歐盟公布人工智慧白皮書
歐盟執委會於2020年2月19日發表《人工智慧白皮書》（White Paper On Artificial Intelligence-A European approach to excellence and trust）指出未來將以「監管」與「投資」兩者並重，促進人工智慧之應用並同時解決該項技術帶來之風險。
在投資方面，白皮書提及歐洲需要大幅提高人工智慧研究和創新領域之投資，目標是未來10年中，每年在歐盟吸引超過200億歐元關於人工智慧技術研發和應用資金；並透過頂尖大學和高等教育機構吸引最優秀的教授和科學家，並在人工智慧領域提供世界領先的教育課程。
而在監管方面，白皮書提到將以2019年4月發布之《可信賴之人工智慧倫理準則》所提出之七項關鍵要求為基礎，未來將制定明確之歐洲監管框架。在監管框架下，應包括下列幾個重點：1.有效實施與執行現有歐盟和國家法規，例如現行法規有關責任歸屬之規範可能需要進一步釐清；2.釐清現行歐盟法規之限制，例如現行歐盟產品安全法規原則上不適用於「服務」或是是否涵蓋獨立運作之軟體（stand-alone software）有待釐清；3.應可更改人工智慧系統之功能，人工智慧技術需要頻繁更新軟體，針對此類風險，應制定可針對此類產品在生命週期內修改功能之規範；4.有效分配不同利害關係者間之責任，目前產品責任偏向生產者負責，而未來可能須由非生產者共同分配責任；5.掌握人工智慧帶來的新興風險，並因應風險所帶來之變化。同時，白皮書也提出高風險人工智慧應用程式的判斷標準與監管重點，認為未來應根據風險來進行不同程度之監管。執委會並透過網站向公眾徵求針對《人工智慧白皮書》所提出建議之諮詢意見，截止日期為2020年5月19日。
吳佳琳
高級法律研究員 編譯整理
EUROPEAN COMMISSION, White Paper On Artificial Intelligence-A European approach to excellence and trust (Feb. 19, 2020), https://ec.europa.eu/info/publications/white-paper-artificial-intelligence-european-approach-excellence-and-trust_en (last visited Feb. 27, 2020).
新加坡智慧財產局（Intellectual Property Office of Singapore, IPOS）於2023年9月4日發布《2023年智慧財產調查》（Singapore IP Survey 2023），調查結果顯示，企業最重視的智慧財產為品牌、技術/製程、機密資訊。 為瞭解企業對無形資產（Intangible Assets, 以下簡稱IA）和智慧財產權（Intellectual Property, 以下簡稱IP）的看法和運用現況，以制定強化企業競爭力之智財政策，新加坡政府自2021年發布《2030年智慧財產戰略》（Singapore IP Strategy 2030, SIPS 2030）起，每2年發布一次智財調查。本次調查於2023年2月至3月間進行，對象為新加坡500多家企業，調查結果顯示，企業最重視的前三種IP類型依序為： 1. 有35%的企業表示擁有強大品牌（strong brand）相當重要。 2. 有32%的企業認為擁有新技術及/或新製程（new technology and/or process）相當重要。 3. 有31%的企業認為擁有機密資訊（confidential information）相當重要。 此外，有15%的企業表示，其商業價值的主要收益來自於其IA/IP；且所有受訪企業中有不少企業表示IA/IP有助於提升公司績效，包含： 1. 有17%的企業認為有助於「吸引更多商業合作夥伴」； 2. 有17%的企業認為有助於「提升商業競爭力」； 3. 有15%的企業認為有助於「拓展國際市場」； 4. 有14%的企業認為有助於「增加獲利」。 再者，有80%的企業期待有更多機會運用IA/IP獲得融資。同時，有92%企業在進行相關智財活動（IP activities）時未申請任何政府補助，如新加坡企業發展局（Enterprise Singapore, ESG）的企業發展補助（Enterprise Development Grant, EDG），其中有50%以上的企業表示是因為不清楚相關補助資訊。 最後，僅有15%的企業對其IA/IP進行單獨評價（standalone valuation），而未與其他資產合併評價，但其中僅不到一半是委託評價分析師（Certified Valuation Analyst, CVA）進行。 根據調查結果，新加坡政府認為企業雖擁有大量的IA/IP，但尚未瞭解其價值，導致無法有效地將其IA/IP商業化。因此，新加坡政府於2023年9月4日同時發布《無形資產揭露框架》（Intangibles Disclosure Framework, IDF），鼓勵企業以系統化方式主動對外揭露所持有之IA/IP，藉此協助企業創造更高的價值。我國資策會科法所亦從2013年開始，每2年針對國內上市上櫃公司調查智財管理需求及現況；2021年調查報告顯示，86%的企業已進行智財布局、84%企業有配置智財人員、94%企業有編列智財經費等，顯示我國企業對於智財管理及策略愈來愈重視。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
中國 REACH 成形，台灣準備好了嗎？－從中國新化學物質環境管理辦法看我國新化學物質管理 英國DECC發佈實施智慧電表對隱私影響評估報告英國能源與氣候變遷部 (Department of Energy & Climate Change, DECC) 於2012年十二月十二日，依據歐洲執委會於同年三月針對智慧電表系統推展準備所發表的建議 (2012/148/EU: Commission Recommendation of the 9th March 2012 on preparation for the roll-out of SM systems, Section 1.4)，公佈其就智慧電表實施計畫對隱私影響的評估 (Privacy Impact Assessment)。 該項評估羅列了十一項面向，分別探討其可能因智慧電表實施對隱私帶的衝擊。這些面向包括有智慧電表為防範非法、未經授權資料近取的安全性管理，中央、地方政府機關及執法單位為他途而對資料的使用，第三人對細部能源消費資料的取得，對電表資料過長時間的保留，及非帳戶持有人對能源消費資料之取得等。 該部部長巴洛妮絲‧菲瑪 (Baroness Verma) 表示: 消費者是最重要的，因此能源與氣候變遷部在推動智慧電表實施的同時，亦致力於隱私、安全、消費者保護及通信等議題的處理。 除此之外，DECC並針對應如何]執行歐盟於同年十月二十五日通過的能源效率指令(Energy Efficient Directive 2012/27/EC) 中，第十條第二項B款所定關於消費者對去過去至少二十四個月能源消費資料應有簡易取得方式之要求，展開公開諮詢的程序。 英國智慧電表的全面推行預計從2014年展開至2019年結束前完成。其是否能在確保公眾能源消費資料不受非侵害或不當利用的前提下，發展各項配套措施以完成這項各國皆欲達成浩大工程，令人期待。
德國聯邦資訊技術，電信和新媒體協會針對AI及自動決策技術利用提出建議指南德國聯邦資訊技術，電信和新媒體協會於2018年2月6日在更安全的網路研討會中針對利用人工智慧及自動決策技術利用提出建議指南（Empfehlungen für den verantwortlichen Einsatz von KI und automatisierten Entscheidungen），旨在提升企業數位化與社會責任，並提升消費者權益保護。 本份指南提出六項建議： 促進企業內部及外部訂定相關準則 例如規定公司在利用演算法和AI時，必須將影響評估列入開發流程，並列為公司應遵守的道德倫理守則，以確保開發的產品或服務符合公平及道德。 提升透明度 使用者如有興趣了解演算法及其含義，企業應協助調查並了解使用者想獲知的訊息，並透過相關訊息管道提升產品及服務透明度。因此，企業應努力使演算法及其操作和含義能夠被使用者理解。此亦涉及即將實施的歐盟一般資料保護規則中的透明度義務。在機器學習或深度學習情況下，可能會增加理解性和可追溯性難度，但有助於分析流程並使其更接近人類理解的方法在科學和商業實踐中，應特別關注並進一步討論。另外，透過教育及使用說明協助及控制功能，教導消費者係建立雙方信任的重要手段。企業應在第一線中說明產品或服務中使用的手段（演算法，機器學習，AI）。除了解釋使用那些技術來改進產品和服務外，應一併解釋如何從技術控制過程中獲得相關知識以及提供那些後援支持。另外，例如透過幫助頁面，儀表板或部落格，解釋發生什麼以及如何做出某些影響深遠的自動化決策，使用戶更了解有關使用自動決策相關訊息。因此建議企業採取強制有效以建立信任的措施，使用戶理解是否及如何使用相關演算法，此可能包括使用自動化決策，使用特定資料組和使用技術的目的，亦即使用戶對演算法，機器學習或AI支持的決策有基本的了解。 為全體利益使用相關技術 人工智慧等新技術之重要性不應被低估，目前在生活和工業等眾多領域皆有廣泛應用。對於個人和集體而言，將可帶來巨大的利益，因此應該充分利用。例如，人工智慧可降低語言障礙，幫助行動不便的人可更加獨立自主生活，改善醫療診斷，提升能源供應效率，甚至是交通規劃和搜索停車位，都只是人工智慧偉大且已被使用的案例。為促進技術發展，應公平地利用其優勢並預留商業應用模式的空間，同時充分解決涉及的具體風險。產業特定的解決方案十分重要，但應兼顧受影響者的利益，並與廣大公眾利益找出妥協平衡點，且應排除不適當的歧視。建議在使用決策支持技術時，應事先檢查相關後果並與其利益比較。例如，可以在資料保護影響評估的框架進行。作為道德準則的一部分，必須確保演算法盡可能量準確地預測結果。 開發安全的資料基礎 資料係人工智慧支援決策的基礎。與人為決策者相同，資料不完整或錯誤，將導致做出錯誤的決定。因此決策系統的可靠性仍取決資料的準確性。但資料質量和資料來源始終不能追溯到源頭，如果可能的話，只有匯總或非個人資料可用於分析或分類用戶群組。因此，確切細節不可被使用或揭露。因此建議企業應考慮要使用的資料、資料的類別和在使用AI系統前仔細檢查資料使用情況，特別是在自我學習系統中資料引入的標準，並根據錯誤來源進行檢查，且儘可能全面記錄，針對個人資料部分更應謹慎處理。 解決機器偏差問題 應重視並解決所謂機器偏差和演算法選擇和模型建立領域的相關問題。解釋演算法，機器學習或AI在基層資料選擇和資料庫時所產生決策偏見相當重要，在開發預期用途的演算法時必須納入考量，對員工應針對道德影響進行培訓，並使用代表性紀錄來創建可以識別和最小化偏差的方法。企業並應該提高員工的敏感度並培訓如何解決並減少機器偏見問題，並特別注意資料饋送，以及開發用於檢測模式的內、外部測試流程。 適合個別領域的具體措施和文件 在特別需要負責的決策過程，例如在車輛的自動控制或醫療診斷中，應設計成由責任主體保留最終的決策權力，直到AI的控制品質已達到或高於所有參與者水平。對類人工智慧的信任，並非透過對方法的無條件追踪來實現，而是經過仔細測試，學習和記錄來實現