日本閣議通過《特定數位平台之透明性及公正性提升法案》，以改善電商交易環境
日本閣議通過《特定數位平台之透明性及公正性提升法案》，以改善電商交易環境
資訊工業策進會科技法律研究所
2020年05月11日
日本內閣於2020年2月18日通過《特定數位平台之透明性及公正性提升法案》（特定デジタルプラットフォームの透明性及び公正性の向上に関する法律案），並提交國會，期望能在2021年春季施行[1]。本法案將要求特定數位平台（Digital Platform）業者公開其與透過平台供應商品或服務者之間的契約等各項措施，以提高特定數位平台的透明性與公正性，透過推動公平且自由的競爭環境，為促進經濟發展和國民經濟的健全發展做出貢獻。
壹、事件摘要
近年來資通訊技術領域的革命性進展，讓數位平台有效幫助商品與服務供應者更易於進入各商品或服務市場，如大型網路商城透過蒐集分析用戶的購買紀錄、商品瀏覽紀錄、搜尋關鍵字紀錄、位置資訊等，能夠更精準投放廣告至消費者的搜尋頁面，增加賣家商品或服務的曝光機會，減輕新手賣家觸及潛在消費者的負擔。賣家越多、越容易搜尋到所需商品或服務，甚至能同時推薦優惠組合的網路商城，能夠提高消費者的黏著度，賣家對該平台也會更加依賴，使得數位平台產業成為寡占市場。
面對數位平台市場的寡占現象，日本政府於2018年6月15日公布之《未來投資戰略2018》中說明擬透過整備規則以活化競爭環境，因此經濟產業省、總務省及公平交易委員於同年7月組成「數位平台業者交易環境整備檢討會」（デジタル・プラットフォーマーを巡る取引環境整備に関する検討会），將以實現透明性及公正性為目的，進行相關規範之整備，並規劃進行大規模調查，藉此掌握實際交易狀況[2]。
因此公平交易委員會（公正取引委員会）於2019年1月針對大型網路購物商城，如Amazon、Yahoo Shopping、樂天市場等，以及應用程式商店，即App Store、Google Play展開「數位平台業者之交易習慣等相關實態調查」。根據同年4月17日公布的上開調查中間報告（デジタル・プラットフォーマーの取引慣行等に関する実態調査についての中間報告），使用樂天市場及Amazon的賣家中，各有超過72%的賣家被平台單方變更使用條款，且各有超過69%的賣家認為使用條款的改變對其不利，三大網路商城中只有Yahoo Shopping的表現稍佳；大多數的賣家都遇過不明原因被停權或商品被下架的情形，但其中僅有約一半的賣家在解決問題後能夠再上架[3]。應用程式商店方面的調查結果也大同小異[4]。同年10月31日公布的調查報告印證數位平台業者的「未提前說明即變更條款」或「未說明理由即拒絕交易」等行為，以及商品與服務供應者聯繫客服提出意見、申請等機制不夠完善，均有妨礙市場透明性和公正性之疑慮[5]。除此之外，也恐有《獨占禁止法》（私的独占の禁止及び公正取引の確保に関する法律，又稱「独占禁止法」）上不公平競爭之疑慮，如數位平台業者透過變更使用條款提高手續費、強制使用平台新服務等行為，可能適用《獨占禁止法》第2條第9項第5款濫用相對優勢地位之要件；此外，若數位平台業者自行推出與該平台其他賣家同類的商品及服務，由於數位平台業者可得知賣家銷售紀錄、消費者交易紀錄等資訊，容易推出更加吸引消費者的優惠活動，亦可透過更改關鍵字及顯示結果排序等方式，取得較其他賣家優勢之地位，可能適用《獨占禁止法》第2條第9項第5款阻礙競爭對手交易之要件。
除上述狀況外，實務上亦存在其他問題。例如，平台上之賣家因依賴平台且意欲獲取消費者關注，此時面對數位平台業者種種不公平行為，如單方面變更使用條款，或針對相同商品或服務，要求賣家必須設定與其他平台相同或更加優惠價格，賣家多會選擇接受而非改換使用其他數位平台。另一方面，應用程式商店的寡占現象，反倒成為App開發者拓展用戶的一大阻力[6]。
