日本經濟產業省利用巨量資料（BIG DATA）及人工智慧（AI）開發及測試新的經濟指標
日本經濟產業省利用網絡積累巨量資料（BIG DATA）及人工智慧（AI）技術，應用民營企業相關資訊，開發和測試新經濟指標，分別於2017年7月19日及2018年1月8日公開該指標。為達到及早準確掌握經濟動向，對巨量資料等新資料之利用期待越來越高，政府部門也將利用巨量資料及人工智慧技術等方法，針對統計技術進行改革，。
新開發之指標有：1.SNS×AI商業信心指數（SNS×AI景況感指数）：乃是透過人工智慧抽取關於商業信心的網路文章，並進行情緒（正/負）評估計算指數，期待有效地估計以每日為頻率之商業信心。2.SNS×AI礦工業生產預測指數（SNS×AI鉱工業生産予測指数）：利用人工智慧選取有關工作和景氣之網路相關文件，結合「開放數據」之統計等技術，並利用人工智慧「機械學習」之手法，來預測「工業生產指數」。3.銷售點資訊管理系統（POS，point-of-sale）家電量販店銷售趨勢指標（POS家電量販店動向指標）：透過收集具有銷售點資訊管理系統（POS）的家用電子大型專賣店的銷售資料，期待可以掌握每一日之「銷售趨勢」。
新的指數與既存統計指數，如景氣動向指數、中小企業信心指數、工業生產指數、商業動態統計等，其調查週期、公布頻率等，既存指數每月調查公布，新指數則進步至每日調查或每週公布等，在計算及呈現頻率上較既有更為精細。日本政府並設立「Big Data-STATS」網站，以實驗性質公佈上述經濟指標，並廣泛收納民眾意見以提高新指標的準確性。
蕭仁豪
法律研究員 編譯整理
1.日本經濟產業省，ビッグデータ・AIを活用した新しい経済指標への意見を募集します～既存の統計よりも優れた速報性・詳細性が期待されます～，http://www.meti.go.jp/press/2017/07/20170719002/20170719002.html（最後瀏覽日：2017/11/15）。
2. BigData-STATS，https://bigdata-statistics.meti.go.jp/（最後瀏覽日：2017/11/15）。
日本獨立行政法人情報處理推進機構（IPA/SEC）於2016年3月公佈「聯繫世界之開發指引」，並於2017年5月8日推出「IoT高信賴化機能編」指導手冊，具體描述上開指引中有關技術面之部份，並羅列開發IoT機器、系統時所需之安全元件與機能。該手冊分為兩大部份，第一部份為開發安全的IoT機器和關聯系統所應具備之安全元件與機能，除定義何謂「IoT高信賴化機能」外，亦從維修、運用角度出發，整理開發者在設計階段須考慮之系統元件，並依照開始、預防、檢查、回復、結束等五大項目進行分類。第二部份則列出五個在IoT領域進行系統連接之案例，如車輛和住宅IoT系統的連接、住家內IoT機器之連接、產業用機器人與電力管理系統之連接等，並介紹案例中可能產生的風險，以及對應該風險之機能。IPA/SEC希望上開指引能夠作為日後國際間制定IoT國際標準的參考資料。
金融穩定委員會報告指出金融領域採用AI之模型、資料品質與治理風險.Pindent{text-indent: 2em;} .Noindent{margin-left: 2em;} .NoPindent{text-indent: 2em; margin-left: 2em;} .No2indent{margin-left: 3em;} .No2Pindent{text-indent: 2em; margin-left: 3em} .No3indent{margin-left: 4em;} .No3Pindent{text-indent: 2em; margin-left: 4em} 金融穩定委員會(Financial Stability Board, FSB)於2024年11月14日發布《人工智慧對金融穩定的影響》報告，探討人工智慧（Artificial Intelligence, AI）在金融領域的應用進展及對全球金融穩定的影響，分析相關風險並提出建議。 報告指出AI具有提升效率、加強法規遵循、提供個人化金融產品及進階資料分析等益處，但同時可能加劇某些金融部門的脆弱性（Vulnerability），進而構成金融穩定風險。報告特別提出之脆弱性包括：「第三方依賴及服務供應商集中化」、「市場相關性」、「資安風險」，以及「模型風險、資料品質和治理」。 在模型風險、資料品質與治理中，廣泛應用AI可能導致模型風險上升，因某些模型難以驗證、監控及修正，且模型的複雜性與透明性不足將增加尋找具獨立性和專業知識的驗證者的挑戰。