地理空間資料（Geospatial Data）
Google地圖、GPS導航、Facebook定位打卡、「台北等公車」、Uber叫車，「地理空間資料」（Geospatial Data）的運用已經滲透現代人的生活。然而，究竟什麼是「地理空間資料」？所謂「地理空間資料」，依美國的《2018年地理空間資料法》 （Geospatial Data Act of 2018）的定義：「與地球上緊扣相關的位置資訊，包含辨識地球上的地理位置和自然或結構特徵與疆界。在向量資料組（Vector Dataset）中，大致以點、線、多邊形或複雜的地理特徵或現象呈現。該資料可能透過遙測（Remote Sensing）、製圖（Mapping）和量測（Surveying）科技取得。」
地理空間資料涉及地理學、地圖學（Cartography）、地理資訊系統學（Geographical Information Science, GIScience）及許多相關的科學領域。互動式的時間與空間功能，成就了當今混和空間與時間的資訊爆炸，更是五花八門運用地理資訊的手機應用程式之基礎等。應用場景涉及政府、商業、社會各層面，順利達成多元且重要的任務，例如：疾病通報、環境監測和公共安全。2017年Google於委託AlphaBeta的分析報告指出：「全球地理空間資料相關服務每年有四千億美元的產值、節省消費者超過五千五百億美元的燃料和時間成本、直接創造四百萬份工作機會。透過電子地圖服務，如：提高顧客流量的免費行銷工具Google My Business，更促使小型商家產生1.2兆美金的營業額。」
本文為「經濟部產業技術司科技專案成果」
朱翊瑄
法律研究員 編譯整理
美國總統歐巴馬於2011年12月發布備忘錄（Presidential Memorandum），要求美國聯邦政府應加強「導入節能績效保證專案（Implementation of Energy Savings Projects and Performance-Based Contracting for Energy Savings）」，並宣布未來24個月內最少將投入20億（billion）美元經費，推動聯邦機構採購實施節能績效保證專案，以改善建築物能源效率。基於政策指示，美國能源部（Department of Energy）下屬聯邦能源管理推動機構（Federal Energy Management Program，以下簡稱FEMP），研議規劃配套機制，協助導入「節能績效保證專案（Energy Savings Performance Contract，以下簡稱ESPC）」，更精簡、效率、低成本之實施模式，並助益美國能源技術服務產業（Energy Service Companies，以下簡稱ESCO）發展。 美國FEMP於2012年2月公告ESPC採購關於「資金（Financing）」部分之「資訊徵求意見書（Request for Information，RFI）」，廣詢實務各界意見，希望能繼而落實於政府採購規範及契約範本之研議，並協助ESCO業者能更順利取得資金，並協助ESCO業者能更順利取得資金，及降低資金取得成本，如此亦可有利益於所採購導入之聯邦機構。 FEMP主要係規劃探討關於ESPC融資資金，最合理且有吸引力之利率，所應考慮各項要件及利率定價模式，並且規劃建立資金協助者之優先名單（Preferred Financiers），以利配套選用。再者FEMP為推動整合，特別探討ESPC跨專案（Project Aggregation (Combining)）時，可能影響資金協助者之融資與財務評估，例如數ESPC專案、數ESCO業者、由同一資金協助者承接，或是數ESPC專案、數實施地點、同一ESCO業者，同一資金協助者，亦或者數ESPC專案、數實施地點、數ESCO業者、但同一政府機構、且同一資金協助者，研析相關影響要件。 以及，FEMP並探討ESPC實施「量測驗證（Measurement and Verification），對於取得融資評估過程是否增加複雜影響因素，以及資金協助者對於量測驗證機制，是否認為將增加風險並致更高融資利率，均為重要探討議題。此項意見徵求書，未來將落實於聯邦機構政府採購之實務規範上，相關內容再持續觀察追蹤。
