日本農業數據利用的瓶頸與農業數據平台WAGRI的誕生
日本從事農業者高齡少子化以致後繼無人，農業ICT（Information and Communication Technology）可使資深農民內隱知識外顯化而利於經驗傳承，例如已有地區透過除草機器人、自動運行農機等ICT農機，蒐集稻米收穫質量之數據進行分析，實作出施肥最適條件的成功案例。
然而成功案例之數據利用，延伸至其他地區實踐時卻顯得窒礙難行。首先是成本面，農場計測溫溼度等數據之感測器的設置、管理維護與通信等成本負擔，宛如藏寶洞前豎立之石門，不得其門而入。另一造門磚是農機或感測器等不同業者之系統服務互不相容，且數據無法互換共用，為求最適合特定地區與農作物之農業ICT組合，且能移植成功案例至其他地區，系統相容數據共用亦是當務之急。
日本農業數據協作平台（簡稱WAGRI），可為大喊芝麻開門之鑰，日本於2017年內閣府計畫支持下，由農業生產法人、農機製造商、ICT供應商、大學與研究機關等組成聯盟，一同建置具備「合作」（打破系統隔閡使數據得以相容互換）、「共有」（數據由提供者選定分享方式）、「提供」（由公私部門提供土壤、氣象等數據）三大功能之WAGRI，今年已有實作案例指出，活用WAGRI後，在數據蒐集與利用上的勞力與時間成本明顯縮減。
台灣農業同樣面臨高齡化、傳承之困境，日本WAGRI整合與共享數據的模式可作為我國發展農業ICT活用數據之參考。
劉宥妤
副法律研究員 編譯整理
WAGRI，〈株式会社 日立ソリューションズ様の取組事例（日立ソリューションズ様が提供する営農管理システムの機能拡充にWAGRI APIをご活用）〉，2019/02/27，https://wagri.net/getmedia/1a0efb83-a7c7-40be-8900-864f83cac075/WAGRI活用事例集_日立ソリューションズ様.pdf（最後瀏覽日：2019/3/7）。
神成淳司，〈ICTが社会を変える : 農業データ連携基盤の展開と未来図〉，《技術と普及 : 全国農業改良普及職員協議会機関誌》， 12月號，頁24-26（2017）。
農林水産省技術政策室，〈農業データ連携基盤の構築について〉，2018/09，http://www.affrc.maff.go.jp/docs/smart_agri_pro/attach/pdf/smart_agri_pro-15.pdf（最後瀏覽日：2019/3/7）。
農業數據協作平台WAGRI網站，https://wagri.net/（最後瀏覽日：2019/3/7）。
JAcom農業協同組合新聞，〈農業ビッグデータ活用の時代へ ＷＡＧＲＩフォーラムが開催〉，2018/03/13，https://www.jacom.or.jp/saibai/news/2018/03/180313-34825.php（最後瀏覽日：2019/3/7）。
一家擁有美國網路上國際貿易相關專利的小公司起訴個人電腦巨頭戴爾公司(Dell Inc., DELL)侵權。這家名為DE Technologies Inc.的公司向一家美國聯邦地區法院提起了上述訴訟。DE Technologies的專利於1996年申請，並於2002年被授予。該公司首席執行長Ed Pool表示，他們的最終目的是將其專利授權給跨國公司並收取這些公司網路上貿易額的一小部分作為特許費。但這些費用全部累積起來可能高達數十億美元。 戴爾是首家遭DE起訴的公司。戴爾對上述訴訟未予置評。截至今年1月30日的財政年度，戴爾414億美元的銷售額中有36%來自美國以外地區，該公司向個人及小型企業的銷售中，大部分是通過網路進行的。 DE Technologies擁有的是一個商業模式專利。此類專利涉及的是流程及方法，而不是構造或化學成份。美國上訴法院於1998年判決擁有此類專利是合法的以後，許多公司開始申請此類專利。但批評人士認為許多商業模式不應被授予專利，專利應被授予那些新穎及非顯而易見的發明。
菲律賓基因改造茄子被迫停止田間試驗菲律賓為亞洲國家間第一個將基因改造作物（基改玉米）商業化並用於食品和動物飼料者，而另一項正等待商品化的基改作物，基因改造茄子，原預計於今（2011）年底完成7項試驗並於明年達成商品化的目標，卻因未符合地方政府法規所要求的公眾諮詢程序而被迫暫時中斷其中2項實驗。 2010年12月，菲律賓Davo市市長因申請本案田間試驗之UP Mindano公司未遵守應於市政府內張貼公開資訊之法定義務，以違反基因改造作物環境釋放之法規為由，向該公司發出禁止令並銷毀植株，其田間試驗因此延誤了6個月以上。無獨有偶的，作為菲律賓基改作物主管機關的植物產業局，也以同樣的理由中止另一項在Visayes國立大學所進行的基因改造作物田間試驗。 Davo市農業辦公室Leonardo Avila III主任表示，就該公司就試驗田所設立的藩籬實際狀況來看，雙方對於嚴格密閉的田間試驗（strictly confined field trial）有理解上的落差。面對UP Mindano公司於期間未盡公開資訊義務以進行充份溝通的指控，該公司負責田間試驗的科學家Rasco表示，所有爭議皆已透過直接或間接的方式於報紙和公開論壇中予以釐清。甚至嘗試著透過說明會教育大眾關於基因改造茄子的風險和優點，更強調茄子沒有異花授粉植物所會造成的基因汙染問題。 從法規面觀察，此一事件所透露的問題在於，即便一國中央法規允許基因改造作物之環境釋出，地方政府亦有可能藉由地方法規來落實其限制或阻擋基因改造作物之政策或目的，因而中央和地方間之政策歧異也將會成為GMO推展時必須面對的法制議題。
