日本啟動大規模自動駕駛實證測試，聚焦高精度圖資與人機介面
設置於內閣府內之SIP(跨部會戰略創新推動方案Cross-ministerial Strategic Innovation Promotion Program)「自動駕駛系統」計畫分項，於2017年10月3日起啟動大規模之自動駕駛實證測試。為加速實現系統之實用化，超過20個以上之國內外汽車製造商等機關，預計於東名高速道路、新東名高速道路、首都高速道路及常磐自動車道及東京臨海地區之一般道路，參加之大規模實證實驗。
SIP自動駕駛系統係從2013年開始，以早日實現自動駕駛系統實用化、透過技術普及以減少交通事故和實現次世代交通系統為目標，並協調產官學各界共同領域工作，和將研究開發推進之重點聚焦於自動駕駛用 Dynamic Map高精度3D地圖（由日本7家相關公司共同出資成立之Dynamic Map Platform＝ DMP 開發之3D地圖）、人機界面 (Human Machine Interface, HMI)、資訊安全、降低行人事故、次世代都市交通等5種技術領域。
研究開發由汽車製造商於公開場合下進行，並接受大眾檢視，於研究開發成果公布同時，也因海外製造商的參與促進國際合作與國際標準化。本次有超過20個機關參加規模，係日本自動駕駛最大規模實證實驗。
本文為「經濟部產業技術司科技專案成果」
芬蘭財政部(Ministry of Finance)在2016年4月7日將群眾募資法(Crowdfunding Act)草案提交國會，本法案預訂在2016年7月1日生效。芬蘭金融監管局(Finnish Financial Supervisory Authority)曾於2014年7月1日針對債權模式群眾募資(loan-based crowdfunding)以及投資模式群眾募資(investment-based crowdfunding)發布指導原則 ，為其法制進行說明與解釋，然而並未進行立法為群眾募資作出法規鬆綁。 本次芬蘭所提出的法案將有助於企業運用債權(debt)以及證券(securities)模式群眾募資進行籌資活動，本法案將鬆綁證券模式群眾募資並釐清債權模式群眾募資法制基礎。芬蘭財政部長表示：「本法案目標在於創造新的融資來源，特別是在傳統融資管道經歷困難的新創成長公司。群眾募資將增加融資可能，特別是中小企業以及新創公司。透過群眾募資，將可以提升他們的成長機會，投資選項，商業化創新，我們希望進而能增加就業率。」。 目前歐洲投資模式群眾募資市場規模為1550萬歐元，債權模式群眾募資約6890萬歐元。歐洲2015年群眾募資整體市場規模為8440萬歐元，較去年成長48%。 芬蘭群眾募資法只規範證券模式群眾募資以及債權模式群眾募資，不包含P2P借貸(peer-to-peer lending)。目前在芬蘭，P2P借貸由消費者保護法(Consumer Protection Act)規範；捐贈模式群眾募資(Donation-based crowdfunding)由集資法(Money Collection Act)規範，由內政部(Ministry of the Interior)管理；回饋模式群眾募資(Reward-based crowdfunding)由消保法規範，消費者之間以及企業之間則有商品銷售法(Sale of Goods Act)。 新法規定，經營群眾募資必需要取得芬蘭金融監管局取得執照。目前投資模式的群眾募資所適用的法規為投資服務法(Investment Services Act)，同樣為金融監管局主管之範疇。信用機構則無需依照新法另外取得執照即可於其原營運執照下提供群眾募資中介服務。 新法做出下述變革： 1. 過去繁重耗時的營運執照申請行政程序，將被簡化，由較便宜、簡易且快速的註冊程序所取代。 2. 群眾募資中藉機構不需要再參加投資人補償基金(Investors’ Compensation Fund)。 3. 群眾募資中介機構的最低資本額由目前的125,000歐元降低為50,000歐元。 4. 提供最低資本額替代方案，例如專業的責任保險、銀行擔保或者是其它金融監管局認為足夠的相應的擔保。 5. 本法只是用於在芬蘭境內擔任群眾募資中介機構或者取得群眾募資，如果要在其它歐盟國家營運，建議中介機構仍應取得投資服務公司營運執照，以加速進入歐盟市場。 目前債權模式群眾募資被認定為金融中介機構，但是不受任何法規範。新法對於債權模式群眾募資提出管理規範，將適用證券模式群眾募資的管理規範，包含： 1. 群眾募資中介者以及募資人都具備資訊揭露義務。 2. 管理群眾募資中介者流程，以及對於投資人的義務。 3. 群眾募資中介者的監管規範，包含處罰規定。 目前具備群眾募資法制的歐洲國家包含義大利、法國、英國、德國、西班牙、奧地利以及葡萄牙。比利時、荷蘭以及立陶宛法案則預計在近期生效。而瑞典、愛沙尼亞以及拉脫維亞則仍在探詢法制之需求。雖然歐洲早於2011年就成立歐洲群眾募資網路(European Crowdfunding Network)，但迄今歐盟尚未有群眾募資指令。歐洲各國不同的群眾募資國內法制造成目前歐盟協商群眾募資法制之困難。
