美國情報體系發布「情報體系運用人工智慧倫理架構」
美國國家情報體系（United States Intelligence Community）係於1981年依據行政命令第12333號（Executive Order 12333）所建立，其任務為蒐集、分析與提供外國情報與反情報資訊美國國家領導人，服務對象包含美國總統、執法單位以及軍事單位。其於2020年6月提出「情報體系人工智慧倫理架構」（Artificial Intelligence Ethics Framework for the Intelligence Community），為人工智慧系統與訓練資料、測試資料之採購、設計、研發、使用、保護、消費與管理提出指引，並指出人工智慧之利用須遵從以下事項：
一、於經過潛在風險評估後，以適當且符合目的之方法利用；
二、人工智慧之使用應尊重個人權利與自由，且資料取得應合法且符合相關政策與法規之要求；
三、應於利用程序內結合人類判斷與建立問責機制，以因應AI產品之風險並確保其決策之適當性。
四、於不破壞其功能與實用性之前提下，盡可能確認、統計以及降低潛在之歧視問題。
五、AI進行測試時應同時考量其未來利用上可預見之風險。
六、持續維持AI模型之迭代（Iteration）、版本與改動之審查。
七、AI之建立目的、限制與設計之輸出項目，應文件化。
八、盡可能使用可解釋與可理解之方式，讓使用者、審查者與公眾理解為何AI會產出相關決策。
九、持續不定期檢測AI，以確保其符合當初建置之目的。
十、確認AI於產品循環中各階段之負責人，包含其維護相關紀錄之責任。
本文為「經濟部產業技術司科技專案成果」
余和謙
法律研究員 編譯整理
Intelligence Community, Principle of Artificial Intelligence Ethics For The Intelligence Community（2020）, https://www.intelligence.gov/artificial-intelligence-ethics-framework-for-the-intelligence-community (last visited Aug. 10, 2020).
吳佳琳，〈歐盟公布人工智慧白皮書〉，法律要聞，https://stli.iii.org.tw/article-detail.aspx?tp=1&i=180&d=8427&no=64（最後瀏覽日：2020/08/10）。
蔡宜臻，〈歐盟議會發布《可信賴人工智慧倫理準則》〉，法律要聞，https://stli.iii.org.tw/article-detail.aspx?tp=1&i=0&d=8248&no=64（最後瀏覽日：2020/08/10）。
國內推出的「奈米標章」日前開放申請，第一批受理的奈米產品是與人體未直接碰觸的奈米光觸媒脫臭塗料、光觸媒抗菌瓷磚、及光觸媒抗菌燈管等三項產品，經濟部可望在今年3月核發第一批標章，並在今年內再開放五項奈米產品申請。 目前國內生產相關奈米磁磚廠商有泉耀科技等、奈米燈管業者有台灣日光燈及東亞照明等、奈米塗料廠商有台灣富萊寶科技等都可望提出申請，有機會成為第一 批拿到奈米標章的廠商，因我國也是全球第一個推出奈米標章國家，對政府積極推動發展奈米產業助益大。 經濟部指出，第一批僅開放三項奈米產品，是基於安全起見，以未與人體直接碰觸的產品為主，其他與人體直接接觸的奈米紡織品、奈米化妝品及保養品等尚未納入，第二批開放五項奈米產品也還未敲定。
京都議定書效應 核電乾淨能源鹹魚翻身京都議定書實施後，號稱最乾淨能源的核電，反而有利於環境；而台灣燃煤電廠密度列世界前茅，是否有必要再檢討「非核家園」政策，值得觀察。 調查顯示，美國除了將要提前除役的核電廠延役外，芬蘭、韓國、日本都有建新核電廠的計畫，中國大陸更將以一年一座核電的速度，持續到 2020 年，美國奇異公司、法國、甚至韓國都有意分食這塊大餅，就連台灣反核的師法對象德國，都有改弦易轍的打算。 另外，根據國際原子能委員會推估， 2020 年前全球將有超過 60 座的核電廠上線運作，將全球核電廠的數量推升到 500 座，這些核電廠大多分布在亞洲。 目前台灣燃煤發電廠密度名列世界前茅，不論是二氧化碳及汞汙染都十分嚴重，面對京都議定書，燃煤電廠勢必不能再增加，不必將核能發電排除在未來選項中。面對京都議定書所造成的新論點，及國際能源不斷上漲的新趨勢，台灣在六月份全國能源會議中該訂定新的能源比例，不必特別排除核能發電，並發展再生能源，另外，在鼓勵汽電共生政策中，該特別鼓勵天然氣電廠，以減少燃煤電廠比例不斷上升。
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。
簡介美國700MHz頻段之使用規劃