英國商業、能源及產業策略部發布智慧饋電保證公眾諮詢
英國商業、能源和產業策略部（Business, Energy and Industrial Strategy，以下簡稱BEIS）於2019年1月提出智慧饋電保證（Smart Export Guarantee，以下簡稱SEG），於此保證下，BEIS將擬定一套不同於躉購制度之政策框架，使小型生產消費者（prosumer）所生產之綠色電力，可於此一政策框架之保障下，與售電業者議約，並將電力售予售電業者，以減輕英國政府預計於今年3月廢除躉購制度所帶來之衝擊。
SEG重要之內容包含：
（1） SEG課予大型售電業（用戶數大於25萬之售電業）收購小型生產消費者所生產之綠色電力之義務。
（2） 小型生產消費者所生產之綠色電力之交易價格及相關契約內容，將交由售電業者與小型生產消費者自行協議。但SEG要求售電業業者對於綠色電力之收購價格不可低於（或等於）零。
（3） 於「負電價」期間，即便小型生產消費者將綠色電力輸入電網，售電業者也不得因此對消費者課徵任何費用。
（4） 小型生產消費者所生產之綠色電力之計算方式，必須以實際測得之產出電力為準，不得以預估之容量為準，亦即，小型生產消費者如裝設智慧電表而可記錄綠色電力生產量時，其生產之綠色電力始有被收購之可能。
（5） 小型生產消費者之再生能源發電設備，不論容量大小，皆應符合躉購制度下之再生能源發電設備之規格標準，但不得超過5MW。
此一政策立意良善，然仍有不少質疑聲音，其中的聲音不乏：（1）BEIS如何確保小型生產消費者所獲取之契約價格，可以真實反映市場之真正應有之電價？（2）SEG於今年3月躉購費率制度廢除後半年間，可能尚未會出現定案之政策框架，其間將會產生立法之真空狀態，其間要如何減緩制度改革對於產業帶來之衝擊？（3）政府所主導之小型消費者端之智慧電表之建置，於英國仍緩如牛步，而智慧電表對於小型消費者而言，如其欲主動裝設，每具將造成300歐元之額外支出，同時每年需額外支出50歐元之維修費用，此一事實對於SEG之推行無疑將造成阻礙。
本文為「經濟部產業技術司科技專案成果」
王柏霳
法律研究員 編譯整理
UK Government Sets Outs Mediocre Support For Small-Scale Renewable Energy Generators, https://cleantechnica.com/2019/01/13/uk-government-sets-outs-mediocre-support-for-small-scale-renewables (last visited Mar. 02, 2019) . BEIS, THE FUTURE FOR SMALL-SCALE LOWCARBON GENERATION, https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/769601/The_future_for_small-scale_low-carbon_generation_SEG.pdf (last visited Mar. 02, 2019) .
加拿大政府於2023年10月23日至12月4日針對「生成式人工智慧對著作權的影響」（consultation on the implications of generative artificial intelligence for copyright）進行公眾諮詢，以期了解生成式人工智慧對於加拿大著作權市場之變化，進而修訂《著作權法》（Copyright Act），本次諮詢文件中討論重點整理如下： 1.文字和資料探勘（Text and Data Mining, TDM）：是否需要因應TDM修改加拿大原本的著作權法，包含著作權法中合理使用行為（29條）和暫時性重製行為（30.71條）等得不構成侵害之例外條款。學者、AI使用者以及AI技術團體大多持肯定見解，認為TDM行為中使用的著作時不需要權利人的著作權授權；然創意產業則多持否定見解，認為不應該為TDM創設例外，否則將會使得TDM所使用之作品原著作人無法主張權利以獲得授權金。 2.人工智慧生成作品之著作人身分及著作權歸屬：因利用生成式人工智慧所創作或輔助創作之文字、圖像和音樂有作者身分不明確之虞，因此加拿大政府希望可以對此加以澄清，並討論是否需要修改原本的著作權法案中相關規定。針對作者身分不明確之爭議，加拿大政府提出了三種可能的規範模式： (1)闡明著作權保護只適用於自然人創作的作品； (2)將人工智慧生成作品之作者歸屬於在創作作品時運用技能和判斷力的自然人，凡自然人可以在人工智慧技術輔助下創作的作品中貢獻足夠的技能和判斷力，即可被視為該作品的作者； (3)為人工智慧生成的作品創設一套新的權利。 3.人工智慧之侵權責任：人工智慧係透過大量的資料庫來生成一項作品，過程中可能出現侵害他人著作權之情形，而加拿大現行的著作權法框架下很難認定侵權行為之責任歸屬。加拿大現行的著作權法要求被侵權人（著作人）必須證明侵權人明知其重製行為侵犯他人著作權，且就該他人著作加以重製，但一般人難以瞭解人工智慧系統開發及訓練過程，因此難證明人工智慧系統研發與利用過程中的業者、工程師或其他相關人等是否有侵權行為。因此加拿大政府希望利害關係人就此議題提供更多意見，以協助將來修法、提高市場透明度。 生成式人工智慧雖然提供了便利的創作方式並帶來巨大經濟利益，卻也可能侵害他人著作權，因此平衡著作人之權利並兼顧經濟發展是加拿大政府及國際社會課正積極解決的議題。