此外，在大型語言模型（Large Language Model, LLM），大規模非結構化資料的使用及訓練資料來源的不透明性，使資料品質評估更加困難。特別是在預訓練模型（Pre-trained Model）中，金融機構對眾多資料來源的評估方式不熟悉，進一步增加管理難度。 若金融機構未建立健全的治理架構以審查AI的使用及其資料來源，模型風險與資料品質問題將難以控制。金融機構有責任應對與AI相關的模型風險和資料品質挑戰，包含對模型進行驗證、持續監控、執行結果分析和評估資料品質的預期要求。 報告呼籲各國金融主管機關加強對AI發展的監測，評估現行金融政策框架是否充分，並增強監管能力。建議可定期或不定期調查AI應用情形，並透過報告及公開揭露制度獲取相關資訊。此外，主管機關可考慮利用監督科技（SupTech）及監管科技（RegTech）等AI驅動工具強化監管效能，以應對AI在金融領域帶來的挑戰與風險。
美國FDA發佈食品安全現代化法（FSMA）之產品安全建議規則（PSPR）最終版在農產品業，食品安全在所有人的心中佔了極重要的位置。美國食品及藥物管理局（Food and Drug Administration，下稱FDA）在2015年9月發佈了食品安全現代化法（Food Safety Modernization Act；下稱FSMA）之產品安全建議規則（Produce Safety Proposed Rule；下稱PSPR）的最終版（final rule）。該規則的發布，預將使零售商尋找供應商的方向，轉變為以有遵守FSMA的供應商作為交易的對象。 PSPR主要是在規定人類消費之蔬果產品生長、繁殖、包裝、販售之規則。新增規範重點如下： 1. 農業用水（Agricultural Water）：針對農業用水之品質標準、水質測試方式，作出規範。 2. 生物土壤改良（Biological Soil Amendments）：對於改良土壤可能使用到之肥料或相關之微生物，作出規範。 3. 抽芽（Sprouts）：對於植物在抽芽時相關預防微生物汙染、微生物測試，作出規範。 4. 馴養動物與野生動物（Domesticated and Wild Animals）：針對在農場內放牧之動物，或用來幫助耕作動物之管理，作出規範。 5. 人員訓練、健康與衛生管理（Worker Training and Health and Hygiene）：針對相關人員之教育訓練、衛生管理以及健康，作出規範。 6. 設備、工具與建築物（Equipment, Tools and Buildings）：為了預防生產過程中可能遭受汙染之情況，對於硬體設備作出規範。 FSMA是美國第一個關於食品安全之立法，美國農業部（Department of Agriculture；USDA）為了讓零售商或中盤商更了解其自身對食品安全之需求以找尋適合之供應商，更預計在2016年春季推行集團優良農業作業準則前導計畫（ Group Gap Pilot Program），提供第三方認證服務，以確認農產品所有之作業都有遵守FSMA及FDA之建議。
馬來西亞下議院通過新商標法案馬來西亞下議院於2019年7月2日通過新的商標法案，馬來西亞商標法(Trademark Act 1976)為該國商標註冊及使用之規範，自1976年實施至今已經過多次修正。此次新修正不僅擴大非傳統商標之註冊申請，也包含集體商標的保護、商標得作為金融工具、單一國際商標申請程序及侵權補救措施等。新法修正後，除原先傳統商標(如簽名、文字、字母、數字、圖形)得以申請，允許氣味、聲音、形狀及顏色等註冊為商標。擴大保護範圍除考量國內外貿易所需，也為吸引國際企業投資馬來西亞。 另一方面，本次修正也被視為加入商標國際註冊馬德里體系(The Madrid system for the international registration of marks) 預作準備。該體系包含由世界智慧財產權組織（WIPO）管理的一項國際條約:「商標國際註冊馬德里協定有關議定書(Protocol Relating to the Madrid Agreement Concerning the International Registration of Marks)」(下稱議定書)，若申請人為有加入馬德里體系之國家國民，即可利用單一商標於該體系內之國家註冊商標，且僅得以一種語言且支付一筆費用尋求對同一商標在多國內受保護。 根據世界智慧財產權組織截至2019年統計，「馬德里議定書」已有105位成員，涵蓋121個國家，其中也包含東協大部分成員。由於東協(ASEAN)中，僅剩馬來西亞與緬甸尚未加入該議定書，故也被視為履行東協共同體之義務。