為使數位平台業者自主且積極地提高數位平台上交易透明度與公正性，日本政府認為應在不阻礙創新及尊重自主性的原則下，制定要求數位平台業者公開交易條款、營運狀況等資訊之法規，並進行監督和審查[7]。因此由內閣官房長官主導，與主責IT政策、網路安全戰略、消費者與食品安全、公平交易、個人資料保護等之大臣，以及總務大臣、經濟產業大臣，共同召開數位市場競爭會議（デジタル市場競争会議），根據前述實態調查報告所統整的各項課題，研擬《特定數位平台之透明性及公正性提升法案》[8]。
貳、重點說明
提高數位平台的交易透明度與公正性，除能增進用戶利益，亦有助於提升整體經濟社會活力及永續發展，因此本法案從讓數位平台業者自主且積極提升數位平台透明性與公正性出發，將國家的干預及其他管制的影響降到最低，旨在使數位平台業者可充分發揮其創意及努力，並促進數位平台業者和商品與服務供應者的相互理解[9]。
本法案的規範對象為「特定數位平台業者」（特定デジタルプラットフォーム提供者），數位平台業者係指使用數位科技為「商品與服務供應者」（商品等提供利用者）及「一般利用者」提供網路平台，且其服務具網路效應（Network Effect）的特性[10]。未來法案通過後，經濟產業大臣會先參考來自數位平台的資訊，透過政令區分行業別，並在該業種的範圍內考量各項指標，諸如該數位平台對國民生活及國民影響程度、用戶對該數位平台的使用集中程度、根據交易實際狀況及動向判斷保護商品與服務供應者的必要性、商品與服務供應者對該數位平台其他規範及措施之反應、營業額等。若一數位平台的上述指標超出政令所規定之範圍，經濟產業大臣會將該數位平台之業者指定為「特定數位平台業者」，即特別應盡力提升其數位平台透明性及公正性者[11]。另外，經濟產業大臣在制定或修正政令所需之範圍內，得要求數位平台業者，甚至是商品與服務供應者提出所需資料及說明[12]。
為協助特定數位平台業者採取適當且有效的措施，以促進和商品與服務供應者的相互理解，依本法案規定經濟產業大臣應制定指針供業者遵循，內容中則應說明以下事項︰建立可和商品與服務供應者妥善溝通之機制，如指派國內業務的專責窗口；制定可確保交易公正性的程序及機制；整備爭端處理機制及程序[13]。在交易條件等資訊公開方面，本法案規定特定數位平台業者有義務向用戶公開契約條款且變更條款前應先通知用戶，並規定因安全等理由而無法公開的例外情形[14]。本法案也規定特定數位平台業者應每年向經濟產業大臣提出報告，內容應包含其事業概況，以及自我評估前述指針、資訊公開等規定的遵循狀況，經濟產業大臣會依業者提供之報告進行評定並公布結果，業者則應依該評估結果盡力提高該數位平台的透明性及公正性[15]。
另外，對於有阻礙數位平台的透明性和公正性之行為，以及違反獨占禁止法疑慮之特定數位平台業者，則會交由公平交易委員會依該法之規定及個案具體事實採取措施[16]。
參、事件評析
本法案之制定源於數位平台業者和商品與服務供應者間由於資訊、立場不對等而引發紛爭，但本法案並未選擇從保護賣家權益立場出發，而是期望由業者採取自主措施等方式，達到提升數位平台市場透明性和公正性，以消弭紛爭之目的。又，雖然本法案有由政府評估並公布特定數位平台之營運是否具備透明性及公正性之規定，但該評估是基於特定數位平台業者提出之「自我評估」報告，故官方評估結果是否具實質參考意義有待商榷。
綜觀而言，本法案並未嚴格規範數位平台業者，對應法案內有關增進用戶利益和提升整體經濟社會活力等語，可發現本法案本質上應為一部振興數位平台產業的法案，故是否真能解決平台和商品與服務供應者間因資訊不對等而引發糾紛的問題，將是未來關注的焦點。
我國對網購糾紛之討論主要聚焦於買賣雙方，依循的是「零售業等網路交易定型化契約應記載及不得記載事項」及《消費者保護法》等規範，對於數位平台業者和商品與服務供應者間之權利義務關係則尚未有明確規範。在數位平台業者的透明性規範方面，目前僅有2017年11月20日通過之《數位通訊傳播法草案》，於第11及第12條規範數位通訊傳播服務提供者[17]應以適當方式，公開揭露營業相關資訊，並應依其服務之性質，以得清楚辨識之方式公告其服務使用條款。從規範平台業者之角度出發，雖然日本法令看來稍嫌寬鬆，但從促進產業發展角度而言，不啻為重要參考對象，有助我國在相關法制整備上，於數位經濟產業發展與保障平台用戶權益間取得平衡。
