統、語音助理系統中，目前越來越多人工智慧軟體結合復雜的感測器和聯網裝置，可執行較複雜之任務，例如：自動駕駛車。 德國人工智慧研究中心(Deutsche Forschungszentrum für Künstliche Intelligenz，DFKI)為非營利性公私合作夥伴(PPP)之研究機構，與歐盟，聯邦教育及研究部（BMBF）、德國聯邦經濟及能源部（BMWi），各邦和德國研究基金會（DFG）等共同致力於人工智慧之研究發展，轄下之機器人創新中心（Robotics Innovation Center，RIC)亦投入水下、太空、搜救、物流、製造業等各領域機器人之研究，未來將著重於研究成果的實際運用，以提升各領域之生產力。2016年6月，各界專家於德國聯邦議院的數位議程委員會中，呼籲立法者應注意機器人技術對經濟，勞動和社會的影響，包括技術及產品的安全標準、機器人應用之法律歸責問題、智慧財產權的歸屬與侵權問題，隱私權問題、及是否對機器人課稅等，進行相關修法監管準備。 解決台灣人口結構老化、勞動力短缺與產業競爭力等問題已是當務之急，政府為促進台灣產業轉型，欲透過智慧機械創新與物聯網技術，促使產業朝智慧化生產目標邁進。未來除需持續精進技術研發與導入產業業升級轉型外，應將人工智慧納入政策方針，並持續完備法制環境建構及提升軟實力，以確保我國技術發展得以跟上世界潮流。
德國聯邦參議院通過保護數位世界隱私之《電信與電子媒體資料與隱私保護法》德國聯邦參議院於2021年5月28日通過《電信與電子媒體資料與隱私保護法》（Gesetz zur Regelung des Datenschutzes und des Schutzes der Privatsphäre in der Telekommunikation und bei Telemedien, TTDSG），其目的係保護數位世界中的資料與隱私，平衡數位服務使用者利益與公司經濟利益，並解決因德國電信法（Telekommunikationsgesetz, TKG）、電信媒體法（Telemediengesetz, TMG）與歐盟一般資料保護規則（General Data Protection Regulation, GDPR）同時並行，使消費者、電信服務提供者以及監管機關不確定如何適用上開法律之情況。 TTDSG彙集TKG、TMG中資料與隱私保護相關之條文，包含電信保密（Fernmeldegeheimnis）（第3條至第8條）、交通位置資料（第9條至第13條）、來電通知與號碼顯示（第14條至第16條）、終端使用者名錄和相關資料提供（第17條至第18條），以及允許匿名化、可隨時停止使用服務和保護未成年之相關措施（第19條至第23條），並參考GDPR和電子隱私保護指令（ePrivacy-Richtlinie）新增數位遺產（digitaler Nachlass）、終端設備隱私保護、同意管理以及監管之規定。 TTDSG於第4條新增數位遺產規定，終端使用者繼承人或具有相似法律地位者，可以向供應商行使繼承人權利，不受電信保密相關規定限制；在終端設備隱私保護和同意管理之部分，TTDSG第24條規定原則上第三方僅能在終端使用者同意下，於使用者的終端設備中儲存與近用資料，且當事人可隨時撤銷同意。 最後在監管方面，則分為個人資料保護相關與電信媒體領域，前者依TTDSG第28條、第29條由德國聯邦資料保護與資訊自由委員會（Die Bundesbeauftragte für den Datenschutz und die Informationsfreiheit, BfDI）作為獨立的資料保護監管機構，後者則依TDSG第30條屬德國聯邦網路局（Bundesnetzagentur）的職權範圍。
經濟合作與發展組織發布《促進AI可歸責性：在生命週期中治理與管理風險以實現可信賴的AI》經濟合作與發展組織（Organisation for Economic Co-operation and Development, OECD）於2023年2月23日發布《促進AI可歸責性：在生命週期中治理與管理風險以實現可信賴的AI》（Advancing accountability in AI: Governing and managing risks throughout the lifecycle for trustworthy AI）。本報告整合ISO 31000：2018風險管理框架（risk-management framework）、美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）人工智慧風險管理框架（Artificial Intelligence Risk Management Framework, AI RMF）與OECD負責任商業行為之盡職調查指南（OECD Due Diligence Guidance for Responsible Business Conduct）等文件，將AI風險管理分為「界定、評估、處理、治理」四個階段： 1.界定：範圍、背景、參與者和風險準則（Define: Scope, context, actors and criteria）。AI風險會因不同使用情境及環境而有差異，第一步應先界定AI系統生命週期中每個階段涉及之範圍、參與者與利害關係人，並就各角色適用適當的風險評估準則。 2.評估：識別並量測AI風險（Assess: Identify and measure AI risks）。透過識別與分析個人、整體及社會層面的問題，評估潛在風險與發生程度，並根據各項基本價值原則及評估標準進行風險量測。 3.處理：預防、減輕或停止AI風險（Treat: Prevent, mitigate, or cease AI risks）。風險處理考慮每個潛在風險的影響，並大致分為與流程相關（Process-related）及技術（Technical）之兩大處理策略。前者要求AI參與者建立系統設計開發之相關管理程序，後者則與系統技術規格相關，處理此類風險可能需重新訓練或重新評估AI模型。 4.治理：監控、紀錄、溝通、諮詢與融入（Govern: Monitor, document, communicate, consult and embed）。透過在組織中導入培養風險管理的文化，並持續監控、審查管理流程、溝通與諮詢，以及保存相關紀錄，以進行治理。治理之重要性在於能為AI風險管理流程進行外在監督，並能夠更廣泛地在不同類型的組織中建立相應機制。