世界經濟論壇2020年十大新興科技報告，與健康和環境相關之前瞻科技發展備受矚目
世界經濟論壇（World Economic Forum, WEF）於2020年11月10日發表「2020年十大新興科技報告」（Top 10 Emerging Technologies 2020），報告中提出10個近年出現，且被認為在未來5年內最具有正面改變社會潛力的新興科技，並說明除了關注這些科技帶來的改變外，也應關注其引發的風險。
2020年全球最密切關注的議題為健康與氣候變遷，也因此2020年被認為具有發展潛力的新興技術均與這兩個議題有關，包含：（1）無痛注射與測試用的微針技術（Microneedles）；（2）太陽能化學（Sun-Powered Chemistry）利用可見光將二氧化碳轉換為普通材料，可作為合成藥物、清潔劑、化學肥料和紡織品的材料；（3）虛擬患者（Virtual Patients），替代人類做人體臨床試驗，比一般試驗更快更安全；（4）空間計算（Spatial Computing）以強化虛擬生活和現實的連結；（5）數位醫療（Digital Medicine）應用程式之發展可以診斷甚至治癒疾病；（6）電動飛航（Electric Aviation）裝置，例如電動推進器可以清除直接碳排放（direct carbon emissions），減少九成的燃料成本、五成維護成本和七成噪音汙染，降低整體航空旅程環境污染並提高效率；（7）低碳水泥（Lower-Carbon Cement）的發展作為氣候變遷下的新興建築材料；（8）量子感測（Quantum Sensing）做為高精準度計算方式，將於未來三到五年進入市場，並首重用於醫療和國防應用產業上；（9）新興零碳能源如綠氫（Green Hydrogen），可補充風力和太陽能；（10）全基因合成（Whole-Genome Synthesis）作為下一代細胞工程（cell engineering）尖端科技，使未來醫學得以治癒更多遺傳疾病。
報告中指出，雖然這些新興技術具有改變社會和產業的潛力，但卻無法確保技術本身是否能被妥善使用（Good is not guaranteed）。首先，這些技術仍需要龐大資金以達到成熟度和可利用的價格點（price point），才能與相關產業達成整合化、規模化。此外面對這些新興科技，決策者必須迅速針對可能引發的風險提出對應策略，例如數位醫療在手機應用程式上會引發政府許可、資料利用、隱私等問題。因此，政策與產業如何協作，使用相關科技、限制濫用並控制技術中風險等，是面對是類新興科技應積極考量的方向。
本文為「經濟部產業技術司科技專案成果」
劉芷宜
法律研究員 編譯整理
范晏儒，〈美國專利商標局發布「發明AI」分析報告，由美國專利申請趨勢分析AI技術普及情形〉，資訊工業策進會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&i=180&d=8566&no=64（最後瀏覽日：2021/1/4）。
范晏儒，〈顛覆性創新與共創研發之科研法制建構－以DARPA模式為例〉，《科技法律透析》，第31卷第10期（2019）。
由於日本近年研發品質、數量停滯不前，加上企業研發效率亦落後於外國，經濟產業省（簡稱經產省）於2024年6月21日從三個面向提出政策建議，期能打造成功創新模式。重點如下： 1.發揮新創企業與大企業優勢，促進研發投資 由於研發投資具有回收期間長、獲利不確定等特徵，短時內難以看到成效，故為鼓勵企業持續投入研發，經產省擬制定研發投資效率評價指標，並將透過「新創培育五年計畫」（「スタートアップ育成5カ年計画）下之「新創推動框架」（スタートアップ推進枠），將科研預算優先分配予重點項目，以建立友善研發環境。 2.透過新創資源流動，促進商業化和創造附加價值 新創企業初期往往受限於人力、技術和設備等資源不足問題，難以快速成長及擴張。為解決上述問題，經產省擬制定「跨領域學習」指引及案例集，期能促進新創資源流動，打造創新生態系統。 3.以需求為導向之前瞻技術研發 部份具有高度發展潛力之前瞻技術，如量子和核融合等，因研發風險較高且市場需求不明，將由新能源‧產業技術綜合開發機構（新エネルギー・産業技術総合開発機構）、產業技術綜合研究所（產業技術綜合研究所）等法人進行研發。
何謂電子菸?由於電子煙係利用電流通過霧化器，加熱煙彈（液）內之液體，因該液體混有尼古丁、丙二醇（分子式為C3H8O2，可作為食品添加物）及其他香料，可模擬吸菸時產生類似煙霧的蒸氣及味道。惟縱使電子煙不含焦油，仍可能混有尼古丁和其他化學物質，對於身體健康仍有一定的影響。因此，許多國家基於國民健康等因素，且電子煙之煙彈（液）因可能混合薄荷、水果香味等，造成未成年人誤以為非一般菸品而進行吸食，故多採取必要之管制，例如：禁止電子煙廣告、促銷或贊助。 依我國菸害防制法第14條規定，任何人不得製造、輸入或販賣菸品形狀之糖果、點心、玩具或其他任何物品。違反者，依同法第30條規定，對製造、輸入業者，處新臺幣1萬元以上5萬元以下罰鍰，並令限期回收；屆期未回收者，按次連續處罰；對販賣業者，處新臺幣1千元以上3千元以下罰鍰。此外，違反藥事法第69條規定，非藥物不得為醫療效能之標示或宣傳之規定，故電子煙如宣稱具有「幫助戒菸」、「減少菸癮」或「減輕戒斷症狀效果」等有醫療效能的詞句，即在禁止之列。
調查指出：美國民眾對無線電視數位化缺乏準備美國審計部(Government Accountability Office, GAO)就無線電視數位化轉換一事進行調查並於2008年6月10日公布報告。該調查報告發現，雖然超過8成民眾對無線電視數位化有所認知，但亦有許多民眾認知有誤。 此外，該調查報告亦指出，收看無線電視之民眾中，45%尚未購買機上盒以因應無線電視數位化；反之並不需要為數位化進行準備之民眾(如收看有線電視或衛星電視者)，卻有30%表示已經做好無線電視數位化之因應措施。在此同時，仍有部分低功率電視台將不會全面數位化，故接收無線電視之民眾可能必須備有同時可接收類比與數位訊號之設備，方能夠維持其無線電視的收視。 為鼓勵民眾購買數位機上盒，美國國家電信與資訊管理局(National Telecommunications and Information Administration, NTIA)稍早已經發出80萬張折價券，但僅有不到一半的折價券被使用，至於尚未被使用的折價券亦已逾期而無法使用。 除機上盒的準備外，隨著訊號數位化，無線電視台的訊號強度及受干擾程度也將有所改變，故無線電視台需調整電台或天線的位置，以避免部分地區民眾在數位化後無法收看清晰的影像。美國通訊傳播委員會之工程師指出，約有1%的民眾可能會有前述困擾，但截至目前為止，仍有部分電視台受限於經費問題而尚未有所因應。
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