德國聯邦政府公布人工智慧戰略，制定AI發展及跨領域應用框架
德國聯邦政府於2018年11月15日公布聯邦政府人工智慧戰略（Strategie Künstliche Intelligenz der Bundesregierung），除了針對人工智慧一詞定義外，並概述德國人工智慧戰略的3項基本原則，14項目標和12項行動領域。
第一項原則係透過該戰略，為德國在人工智慧（AI）的發展和應用制定整體政策框架，促進德國成為人工智慧最佳研究環境，以及人工智慧在產業與中小企業之應用，以確保德國未來競爭力。第二項原則係人工智慧在社會各領域有多種應用可能性，將可明顯促進社會進步和公民利益，因此重點將強調AI的應用對於人類和環境可帶來的益處，並加強社會各界對於人工智慧主題的密集交流及討論，確保AI朝負責且共同利益為出發點的開發及應用。第三項原則將透過廣泛的社會對話和積極的政策框架，將道德，法律，文化和制度結合人工智慧之應用融入整體社會。
該戰略列舉之工作項目同時包括評量標準，包含建置德法創意網（虛擬中心）、起草國家級且持續性的教育策略、加強相關創業投資力道、針對相關新創公司提供綜合性諮詢和推廣服務、針對自願提供且符合隱私規範之共享資料與建立資料分析基礎設備者研擬獎勵及促進框架、利用風險投資、創業融資和成長科技基金計畫擴展籌資機會、建立至少12個AI應用中心、將人工智慧列為研發機構跳躍式創新的焦點，未來5年加強產學研合作項目推廣、將環境與氣候的人工智慧應用列為發展亮點、共同決策人工智慧技術的導入與應用、透過中小企業4.0中心每年至少與1000家企業建立聯繫並進行AI訓練、將AI實驗室應用情境移轉至工作場所、進一步發展人工智慧平台學習系統、設計擘劃跨領域社會科學之「未來數位化工作與社會基金」、進一步制定相關數位化轉型專家策略、建立德國人工智慧觀測站、組織以人為中心的人工智慧工作環境之歐洲和跨大西洋對話、促進具自決權，社會與文化參與性及保護公民隱私之創新應用、聯邦政府於2025年前將投資約30億歐元於人工智慧發展、開發人工智慧生態系統、培養至少100名相關領域新教授、與資料保護監督機關及商業協會召開圓桌會議。
本文為「經濟部產業技術司科技專案成果」
潘俊良
法律研究員 編譯整理
Bundesregierung, Strategie Künstliche Intelligenz der Bundesregierung, https://www.de.digital/DIGITAL/Redaktion/DE/Publikation/strategie-kuenstliche-intelligenz-der-bundesregierung.pdf?__blob=publicationFile&v=3 (last visited Dec. 04, 2018).
Bundesministerium für Wirtschaft und Energie, Bundesregierung beschließt Strategie Künstliche Intelligenz, https://www.de.digital/DIGITAL/Redaktion/DE/Meldungen/2018/2018-11-16-bundesregierung-beschliesst-strategie-kuenstliche-intelligenz.html (last visited Dec. 04, 2018).
於2016年12月30日，中國大陸財政部及科技部為規範國家重點研發計畫管理，切實提高資金使用效益聯合發佈了《國家重點研發計畫資金管理辦法》。 該計畫以支援解決重大科技問題為目標，以“優化資源配置、完善管理機制、提高資金效益”為重點，辦法全文共8章57條，根據國家重點研發計畫特點，從預算編制到執行、結題驗收到監督檢查，針對全過程提出了資金管理的要求，明確《辦法》制定的目的和依據、重點研發計畫資金支援方向、管理使用原則和適用範圍，就重點專項概預算管理、專案資金開支範圍、預算編制與審批、預算執行與調劑、財務驗收、監督檢查等具體內容和流程、職責做了明確規定。 與原科技計畫資金管理辦法相比，《辦法》主要有以下變化： 1.建立了適應重點研發計畫管理特點的概預算管理模式。 2.遵循科研活動規律，落實“放、管、服”改革。適應科研活動的不確定性的特點，《辦法》堅持簡政放權，簡化預算編制，下放預算調劑許可權。 3.突出以人為本，注重調動廣大科研人員積極性。 為推動辦法有效落實，財政部及科技部並要求相關部門、專案承擔單位需要共同做好以下工作： 1.相關主管部門應當督促所屬承擔單位加強內控制度和監督制約機制建設、落實重點專項項目資金管理責任。 2.財政部、科技部將組織開展宣傳培訓，指導各有關部門和單位開展學習，全面提高對《辦法》的認識和理解，為政策執行到位提供保障。 3.科技部、財政部將通過專項檢查、專項審計、年度報告分析、舉報核查、績效評價等方式，對專業機構、專案承擔單位貫徹落實《辦法》情況進行監督檢查或抽查。