淺析自駕車道路實驗規範－以日本法為對象 全美各州醫療委員會聯合會發布人工智慧（AI）治理指引，並要求醫師為AI之利用結果負最終責任全美各州醫療委員會聯合會（The Federation of State Medical Boards, FSMB）於2024年4月發布「引導人工智慧以負責任與符合倫理方式融入臨床實務」（Navigating the Responsible and Ethical Incorporation of Artificial Intelligence into Clinical Practice）指引，明確概述醫師於利用AI協助提供照護時可採取之步驟，以履行其倫理與專業職責，期能藉此降低對患者造成傷害之風險；本指引之特色在於，其要求醫師為AI之利用結果負最終之責任。 FSMB 向各州醫療委員會與其他利害關係人所提供之原則與建議如下，以支持對包含AI之臨床照護進行負責任與符合倫理之監管： （1）透明度與揭露（Transparency and Disclosure）： 應要求維持於醫療照護領域使用AI之透明度；各州醫療委員會應制定明確之指導方針，向患者揭露AI之使用情況，其有助於患者與醫師之理解，但不會造成不必要之行政負擔；FSMB 應制定文件，詳細說明最常用之AI工具之功能與局限性，以協助醫療委員會發揮監管者之角色，並應制定常見問題與最佳實務文件，作為提供照護時利用AI方面關於透明度之資源。 （2）教育與理解（Education and Understanding）： FSMB及其於醫學教育界之合作夥伴，應為醫師、醫療委員會與患者，確認有關醫療照護中AI之結構化教育資源，該等資源應包括協助瞭解AI如何運作、其優點、潛在風險以及對患者照護之影響。 （3）負責任之使用與問責（Responsible Use and Accountability）： 開發人員應協助醫師瞭解何時、以及如何於患者之照護中利用AI工具；選擇AI工具支援臨床決策之醫院系統、保險公司或其他機構應向醫師提供有關AI工具之教育、存取各工具之性能報告，並應設計一個定期檢視工具功效的流程；AI工具應以得使各州醫療委員會能稽核與理解之方式設計，以便適當評估依賴工具輸出結果之醫師是否偏離照護標準（standard of care）；FSMB 應支持各州醫療委員會針對臨床醫師如何負責任、可問責地使用AI之解釋。 （4）公平性與近用（Equity and Access）： 應努力確保所有患者皆能公平地近用AI帶來之好處；FSMB與各州醫療委員會致力於以下原則：醫療人員所提供之照護是公平的、且不受基於種族、民族或其他形式歧視之偏見影響；FSMB應與其他利害關係人一起理解並解決演算法偏差問題。 （5）隱私與資料安全（Privacy and Data Security）： AI工具之開發者必須實施嚴格之保護措施，以保護AI開發與評估時所利用之患者資料，通常情況下應告知患者資料如何被利用，且FSMB應與行業利害相關人一起制定AI系統使用與散布患者資料之政策，包括針對AI開發或評估中使用之患者資料之最低資料保護措施。 （6）監督與監管（Oversight and Regulation）： 各州醫療委員會必須保留對於提供醫療服務時，不當應用AI工具之醫生進行紀律處分之權力，其包括問責議題之考慮，特別是當AI系統變得更加自主時；各州醫療委員會應審查其管轄範圍內如何對「醫療行為」（practice of medicine）進行法律定義，以確保對提供醫療照護、人力或其他方面進行持續之監管監督。 （7）法律法規之持續審查與調整（Continual Review and Adaptation of Law and Regulations）： 各州醫療委員會應在FSMB之支持下，隨著AI之不斷發展，持續檢視與更新與AI相關之指引與法規；政策制定者應考慮AI對基本法律原則的影響，例如醫療行為之定義以及AI對企業醫學實務之影響；FSMB 應建立一個專門團隊，持續檢視與調整AI指引與法規。 本指引指出，AI工具通常無能力取代醫師之專業判斷、道德責任或對州醫療委員會之責任，醫療行為中之關鍵職業責任始終為確保診斷、臨床決策與建議不存在偏差。與用於診斷或治療疾病之任何其他工具或鑑別方法相同，醫療專業人員有責任確保基於證據結論之準確性與真實性，因此於將AI系統用於患者照護前，醫師應以合理努力識別與解決偏差（如虛假或不準確之資訊等）。