[2]〈(令和元年10月31日)デジタル・プラットフォーマーの取引慣行等に関する実態調査(オンラインモール・アプリストアにおける事業者間取引)について〉，公正取引委員会，https://www.jftc.go.jp/houdou/pressrelease/2019/oct/191031_2.html（最後瀏覽日：2020/03/22）。
[3]〈オンラインモール運営事業者の取引実態に関するアンケート調査（詳細）〉，公正取引委員会，https://www.jftc.go.jp/houdou/pressrelease/2019/apr/kyokusou/190417besshi1.pdf（最後瀏覽日：2020/05/19）。
[4]〈アプリストア運営事業者の取引実態に関するアンケート調査（詳細）〉，公正取引委員会，https://www.jftc.go.jp/houdou/pressrelease/2019/apr/kyokusou/190417besshi2.pdf（最後瀏覽日：2020/05/19）。
[5]〈デジタル・プラットフォーマーの取引慣行等に関する実態調査報告書（オンラインモール・アプリストアにおける事業者間取引）（概要）〉，公正取引委員会，https://www.jftc.go.jp/houdou/pressrelease/2019/oct/191031c.pdf（最後瀏覽日：2020/03/22）。
[6]同前註。
[7]〈デジタル市場のルール整備〉，首相官邸，https://www.kantei.go.jp/jp/singi/digitalmarket/kyosokaigi/dai1/siryou1.pdf（最後瀏覽日：2020/03/22）。
[8]〈「デジタル・プラットフォーマー取引透明化法案（仮称）の方向性」に関する意見募集に寄せられた御意見について〉，首相官邸，https://www.kantei.go.jp/jp/singi/digitalmarket/kyosokaigi/dai3/sankou1.pdf（最後瀏覽日：2020/03/22）。
[9]〈「特定デジタルプラットフォームの透明性及び公正性の向上に関する法律案」が閣議決定されました〉，経済産業省，https://www.meti.go.jp/press/2019/02/20200218001/20200218001.html（最後瀏覽日：2020/03/22）。
[10]〈特定デジタルプラットフォームの透明性及び公正性の向上に関する法律案の概要〉，経済産業省，https://www.meti.go.jp/press/2019/02/20200218001/20200218001-1.pdf（最後瀏覽日：2020/05/18）。
[11]特定デジタルプラットフォームの透明性及び公正性の向上に関する法律案（第201回閣法第23号）第2条、第4条。
[12]特定デジタルプラットフォームの透明性及び公正性の向上に関する法律案第15条。
[13]特定デジタルプラットフォームの透明性及び公正性の向上に関する法律案第7条、第8条。
[14]特定デジタルプラットフォームの透明性及び公正性の向上に関する法律案第5条、第6条。
[15]特定デジタルプラットフォームの透明性及び公正性の向上に関する法律案第9条。
[16]特定デジタルプラットフォームの透明性及び公正性の向上に関する法律案第13条。
[17]依數位通訊傳播法草案第二條之規定，數位通訊傳播服務提供者係指提供公眾或他人使用有線、無線、衛星或其他電子傳輸設施傳送數位格式之聲音、影像、文字、數據或其他訊息的服務之自然人、商號、法人或團體。
本文為「經濟部產業技術司科技專案成果」