OECD發布《支持綠色創業的政策：在丹麥建立綠色創業中心》報告經濟合作暨發展組織（Organisation for Economic Co-operation and Development, OECD）於2022年6月13日發布《支持綠色創業的政策：在丹麥建立綠色創業中心》（Policies to Support Green Entrepreneurship: Building a Hub for Green Entrepreneurship in Denmark）報告，以協助丹麥落實強化綠色創業生態系之倡議。 「綠色創業」一詞雖常見於學術文獻及政策文件，卻無明確統一之定義。本報告所採之定義為：「由新創公司發展及採用綠色產品、服務及製程。」所謂綠色，係指以「減少或防止任何形式的環境破壞、減少汙染物及廢棄物排放，或具有同等品質與效益但卻更節約資源」的方式為之。本報告評估丹麥的綠色創業狀況及政策建議，摘要如下： （一）丹麥綠色創業生態系現況 1.丹麥在綠色創業上是成熟的全球參與者，惟尚非全球樞紐。依2022年Startup Genome全球創新生態系報告，歐洲有12個潔淨技術（Cleantech）的新創生態系排名高於哥本哈根。 2.丹麥在環境技術領域之新創公司就業人口高於一般新創公司平均就業人口，但其規模擴大率則低於一般公司平均規模擴大率，顯示丹麥的綠色新創企業在擴大營運規模上遭遇困難。 3.相較於英國及瑞典等歐洲國家，丹麥的創投市場規模較小。融資管道的不足，可能成為影響丹麥綠色創業成長的原因之一。 （二）丹麥綠色創業政策藍圖 1.透過一系列融資工具提供綠色創業財務支持，如丹麥綠色投資基金（Danish Green Investment Fund）、丹麥成長基金（Danish Growth Fund）、丹麥創新基金（Innovation Fund Denmark）等。 2.國家級的丹麥能源創育聚落（Energy Cluster Denmark）與民間創新中心CLEAN共同橋接丹麥研發機構與企業進行合作。 3.更多且更廣泛之企業支援措施，如六個區域商業中心、Virksomhedsguiden入口網站、育成中心及加速器網路（如Beyond Beta）等。 （三）丹麥核心政策建議 1.發展整合公私部門之綠色創業策略，並追蹤綠色創業相關案例，作為未來制定政策之依據。 2.發展綠色創業的一站式平台，提升可供利用服務的能見度。此類服務可進一步引導綠色創業，包括明確區分開發新的或實施現有的綠色解決方案，以展現對綠色創業的支持。 3.加強對專業育成中心及加速器等既有政策的支援。
美國國防授權法案擴大告發者保護範圍透過外部監督有效遏止不法行為自2013年7月1日起，2013年國防授權法（2013 National Defense Authorization Act，NDAA）新規定生效，使得聯邦政府採購案件對告發不法行為者（whistleblower）的保護，由承包商的雇員擴及於分包商的雇員，在此之前，如果分包商的員工向政府直接告發不法行為時，絲毫沒有法律可以用於對抗雇主可能採取的報復措施。 2013 NDAA業於1月份經美國總統簽署，期中除新增對於分包商雇員保護外，該法案也擴張了主包商員工的保護範圍。新法之下，主包商員工如向其公司內部之主管告發不法行為，一樣可以受到法律對告發者的保護，強化了現行法下只有直接對政府申訴者始能得到法律保護。 根據2013 NDAA第828節之規定，承包商、分包商之雇員，都不能被解雇、降級或其他歧視行為以作為揭發行為之報復。當這些雇員合理認為有關於聯邦契約的管理不善、聯邦經費的浪費、或濫用聯邦契約授與之權力等行為，而可能造成潛在的或特定的對公共健康或安全之危害時，或違反聯邦契約行為有關法律或法規時，而向國會議員、稽查總長、政府課責辦公室（The Government Accountability Office）、聯邦契約管理人員、司法部人員、法院或陪審團、承包商或次包商負責調查不法之人員等提供資訊時。法規也明訂，條文中所謂報復，包括該等人員即使是受到行政機關人員在法定權限內的的正式要求而提供資訊時亦然。
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。