NHTSA要求自動駕駛系統及L2自動駕駛輔助系統回報意外事件
美國國家公路交通安全管理局（National Highway Traffic Safety Administration, NHTSA）2021年6月29日 「自駕車與配備等級2駕駛輔助系統車輛之意外事件回報命令（Standing General Order 2021-01：Incident Reporting for Automated Driving Systems and Level 2 Advanced Driver Assistance Systems）」，課予系統製造商與營運商意外事件回報義務，重點如下：
（1）適用範圍：全美境內公共道路上發生之車輛碰撞事件，事發前30秒至事件結束期間內曾經啟用等級2駕駛輔助系統或自動駕駛系統。
（2）意外事件定義：事件中任何一方有人員死亡或送醫治療、車輛必須拖吊、安全氣囊引爆或事件涉及弱勢用路人（vulnerable road user）。
（3）回報期限：須於知悉事件後隔日立即回報，知悉後10日傳送更新資料，如後續仍有發現新事證，應於每月15號傳送更新。自駕車發生碰撞，即使無人傷亡、無車輛拖吊或安全氣囊引爆，仍需於次月15號傳送事件回報。
（4）回報方式及項目：需至NHTSA指定網站註冊帳號，線上填寫制式通報表格。項目包含車籍資料、事件時間、地點、天候、路況、傷亡及財損情形等等。
NHTSA收到的回報資料，原則上會在將個人資料去識別化後對大眾公開，惟若系統製造上或營運商主張部分資訊為商業機密，可另行向NHTSA之諮詢辦公室通報審核。如逾期未報或隱匿資訊，可處每日最高22,992美元罰金，累計最高罰金為114,954,525美元。
本文為「經濟部產業技術司科技專案成果」
楊至善
法律研究員 編譯整理
NATIONAL HIGHWAY TRAFFIC SAFETY ADMINISTRATION, Standing General Order 2021-01：Incident Reporting for Automated Driving Systems and Level 2 Advanced Driver Assistance Systems (2021), https://www.nhtsa.gov/sites/nhtsa.gov/files/2021-06/Standing_General_Order_2021_01-digital-06292021.pdf (last visited Aug. 4, 2021)
劉彥伯，〈簡析自動駕駛巴士應用於我國上路營運所需面臨之法制預備方向〉，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=8675&no=64（最後瀏覽日：2021/08/13）
劉彥伯，〈美國佛羅里達州於2021年07月正式開放低速自駕貨車得於道路上行駛〉，資訊工業策進會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?no=64&tp=1&d=8692（最後瀏覽日：2021/08/13）
柯亦儒，〈美國交通部提出自駕車全面性計畫，以促進自動駕駛系統規範環境之整合、透明性與現代化〉，資訊工業策進會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?no=64&tp=1&d=8638（最後瀏覽日：2021/08/13）
羅文妗，〈德國聯邦政府內閣通過自駕車草案〉，資訊工業策進會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?no=64&tp=1&d=8637（最後瀏覽日：2021/08/13）
歐盟執委會下設機構策略與評估服務中心(CSES)在2016年2月向歐洲議會提出歐洲落實工業4.0政策執行分析報告，指出執行工業4.0帶來的科技、社會、以及商業環境變遷： （1）科技變遷 數位化將對中小企業帶來挑戰，其中涉及之法律議題包括：促進數位安全致生之企業成本或風險、智慧財產權保護、個人資料與隱私、環境保護、健康和安全等。 （2）社會變遷 企業應用工業4.0技術時將面臨工作方式上之調整，整體工業4.0技術分佈不均則有可能導致集中化競爭的情形增加。 （3）商業環境變遷 隨著中小企業參與供應鏈，將帶來成本、風險、缺乏彈性、缺乏政策性的單獨運作等各方面挑戰，而重點在於藉由標準化串起整體產業，與其他的企業競爭。 我國在2016年7月通過「智慧機械產業推動方案」，以精密機械之推動成果及我國資通訊科技能量為基礎，導入智慧化相關技術，建構智慧機械產業新生態體系，並且預期能打通供需生產資訊鏈，提升人均製造力，同時併以連結在地、連結未來、連結國際為推動策略主軸，其中相關的法律議題、以及對於社會或商業環境帶來的變遷影響評估，自屬重要。