社群媒體發展網路不當言論管理機制之趨勢觀察 歐盟「Fit for 55」溫室氣體減量政策歐盟執委會於2021年7月14日公布一系列有關再生能源、能源效率、交通運輸、財稅政策、碳交易機制等議題之立修法提案。提案目的是希望整體制度能更加有助於歐盟氣候法（European Climate Law）中所設定減碳目標達成，於2030年減少相當於1990年55%的排碳量，故被稱為「Fit for 55」。 執委會為達成減碳目標，具體提案內容如下： (1)能源效率：修正《能源效率指令》（Energy Efficiency Directive），設定2030年能源消耗減少36~39%目標，並要求每年更新公部門建物至少3%，以提升能源效率； (2)再生能源：修正《再生能源指令》（Renewable Energy Directive），目標增加2030年的再生能源使用比例達現在的40%； (3)交通運輸：於陸路運輸，透過修正《小客車與輕型商用車新車二氧化碳排放規則》（Regulation setting CO2 emission standards for cars and vans），針對出廠新車制定2030年汽車55%、廂型商用車50%、2035年所有新車100%之減碳目標，並配合《替代燃料基礎設施規則》（Alternative Fuels Infrastructure Regulation）之修正，明訂高速公路每60公里設置充電站、150公里設置加氫站，以提供低碳運具之需求；於空運，歐盟航空永續燃料倡議（ReFuelEU Aviation Initiative），要求航空能源供應商增加永續燃料比例；針對海運，則透過歐盟海事燃料倡議（FuelEU Maritime Initiative），針對結合永續燃料與零排放科技的結果進行模擬，並設定最高排碳量。 (4)財稅政策：制定《碳邊境調整機制》（Carbon Border Adjustment Mechanism），針對被選定的目標產品（包含：水泥、電力、肥料、鋼鐵、鋁）訂定碳價格，於其自境外輸入時課徵稅費，以解決碳洩露問題；修正《能源稅指令》（Energy Taxation Directive），調整能源相關產品稅收計算方式、刪除不合時宜的規定，透過稅收調整能源使用之誘因，以貼近減碳需求。 (5)碳交易機制：修正《溫室氣體排放交易指令》（EU Emission Trading System Directive）擴大碳交易機制適用對象，納入海運、燃料供應中心，同時要求會員國應將碳交易所得，全數用於氣候能源相關計畫，以補足當前財務上的缺口。 總結而言，歐盟「Fit for 55」政策為使整體制度更符合2030年55%的減碳目標，透過個別部門減碳目標之設定、替代燃料之推動、財政誘因之調整等三種手段，希望多方面對減碳做出貢獻，以加速減碳的進程。
美國國家標準暨技術研究院規劃建立「人工智慧風險管理框架」，並徵詢公眾對於該框架之意見美國國家標準暨技術研究院（National Institute of Standards and Technology, NIST）為管理人工智慧對於個人、組織以及社會所帶來之風險，於2021年7月29日提出將建立「人工智慧風險管理框架」（Artificial Intelligence Risk Management Framework, AI RMF）之規畫並徵詢公眾意見，截止日為9月15日，並預計於10月發布正式報告。 依照NIST說明，公眾所建議之人工智慧風險管理框架，可促進人工智慧之可信賴性，其中包含如何應對並解決人工智慧於設計、發展及使用過程中所遭遇之「精確度」（accuracy）、「可解釋性」（explainability）、「偏見」（bias）等議題。此外，上開管理框架預計為非強制性、供企業自願性使用於人工智慧設計、發展、使用、衡量及評估之人工智慧標準。 依現有公眾意見徵詢結果，其中DeepMind公司建議於人工智慧設計初期，必須預先構思整體系統之假設是否符合真正社會因果關係。舉例言之，當設計一套可預測民眾健保需求程度之系統時，如輸入參數僅考量民眾於醫療上的花費，將使僅有可負擔較高醫療費用之民眾被歸類為健保需求程度較高者，從而導致健保制度排擠經濟負擔程度較差之公民，故在設計系統時，應從預先設定之假設事實反面（counter-factual）思考並驗證是否會產生誤差或公平性之問題（例如預先思考並驗證「醫療費用支出較低之民眾是否即可被正確歸類為健保需求度低之民眾」）。惟進行上述驗證需要大量社會資料，因此DeepMind也建議NIST應建立相關機制，使這些社會資料可以被蒐集、使用。 此外，亦有民眾建議管理框架應有明確之衡量方法以及數值指標，以供工程界遵循。同時鑒於人工智慧發展極為快速，未來可能有不同於以往之人工智慧類型出現，故亦建議NIST應思考如何在「建構一套完整且詳細之人工智慧治理框架」與「保持人工智慧治理框架之彈性與靈活性」之間取得平衡。 最後，目前也有許多徵詢意見指出，許多人工智慧治理之目標會相互衝突。舉例言之，當NIST要求人工智慧系統應符合可解釋性，則人工智慧公司勢必需要經常抽取人工智慧系統中之「數據軌跡」（audit logs），惟數據軌跡可能被認為是使用者之個人資料，因此如何平衡或完善不同治理框架下之目標，為未來應持續關注之議題。