美國最高法院判決單離DNA片段不具專利標的適格性2013年6月13日美國最高法院（the Supreme Court of the United States）就備受矚目之Association for Molecular Pathology v. Myriad Genetics, Inc.一案做出判決，認定如乳癌易感基因BRCA1、BRCA2等經單離（isolated）的人類DNA片段不具美國專利法第101條（35 U.S.C. §101）所規定之專利標的適格性。 美國最高法院指出，雖然專利權人發現了BRCA1與BRCA2基因的位置與序列，但是其並未創造或改變BRCA1與BRCA2基因上的任何遺傳資訊，亦並未創造或改變該DNA片段的基因結構，所以即使其是發現了一個重要而有用的基因，但僅是將其從周遭其他基因材料中分離出來，並非為一項發明行為。亦即是說，突破性、創新或卓越的發現並不必然符合美國專利法第101條之要件要求。 不過，美國最高法院認為，cDNA片段可以具備專利標的適格性，因為其為從mRNA所創造出來、僅具備外顯子（exons-only）的分子，而非自然發生之自然產物。然而美國最高法院對於cDNA是否符合其他可專利要件之要求並不表示意見。 美國最高法院亦強調，本案判決並未涉及任何方法發明，亦未就將有關BRCA1與BRCA2基因之知識予以應用的發明做出判斷，且未判斷自然發生之核苷酸順序經改變的DNA片段是否具備專利標的適格性的問題。
FCC通過許可有線電視系統對基本電視服務進行加密，以對抗盜接訊號美國聯邦通信委員會（FCC）批准，有線電視業者可對其基本電視服務進行完全加密，有線電視用戶將需要向有線電視業者租用機上盒或使用CableCARD的技術，以繼續收看有線電視。在本項新規則發布之前，有線電視業者被禁止在基本服務加密，有線電視用戶不需租用額外設備便能收看基本電視服務內容。業界人士表示，據估計目前約有近5％非法盜接的服務，造成每年約5億美元的收入損失，此一新規則有助於對抗訊號盜接的問題。 同時隨著數位有線電視普及程度的提高，大多數有線電視用戶已經透過機上盒或CableCARD技術收看有線電視，僅少部份用戶可透過特殊裝置接收數位電視基本服務，但因為此種接收方式無須加密，因此存在有盜接的問題，因此有線電視業者希望FCC能夠放寬規定，使業者可將整個有線電視系統均加密傳輸，避免訊號盜接的問題。 然而相對的，一些第三方公司所生產的設備將因為有線電視系統業者的加密，而無法提供低成本的替代裝置，有線電視用戶將必須向有線電視公司租用機上盒，部份第三方公司生產的機上盒具有DVR功能，如果系統業者完全加密他們的內容，這些第三方設備的生產將必須花費額外的成本與時間與系統業者協商。有線電視業者如Comcast自然是抱持樂觀其成的看法，全系統加密使業者可在遠端管理電視訊號之播送，而無須至消費者家戶進行，可節省人力與成本。
日本發布《資料品質管理指引》，強調歷程存證與溯源，建構可信任AI透明度2025年12月，日本人工智慧安全研究所（AI Safety Institute，下稱AISI）與日本獨立行政法人情報處理推進機構（Information-technology Promotion Agency Japan，下稱IPA）共同發布《資料品質管理指引》（Data Quality Management Guidebook）。此指引旨於協助組織落實資料品質管理，以最大化資料與AI的價值。指引指出AI加劇了「垃圾進，垃圾出（Garbage in, Garbage out）」的難題，資料品質將直接影響AI的產出。因此，為確保AI服務的準確性、可靠性與安全性，《資料品質管理指引》將AI所涉及的資料，以資料生命週期分為8個階段，並特別強調透過資料溯源，方能建立透明且可檢核的資料軌跡。 1.資料規劃階段：組織高層應界定資料蒐集與利用之目的，並具體說明組織之AI資料生命週期之各階段管理機制。 2.資料獲取階段：此步驟涉及生成、蒐集及從外部系統或實體取得資料，應優先從可靠的來源獲取AI模型的訓練資料，並明確記錄後設資料（Metadata）。後設資料指紀錄原始資料及資料歷程之相關資訊，包含資料的創建、轉檔（transformation）、傳輸及使用情況。因此，需要記錄資料的創建者、修改者或使用者，以及前述操作情況發生的時間點與操作方式。透過強化來源透明度，確保訓練資料進入AI系統時，即具備可驗證的信任基礎。 3.資料準備階段：重點在於AI標註（Labeling）品質管理，標註若不一致，將影響AI模型的準確性。此階段需執行資料清理，即刪除重複的資料、修正錯誤的資料內容，並持續補充後設資料。此外，可添加浮水印（Watermarking）以確保資料真實性與保護智慧財產權。 4.資料處理階段（Data Processing）：建立即時監控及異常通報機制，以解決先前階段未發現的資料不一致、錯漏等資料品質問題。 5.AI系統建置與運作階段：導入RAG（檢索增強生成）技術，檢索更多具參考性的資料來源，以提升AI系統之可靠性，並應從AI的訓練資料中排除可能涉及個人資料或機密資訊外洩的內容。 6. AI產出之評估階段（Evaluation of Output）：為確保產出內容準確，建議使用政府公開資料等具權威性資料來源（Authoritative Source of Truth, ASOT）作為評估資料集，搭配時間戳記用以查核參考資料的時效性（Currentness），避免AI採用過時的資料。 7.AI產出結果之交付階段（Deliver the Result）：向使用者提供機器可讀的格式與後設資料，以便使用者透過後設資料檢查AI產出結果之來源依據，增進透明度與使用者信任。 8.停止使用階段（Decommissioning）：當資料過時，應明確標示停止使用，若採取刪除，應留存刪除紀錄，確保留存完整的資料生命週期紀錄。 日本《資料品質管理指引》強調，完整的資料生命週期管理、強化溯源為AI安全與創新的基礎，有助組織確認內容準確性、決策歷程透明，方能最大化AI所帶來的價值。而我國企業可參考資策會科法所創意智財中心發布之《重要數位資料治理暨管理制度規範（EDGS）》，同樣強調從源頭開始保護資料，歷程存證與溯源為關鍵，有助於組織把控資料品質、放大AI價值。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw）