歐盟執委會發起ERA vs CORONA行動計畫，加速研發創新合作對抗COVID-19
歐盟執委會於2020年4月7日發起ERA vs CORONA行動計畫，透過歐洲研究區（European Research Area, ERA）全力支持歐洲科研合作、共享科學資訊，並給予歐洲研究團隊與企業充足的研發疫苗資金，用以對抗COVID-19。歐盟執委會已與各國達成共識，確認ERA vs CORONA行動計畫的10項優先行動：
- 協調各國研究與創新（Research and innovation, R&I）資金投入，專注研發新型冠狀病毒的疫苗與治療方法，加強創新合作模式以對抗疫情。
- 支持新型冠狀病毒患者的臨床管理，與歐盟大規模臨床實驗計畫。
- 將資金投入創新領域回應社會需求，關注疫情對社會經濟、醫療及資通訊技術應用、衛生系統及製造業的影響。
- 藉由Horizon 2020 增加對新創公司的研發財務支持；拓展歐洲創新委員會ePitching計畫（EIC ePitching），鼓勵公私夥伴共同尋求解決方案。
- 創造資金來源促進R&I行動，引導新創及中小企業申請國家及地方資金、私人基金會、投資歐洲計畫（Invest EU）等。
- 建立ERA Corona平台，提供研發資金相關的一站式服務，包括歐盟各國補助新型冠狀病毒R&I計畫的完整資訊。
- 設立新型冠狀病毒特設高階R&I工作小組，規劃歐盟中長期防疫措施。
- 加強研究基礎設施布建及跨國資料庫利用。
- 創建歐洲COVID-19研究資料共享平台 ，連接歐洲開放科學雲，允許快速共享研究資料及成果以加速研發、公平分享資訊。
- 舉辦泛歐黑客松（EU vs Virus）推動歐洲創新與社會交流。
本文為「經濟部產業技術司科技專案成果」
許祐寧
專案經理 編譯整理
日亞化學近日動作仍不斷，近來日亞化學分別在日本、德國及南韓相繼對台灣的代理商及客戶提出口頭警告，不得採用疑似侵權的LED。日亞化學從原先警告台灣業者，進一步對台灣業者的代理商及客戶下馬威，內外夾擊對台廠商都造成威脅。 日亞化學對台灣廠商不友善是事實，特別是部份侵犯日亞化學白光LED專利的廠家，更是恨得牙癢癢。從早期日亞化學所採取的舉動來看，最先是以口頭警告方式，或對外放風聲來嚇嚇台灣業者。後來嚇多了也不管用，最後就向法院提出假扣押，算是較明顯的法律行動。不過，後來也不見太大成效，轉而向國外下手，第一是到南韓，對台灣的客戶下手，警告他們不得採用疑似侵權的LED產品。這也達到效果，南韓客戶也不太敢用台灣的產品。隨後日亞化學又到日本，對台灣業者的代理商提出警告，最後也達成共識，不販售及採用台灣疑似侵權的產品。昨日，日亞化學更遠赴德國，向台灣業者的代理商提出警告，也達成初步共識，就是不再販售台灣疑似侵權的LED。 如此內外夾擊的大動作，看得出日亞化學對台灣疑似侵權的LED十分感冒，也以實際行動來明他們悍衛自有專利的決心，絕不容許外界對其決心有任何質疑。而在日亞化學的一連串動作後，台灣LED廠商有沒有受到傷？從各家業者的官方說法中得不答案，但從大家今年下半年來的業績表現不好來看，除了手機市場不如預期的因素外，部份原因應是被日亞從中作梗而無法順利出貨。
日本自動駕駛戰略本部新近政策規劃日本鑒於為減少交通事故與因應少子化，與汽車的ICT革命等議題，由國土交通省於2016年11月25日設立「自動駕駛戰略本部」（自動運転戦略本部），並於同年12月9日召開第一次會議。討論的範圍則包括：為實現自動駕駛的環境整備、自動駕駛技術的研發、普及與促進，以及為實現自動駕駛的實證與社會試驗。 會議結論則由國土交通大臣指示針對「車輛的技術基準」、「年長者事故對策」、「事故發生時的賠償規則」、「大卡車列隊行走」、「以非平地休息服務站為據點的自動駕駛服務」等議題速成立工作小組，將對自動駕駛所應用技術進行各類型實證試驗。 其中，在「以非平地休息服務站為據點的自動駕駛服務」方面，已於2017年2月展開補助試驗計畫的募集；預計驗證的項目有分別針對一般（搭載2-10人）以及大型車輛（10人以上），結合GPS、雷達、攝影機等來瞭解障礙物資訊的車輛自動控制技術。 而在「大卡車列隊行走」方面，國土交通省則是在2016年已開始的實證試驗基礎上持續拓展。未來在2019年中後，並規劃將驗證範圍擴展至高速公路上驗證更長距離的自動駕駛。
美國確立2305-2360MHz區間行動寬頻服務發展規範自2001年以來，美國長期無法解決2305-2360MHz頻段上，相鄰之衛星數位音訊廣播服務（Satellite Digital Audio Radio Service, SDARS）業者與無線通訊服務（Wireless Communications Service,WCS）業者雙方相互干擾之疑慮。此一爭議在2012年10月17日美國聯邦通訊委員會（FCC）發布FCC 12-130再審查命令（Order on Reconsideration FCC 12-130，下稱12-130命令）後獲得解決。 使用頻段位於2305-2320MHz與2345-2360MHz之無線通訊服務(WCS)與位於2320-2345MHz頻段的衛星數位音訊廣播服務(SDARS)由於個別之訊號傳輸技術差異大，並且長久以來無法在干擾處理的議題上達成共識，而抑制了無線通訊服務(WCS)於該頻譜上之發展。為實現WCS業者得於該頻段發展行動寬頻業務之承諾，並確保美國大眾能繼續享有高品質的衛星廣播服務，FCC本次針對2010年所頒布之命令(FCC10-82)進行再次修訂與檢討 ，以確立位於2.3GHz頻帶WCS所屬之頻段得發展新興寬頻服務，並促進SDARS地面中繼起器(terrestrial repeaters)之佈署及運作更加彈性化。 12-130命令之頒布，可視為WCS頻帶發展的重要里程碑。該命令除了確保相鄰頻帶之衛星廣播服務(satellite radio)、航空行動遙測技術(aeronautical mobile telemetry)以及位於美國加州所佈署之深空網路(deep space network)地面站其訊號不受干擾以外，FCC更透過制訂各項參數與管理規則，一方面降低WCS營運時對於SDARS接收者可能產生的潛在干擾，另一方面則幫助位於2.3GHz的WCS業者有能力提供固定或行動寬頻服務，以促進WCS業者與SDARS業者和諧共存。 對於FCC最後決定採用修改管制規範方式釋出該頻段以發展行動寬頻服務之舉，FCC主席Genachowski表示，除有助於鞏固美國身為全球發展LTE技術領導者之地位外，更認為命令中的管制障礙排除模式可幫助未來其他頻段的清理或移頻，增加頻譜使用彈性，並有助於達成國家寬頻計畫(National Broadband Plan’s)所設定之「2015年釋出300MHz總頻寬」、「2020年釋出500MHz總頻寬」目標。
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