黃敏瑜
法律研究員 編譯整理
Waymo是Google旗下發展無人車技術的公司，其員工Anthony Levandowski（以下簡稱Levandowski）於2016年2月離職並成立自動駕駛卡車公司Otto，而Uber於同年8月以6.8億美元併購該公司，Levandowski則任職於Uber的自動駕駛車部門。 Waymo在收到供應商誤發的電子郵件發現內含Uber的光學雷達（以下簡稱LIDAR）電路板工程圖，據Waymo表示，LIDAR是一種發展自動駕駛不可或缺的雷射感測器，該工程圖與Waymo設計的工程圖非常相似，此為工程師投入上千小時並投入數百萬美元研發而成。Waymo因而於今（2017）年2月對Uber提出告訴，主張Uber竊取其營業秘密與智慧財產，並表示Levandowski離開Waymo前曾使用私人硬碟下載公司上千筆機密資料，尚包括數名離職員工亦曾下載機密資料，且目前都任職於Uber。 今（2017）年5月美國加州北區聯邦地方法院依Waymo提出的有利證據，包含Uber明知或應知Levandowski握有1.4萬筆與Waymo智財相關的機密資料仍聘僱其為員工；且有完整紀錄顯示Levandowski離職前曾下載Waymo機密文件。因此裁定要求Uber限制Levandowski與相關員工使用與本案相關的LIDAR技術，且須於今年5月31日前返還Waymo，其中包含會議紀錄和Levandowski與相關員工電話紀錄。惟Uber仍可持續發展其自動駕駛技術，但賦予Waymo的律師及技術專家有權監視Uber未來的商業發展，並要求Uber必須在同年6月前調查Levandowski完整的LIDAR技術書面與口頭溝通紀錄，並提交給Waymo。 另方面，Waymo在此同時也宣布與Uber在美國的主要競爭對手Lyft建立自動車駕駛員的合作夥伴關係，挑戰Uber乘車服務的市場地位。本案將於今年6月7日進行審判程序，後續值得持續關注。
外掛程式開發公司Bossland GmbH指控暴雪娛樂竊取外掛程式的原始碼曾開發「暴雪英霸」、「暗黑破壞神」、「魔獸世界」等多款人氣電玩遊戲的暴雪娛樂公司(Blizzard Entertainment, Inc.)素來對遊戲中的作弊外掛程式採取嚴厲的打擊手段。暴雪娛樂日前對於「暴雪英霸」遊戲中的外掛全自動機器人程式(cheating bot)採取行動，對外掛程式開發公司德商Bossland GmbH的開發者James Enright及數名匿名工程師提出著作權侵權訴訟，並指控其外掛程式讓玩家在遊戲中作弊，影響遊戲的公平性及其他玩家的娛樂，而且損及暴雪娛樂公司的獲益。James Enright最後與暴雪娛樂達成協議，交出外掛程式的原始碼。 隨後，Bossland GmbH公司控訴暴雪娛樂公司偷走他們的原始碼。Bossland GmbH的執行長Zwetan Leschew表示，James Enright所交出外掛程式原始碼的智慧財產權屬於Bossland GmbH公司，James Enright是Bossland GmbH公司的自由程式開發者，暴雪娛樂公司已經於德國參與了數個對自動機器人程式開發者的訴訟，對於James Enright與Bossland GmbH之間的關係應有所了解。從暴雪娛樂公司和James Enright的協議可以看出，暴雪娛樂公司要求James Enright將程式原始碼交出，以換取訴訟的停止。 暴雪娛樂公司發布聲明表示，暴雪娛樂已在德國贏得了多起與Bossland GmbH公司的訴訟，儘管他們利用策略手段來拖延正在進行的訴訟程序，仍堅信法院制度會繼續證實我們的主張，而且最終會阻止作弊全自動機器人程式的散布。
通用人工智慧的透明揭露標準--歐盟通用人工智慧模型實踐準則「透明度 (Transparency)」章通用人工智慧的透明揭露標準--歐盟通用人工智慧模型實踐準則「透明度 (Transparency)」章 資訊工業策進會科技法律研究所 2025年08月06日 歐盟人工智慧辦公室(The European AI Office，以下簡稱AIO) 於2025年7月10日提出《人工智慧法案》（AI Act, 以下簡稱AIA法案）關於通用型人工智慧實作的準則[1] (Code of Practice for General-Purpose AI Models，以下簡稱「GPAI實踐準則」)，並於其中「透明度 (Transparency)」章節[2]，針對歐盟AIA法案第53條第1項(a)、(b)款要求GPAI模型的提供者必須準備並提供給下游的系統整合者 (integrator) 或部署者 (deployer) 足夠的資訊的義務，提出模型文件(Model Documentation)標準與格式，協助GPAI模型提供者制定並更新。 壹、事件摘要 歐盟為確保GPAI模型提供者遵循其AI法案下的義務，並使AIO能夠評估選擇依賴本守則以展現其AI法案義務合規性的通用人工智慧模型提供者之合規情況，提出GPAI實踐準則。當GPAI模型提供者有意將其模型整合至其AI系統的提供者（以下稱「下游提供者」）及應向AIO提供相關資訊，其應依透明度章節要求措施(詳下述)提出符合內容、項目要求的模型文件，並予公開揭露且確保已記錄資訊的品質、安全性及完整性 (integrity)。 由於GPAI模型提供者在AI價值鏈 (AI value chain) 中具有特殊角色和責任，其所提供的模型可能構成一系列下游AI系統的基礎，這些系統通常由需要充分了解模型及其能力的下游提供者提供，以便將此類模型整合至其產品中並履行其AIA法案下的義務。而相關資訊的提供目的，同時也在於讓AIO及國家主管機關履行其AI法案職責，特別是高風險AI的評估。 AIO指出完整填寫與定期更新模型文件，是履行AIA法案第53條義務的關鍵步驟。GPAI模型提供者應建立適當的內部程序，確保資訊的準確性、時效性及安全性。模型文件所含資訊的相關變更，包括同一模型的更新版本，同時保留模型文件的先前版本，期間至模型投放市場後10年結束。 貳、重點說明 一、制定並更新模型文件(措施1.1) 透明度 (Transparency)章節提供模型文件的標準表格，做為GPAI實踐準則透明度章節的核心工具，協助GPAI模型提供者有系統性的整理並提供AIA法案所要求的各項資訊。表格設計考量了不同利害關係人的資訊需求，確保在保護商業機密的同時，滿足監管透明度的要求。 前揭記錄資訊依其應提供對象不同，各欄位已有標示區分該欄資訊係用於AI辦公室 (AIO)、國家主管機關 (NCAs) 或下游提供者 (DPs)者。適用於下游提供者的資訊，GPAI模型提供者應主動提供(公開揭露)，其他則於被請求時始須提供(予AIO或NCAs)。 除基本的文件最後更新日期與版本資訊外，應提供的資訊分為八大項，內容應包括： (一)、一般資訊General information 1.模型提供者法律名稱(Legal name) 2.模型名稱(Model name)：模型的唯一識別碼（例如 Llama 3.1-405B），包括模型集合的識別碼（如適用），以及模型文件涵蓋之相關模型公開版本的名稱清單。 3.模型真實性(Model authenticity)：提供明確的資訊例如安全雜湊或URL端點，來幫助使用者確認這個模型的來源 (Provenance)、是否真實性未被更動 (Authenticity)。 4.首次發布日(Release date)與首次投放歐盟市場的日期(Union market release date)。 5.模型依賴(Model dependencies)：若模型是對一個或多個先前投放市場的GPAI模型進行修改或微調的結果，須列出該等模型的名稱（及相關版本，如有多個版本投放市場）。 (二)、模型屬性(Model properties) 1.Model architecture 模型架構：模型架構的一般描述，例如轉換器架構 (transformer architecture)。 2.Design specifications of the model 模型設計規格：模型主要設計規格的一般描述，包括理由及所作假設。 3.輸出/入的模式與其最大值(maximum size)：說明係文字、影像、音訊或視訊模式與其最大的輸出/入的大小。 4.模型總參數量(model size)與其範圍(Parameter range)：提供模模型參數總數，記錄至少兩個有效數字，例如 7.3*10^10 參數，並勾選參數(大小)所在範圍的選項，例如：☐>1T。 (三)、發佈途徑與授權方式(Methods of distribution and licenses) 1.發佈途徑Distribution channels：列舉在歐盟市場上使用模型的採用法，包括API、軟體套裝或開源倉庫。 2.授權條款License：附上授權條款鏈結或在要求時提供副本；說明授權類型如: 開放授權、限制性授權、專有授權；列出尚有提供哪些相關資源(如訓練資料、程式碼)與其存取方式、使用授權。 (四)、模型的使用(Use) 1.可接受的使用政策Acceptable Use Policy：附上可接受使用政策連結或副本或註明無政策。 2.預期用途或限制用途Intended uses：例如生產力提升、翻譯、創意內容生成、資料分析、資料視覺化、程式設計協助、排程、客戶支援、各種自然語言任務等或限制及/或禁止的用途。 3.可整合AI系統之類型Type and nature of AI systems：例如可能包括自主系統、對話助理、決策支援系統、創意AI系統、預測系統、網路安全、監控或人機協作。 4.模型整合技術方式Technical means for integration：例如使用說明、基礎設施、工具）的一般描述。 5.所需軟硬體資源Required hardware與software：使用模型所需任何軟硬體（包括版本）的描述，若不適用則填入「NA」。 (五)、訓練過程(Training process) 1.訓練過程設計規格(Design specifications of the training process)：訓練過程所涉主要步驟或階段的一般描述，包括訓練方法論及技術、主要設計選擇、所作假設及模型設計最佳化目標，以及不同參數的相關性（如適用）。例如：「模型在人類偏好資料集上進行10個輪次的後訓練，以使模型與人類價值觀一致，並使其在回應使用者提示時更有用」。 2.設計決策理由(Decision rationale)：如何及為何在模型訓練中做出關鍵設計選擇的描述。 (六)、用於訓練、測試及驗證的資料資訊(Information on the data used for training, testing, and validation) 1.資料類型樣態Data type/modality：勾選樣態包括文字、影像、音訊、視訊或說明有其他模態。 2.資料來源Data provenance：勾選來源包括網路爬蟲、從第三方取得的私人非公開資料集、使用者資料、公開資料集、透過其他方式收集的資料、非公開合成(Synthetic )資料等。 3.資料取得與選取方式(How data was obtained)：取得及選擇訓練、測試及驗證資料使用方法的描述，包括用於註釋資料的方法及資源，以及用於生成合成資料的模型及方法。從第三方取得的資料，如果權利取得方式未在訓練資料公開摘要中披露，應描述該方式。 4.資料點數量Number of data points：說明訓練、測試及驗證資料的大小（資料點數量），連同資料點單位的定義（例如代幣或文件、影像、視訊小時或幀）。 5.資料範疇與特性(Scope and characteristics)：指訓練、測試及驗證資料範圍及主要特徵的一般描述，如領域（例如醫療保健、科學、法律等）、地理（例如全球、限於特定區域等）、語言、模式涵蓋範圍。 6.資料清理處理方法(Data curation methodologies)：指將獲取的資料轉換為模型訓練、測試及驗證資料所涉及的資料處理一般描述，如清理（例如過濾不相關內容如廣告）、資料擴增。 7.不當資料檢測措施(Measures for unsuitability)：在資料獲取或處理中實施的任何方法描述（如有），以偵測考慮模型預期用途的不適當資料源，包括但不限於非法內容、兒童性虐待材料 (CSAM)、非同意親密影像 (NCII)，以及導致非法處理的個人資料。 8.可識別偏誤檢測措施(Measures to detect identifiable biases)：描述所採取的偵測與矯正訓練資料存在偏誤的方法。 (七)、訓練期間的計算資源(Computational resources (during training)) 1.訓練時間(Training time)：所測量期間及其時間的描述。 2.訓練使用的計算量(Amount of computation used for training)：說明訓練使用的測量或估計計算量，以運算表示並記錄至其數量級（例如 10^24 浮點運算）。 3.測量方法論(Measurement methodology)：描述用於測量或估計訓練使用計算量的方法。 (八)、訓練及推論的能源消耗(Energy consumption (during training and inference)) 1.訓練耗能(Amount of energy used for training)及其計量方法：說明訓練使用的測量或估計能源量，以百萬瓦時表示（例如 1.0x10^2 百萬瓦時）。若模型能源消耗未知，可基於所使用計算資源的資訊估計能源消耗。若因缺乏計算或硬體提供者的關鍵資訊而無法估計訓練使用能源量，提供者應披露所缺乏的資訊類型。 2.推論運算耗能的計算基準 (Benchmarked amount of computation used for inference1)及其方法：以浮點運算表示方式（例如 5.1x10^17 浮點運算）說明推論運算的基準計算量，並提供計算任務描述（例如生成100000個代幣Token）及用於測量或估計的硬體（例如 64個Nvidia A100）。 二、提供GPAI模型相關資訊(措施1.2) 通用人工智慧模型投放市場時，應透過其網站或若無網站則透過其他適當方式，公開揭露聯絡資訊，供AIO及下游提供者請求取得模型文件中所含的相關資訊或其他必要資訊，以其最新形式提供所請求的資訊。 於下游提供者請求時，GPAI模型提供者應向下游提供者提供最新模型文件中適用於下游提供者的資訊，在不影響智慧財產權及機密商業的前提下，對使其充分了解GPAI模型的能力及限制，並使該等下游提供者能夠遵循其AIA法案義務。資訊應在合理時間內提供，除特殊情況外不得超過收到請求後14日。且該資訊的部分內容可能也需要以摘要形式，作為GPAI模型提供者根據AIA法案第53條第1項(d)款必須公開提供的訓練內容摘要 (training content summary) 的一部分。 三、確保資訊品質、完整性及安全性(措施1.3) GPAI模型提供者應確保資訊的品質及完整性獲得控制，並保留控制證據以供證明遵循AIA法案，且防止證據被非預期的變更 (unintended alterations)。在制定、更新及控制資訊及記錄的品質與安全性時，宜遵循既定協議 (established protocols) 及技術標準 (technical standards)。 參、事件評析 一、所要求之資訊完整、格式標準清楚 歐盟AGPAI實踐準則」的「透明度 (Transparency)」提供模型文件的標準表格，做為GPAI實踐準則透明度章節的核心工具，從名稱、屬性、功能等最基本的模型資料，到所需軟硬體、使用政策、散佈管道、訓練資料來源、演算法設計，甚至運算與能源消秏等，構面完整且均有欄位說明，而且部分欄位直接提供選項供勾選，對於GPAI模型提供者提供了簡明容易的AIA法案資訊要求合規做法。 