歐盟執委會發布《歐盟晶片調查報告》提出四點發現以利未來晶片法相關計畫制定歐盟執委會（European Commission）於2022年8月2日發布《歐盟晶片調查報告》（European Chips Survey Report，下稱調查報告），調查結果顯示業界至2030年為止，對晶片之需求將倍數成長。調查報告於2022年2月啟動，其目的在收集有關晶片和晶圓（wafer）現行及未來需求的初步資訊，作為了解晶片供應危機對歐盟產業影響的第一步。調查報告總共收到141份來自半導體供需雙方廠商之回饋意見，其中有54.9％來自大型企業、17.3％來自中型企業、19.5％來自小型企業、8.3％來自微型企業。調查報告對上述意見進行分析，以提供來自半導體價值鏈洞察與預測的觀點。 調查報告主要包括以下四點： （1） 預計2022年至2030年間晶片需求將倍增，未來對領先半導體技術的需求將顯著增加。 （2） 在選擇製造地點時，建立新晶片製造設施的公司將著重合格的勞工及遵循政府法令。 （3） 供應危機影響所有生態系統，預計至少會持續到2024年，迫使企業採取代價較高的緩解措施。 （4） 半導體研發資金主要與供應方相關，但補助計畫（support initiatives）也與需求方相關。 2022年2月8日歐盟執委會提出《歐盟晶片法草案》，旨在處理半導體短缺以及加強歐洲技術領先地位。隨著歐洲半導體專家小組開始研究監控與盤點架構，調查報告的結果可以協助制定《歐盟晶片法草案》與相關計畫。
英國猶疑應否開放人獸混合細胞之胚胎幹細胞研究英國之胚胎幹細胞研究活動，係根據「1990年人類受精與胚胎學法」（Human Fertilisation and Embryology Act 1990，HF&E Act）和「2001年人類受精與胚胎學規則」（Human Fertilisation and Embryology (Research Purposes) Regulations 2001，Research Purposes Regulations）之規定，授權由「人類受精與胚胎學管理局」（Human Fertilisation and Embryology Authority，HFEA）依法管理。 新堡大學東北英格蘭幹細胞中心（North East England Stem Cell Institute）Lyle Armstrong博士，在去年底向HFEA申請一項涉及混合人類與動物細胞製造胚胎幹細胞之研究許可；其計劃利用細胞核轉置技術，將牛的卵子細胞核取出，植入人類體細胞核，並刺激其分裂形成胚囊或早期複製胚胎，用以研究培養病患所需身體組織之技術。過去HFEA從未曾核准過此類研究，僅核准過2件利用細胞核轉置技術和單性活化卵母細胞製造胚胎幹細胞株作為醫學研究之申請。此研究申請訊息一流出，即引起保守團體嘩然及指責，要求英國政府應盡速立法，禁止製造人獸混合細胞之實驗活動。面對各界抗議聲浪，HFEA表示，會暫緩此申請案。 事實上，去年12月英國健康部提出了一篇報告－「人工生殖及胚胎學法之檢討」（Review of the Human Fertilisation and Embryology Act），建議國會應儘速立法規範人類動物細胞混合研究。而英國政府與人民究竟能否接受混合人類動物遺傳細胞研究之合法性、合道德性，則為未來立法動向之重要指標。
日本經濟產業省發佈「第四次產業革命競爭政策研究會報告書」2017年6月28日日本經濟產業省發佈「第四次產業革命競爭政策研究會報告書-以實現產業整合（Connected Industries）為目標-」。日本政府為能持續推動該國經濟，以建立創新附加價值的產業社會為目標，以實現產業整合並促進創新與競爭環境，於本年度一月至六月召開七次「第四次產業革命競爭政策研究會」，進行日本競爭政策檢討，並於28日發佈第一階段報告書。 本報告中提出四種大數據應用的商業模式，分別為：單獨成長型、附隨應用型、他面活用型與多面展開型四種。單獨成長型著重於產品或服務本身透過資料蒐集應用來改善品質。附隨應用型則除了透過資料搜集以進行產品與服務品質改善以外，亦擴散經驗運用到其他使用者的服務內容改善。他面活用型則透過產品或服務的資料蒐集，運用到其他的領域（例如駕駛資料的蒐集運用到保險費率的計算）。多面展開型則將多種不同的產品與服務的資料取得後綜整分析以能相互提升品質，或應用到新發展的領域。 報告中並提出資料運用對競爭環境影響的三個關鍵步驟。首先是資料本身的影響力，包括資料本身的必要性、資料品質、蒐集成本等。其次為資料蒐集的可能性，因其他競爭者也可能取得相同資料，故應確保資料的稀少性與蒐集能力的差異（與競爭者能區別）。第三是資料運用可能性，應注意資料應用上是否有資金、人才在競爭上的其他限制。