歐盟執委會發布「歐洲風電行動計畫」，支持歐洲風電相關產業之發展歐盟執委會於2023年10月24日發布「歐洲風電行動計畫（European Wind Power Action Plan）」，以支持歐洲風電相關產業發展並強化其競爭力，同時確保該產業能在綠色轉型的過程中持續扮演關鍵角色，並以此提高整體風電的裝置容量。該計畫要求委員會、成員國和產業應立即採取以下6個方向的行動措施： （1）透過可預測且快速的許可程序，加速風電的建置 執委會與成員國將共同發布「Accele-RES」倡議，推動許可流程的數位化、許可機關的職員訓練及建立政策指引文件，以及提高許可相關議題之討論層級；並且，鼓勵成員國透過風電承諾（Wind Pledges）、透明的競標時程表和長期的規劃來提高開發專案進度的透明度。 （2）改善風電競標機制的設計 在《淨零產業法（Net-Zero Industry Act）》草案和電力市場設計改革的基礎上，建立更客觀、非歧視性且透明化的風電競標標準，並將目標入法使相關策略具法律約束力。 （3）促進資金的取得 為了擴大對於歐洲風能產業的投融資，歐盟執委會將透過創新基金、歐洲投資銀行（EIB）提供歐盟風電相關產業的資金，以及融資擔保；並利用國家援助（State Aid）規範對歐盟風電供應鏈提供補助。 （4）建立公平且具競爭性的國際環境 為確保風電產業能在公平競爭的環境中順利營運，歐盟執委會將密集監管可能有利於外國業者的不公平貿易行為，並將持續利用貿易協定促進歐盟業者進入外國市場，同時推動風電產業的規格標準化。 （5）培育產業技能 建立「大規模技能合作夥伴關係（Large scale skills partnerships）」以及透過《淨零產業法》推動「淨零產業技能學院」，培訓風電產業技術人才，包含針對青年、婦女與長者的職能培育計畫，以及勞工技能提升與再培訓計畫，因應積極的氣候目標以及市場規模快速擴張所創造之人力需求。 （6）鼓勵產業投入與成員國的承諾 歐盟執委會將與成員國和風電產業共同制定歐盟風能憲章（EU Wind Charter），促進更多風電利害關係人參與締約，擴大憲章適用對象，以建立歐洲風電產業能保持競爭力的優良環境。
音樂著作授權費 演出拉鋸戰根據著作權法第 82 條規定，著作權仲介團體與利用人間，對使用報酬爭議之調解，由著作權專責機關設置著作權審議及調解委員會辦理。新近社團法人中華音樂著作權仲介協會（ MUST ）提出網路電視、電影、網路廣播、網路上提供音樂欣賞、入口網站、網路音樂下載等行業業者公開傳輸費率，業者如有串流、下載、同步傳輸行為，應繳納高額之授權費用，遭到 業者抗議，此舉將遏殺數位業者萌芽的機會。 事實上在 94 年時，智慧局的費率審議委員會即曾駁回 MUST 提出的網路電視、電影等公開傳輸費率，但因網路電視、網路影片，所運用的素材不只是音樂，還包括小說、攝影、圖片，如果每一著作人都主張要收費，利用人的負擔將太重，所以智慧局當時並未通過其新費率。 不過，新近 MUST 又重新提出一個新的費率，網路電視、電影（ MOD ）如以串流方式公開傳輸，授權費用是業者前一年營業收入的 6% ；如果下載到硬碟、光碟片等，不是重製權，只是收下載「過路費」，授權使用費提高到前一年度營收的 10% ；如果是網路電視、電影同步傳輸，則以前一年度營收 2% 收取費用。即使是公益、非營利性的網路電視、電影，也要以全年度節目製播預算的 0.3% 計算音樂著作使用報酬。 由於此一費率與新興網路業者生存關係重大，經濟部智財局於 4 月中旬舉行「 MUST 新增、調高公開傳輸、公開演出使用報酬率意見交流會」，會中最後同意，由同行業的利用人團體一起組成談判小組，再與 MUST 進一步協商，具體討論出雙方能接受的方案。
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。