二、表格設計考量不同利害關係人的資訊需求 GPAI實踐準則透明度章節雖然主要目的是為GPAI模型提供者對由需要充分了解模型及其能力的下游提供者提供資訊，以便其在產品履行AIA法案下的義務。但相關資訊的提供目的，同時也在於讓AIO及國家主管機關履行其AI法案職責，特別是高風險AI的評估。因此，表格的資訊標示區分該欄資訊係用於AI辦公室 (AIO)、國家主管機關 (NCAs) 或下游提供者 (DPs)者，例如模型的訓練、資料清理處理方法、不當內容的檢測、測試及驗證的資料來源、訓練與運算的能秏、就多屬AIO、NCAs有要求時始須提供的資料，無須主動公開也兼顧及GPAI模型提供者的商業機密保護。 三、配套要求公開並確保資訊品質 該準則除要求GPAI模型提供者應記錄模型文件，並要求於網站等適當地，公開提供下游提供者請求的最新的資訊。而且應在不影響智慧財產權及機密商業的前提下，提供其他對使其充分了解GPAI模型的能力及限制的資訊。同時，為確保資訊的品質及完整性獲得控制，該準則亦明示不僅應落實且應保留證據，以防止資訊被非預期的變更。 四、以透明機制落實我國AI基本法草案的原則 我國日前已由國科會公告人工智慧基本草案，草案揭示「隱私保護與資料治理」、「妥善保護個人資料隱私」、「資安與安全 」、「透明與可解釋 」、「公平與不歧視」、「問責」原則。GPAI實踐準則透明度章節，已提供一個重要的啟示—透過AI風險評測機制，即可推動GPAI模型資訊的揭露，對相關資訊包括訓練資料來源、不當內容防止採取做一定程度的揭露要求。 透過相關資訊揭露的要求，即可一定程度促使AI開發提供者評估認知風險，同時採取降低訓練資料、生成結果侵權或不正確的措施。即便在各領域作用法尚未能建立落實配套要求，透過通過評測的正面效益，運用AI風險評測機制的資訊提供要求，前揭草案揭示的隱私、著作、安全、問責等原則，將可以立即可獲得一定程度的實質落實，緩解各界對於AI侵權、安全性的疑慮。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw） [1]The European AI Office, The General-Purpose AI Code of Practice, https://digital-strategy.ec.europa.eu/en/policies/contents-code-gpai 。(最後閱覽日：2025/07/30) [2]The European AI Office, Code of Practice for General-Purpose AI Models–Transparency Chapter, https://ec.europa.eu/newsroom/dae/redirection/document/118120 。(最後閱覽日：2025/07/30)
台灣蕨類大會師台灣蕨類資源相當豐富，為保存台灣原生蕨類植物資源，我國政府於和平鄉鳥石坑規劃成立「蕨類園」，共蒐集台灣原生種蕨類 32科200多種，經過4年培育，蕨類生長茂盛，是很好的科學研究與生活旅遊教材。根據研究，台灣蕨類共37科、約620種，「蕨類園」的目標希望蒐集300至400種台灣中低海拔原生蕨類，做為種源保存、學術研究與解說教育之用。 蕨類是台灣常見的植物之一，在居家圍牆裂縫或庭園造景的石頭縫裡，就可觀察到鱗蓋鳳尾蕨、劍葉鳳尾蕨、細毛小毛蕨和腎蕨等蕨類，但是大多數民眾對蕨類卻非常陌生，因此該中心擬將蕨類納入社區生態與環境教育介紹的主題，教導參觀者如何欣賞各種蕨類之美。 台灣蕨類資源到底有多豐富？根據形容，台灣蕨類比整個歐洲還多，面績是台灣好幾倍大、且非常喜歡蕨類的紐西蘭，也只有 100多種。在單位面積分布上，台灣堪稱蕨類植物的天堂。因此 ， 台灣「蕨類園」之成立將會是台灣生態保育的一個重要里程碑 。