國際海事組織海事安全委員會決議於2025年前制定非強制性自駕船國際章程
國際海事組織（International Maritime Organization，下稱IMO）於2022年4月20日至29日於線上召開為期9天的海事安全委員會（Maritime Safety Committee，下稱MSC）第105屆例會，會議重點係咸稱之自駕船——亦即海上自動化水面船舶（Maritime Autonomous Surface Ship，下稱MASS）之航行與操作規則。本屆會議總結並延續了MSC近年針對MASS的工作，包括2018年提出MASS實驗框架規範，以及2021年提出MASS法制框架評估等。本屆會議除了賡續規劃MASS的法制路線圖（Roadmap）外，鑒於船舶相關智慧科技快速發展，MSC決議於2025年之前，針對各級MASS制定非強制性（voluntary）之章程及規定後，蒐集各國的實務經驗與意見，再於2027年將其轉為強制性（mandatory）的規定，以於2028年生效並適用於IMO全體會員國。
部分會員國（例如日本）從造船技術出發，建議未來的MASS指南與規範內容應全面覆蓋船舶的設計、建造、系統、設備的功能要求。挪威則建議應按第103屆會議所盤點之法規，優先處理「人員」相關議題，包括船員、船長及遠端操作員的資格，以及當值與行為準則等。韓國則建議，即便是等級最高的全自駕船，亦不可能全面取代人為操作，因此MASS的法制應以「人機協同」為基礎，方能合乎SOLAS公約與IMO促進海上航行安全的目的及宗旨。最後，各國亦擬議將MASS規範優先適用於「貨船」，而非「客船」。本屆會議顯示IMO已加快MASS法制工作的進程並規劃具體之立法期程，我國除了在《無人載具科技創新實驗條例》建立的監理沙盒下已有兩件自駕船實驗案，未來勢必需要對接國際海事規範，航政機關實須提前因應及規劃。
本文為「經濟部產業技術司科技專案成果」
陳文葳
法律研究員 編譯整理
IMO, Maritime Safety Committee (MSC), 105th session (preview) https://www.imo.org/en/MediaCentre/IMOMediaAccreditation/Pages/MSC-105-preview.aspx (last visited May 2, 2022).
ClassNK, Preliminary Report of IMO MSC 105
DNV, Technical Regulatory News No. 12/2022 – Statutory IMO Maritime Safety Committee (MSC 105)
余和謙，〈國際海事組織建立海上自駕船舶監理架構〉，2019年3月，科技法制要聞，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=8208&no=64（最後瀏覽日：2022/05/10）。
科法觀點
馬來西亞個人資料保護委員會（Personal Data Protection commissioner，下稱個資保護委員會）於2023年度收受與個人資料（下稱個資）濫用、外洩相關申訴案件數量達779件，成長數量令人憂心。為確保對於個資保護規範能與國際標準發展同步，並加強個資遭洩漏時即時採取應變措施等相關政策，以解決前述憂心狀況，數位部（Ministry of Digital）於2024年7月10日提出《個人資料保護法》（Personal Data Protection Act 2010, PDPA）修正案，並於同年7月16日經下議院（Dewan Rakyat，馬來語直譯）表決通過。 本次PDPA修正重點包含： 1.設立個資保護官（data protection officer, DPO）制度：強制要求蒐集、處理、利用個資之資料控管者（data controller），及受資料控管者委託而實質處理個資之資料處理者（data processor），均需指派個資保護官。 2.擴張對於敏感性個資（sensitive personal data）定義：與個人身體、生理或行為特徵相關之技術處理所生個資（即生物辨識資料），皆屬之。 3.制訂個資外洩通報制度：強制要求發生個資外洩時須通報個資保護委員會，以及可能受到任何重大損害之個資當事人，惟對於「重大損害」尚未有明確定義。 4.導入資料可攜性：在遵守技術可行性（technical feasibility）與資料格式相容性（data format compatibility）之情境下，允許資料控管者之間在當事人要求下進行資料傳輸。 5.資料處理者的合規遵循義務：舊法僅要求資料控管者須遵守PDPA所規定的安全原則（security principle）；新法則擴及要求資料處理者亦有安全原則之合規遵循義務。 6.提高罰則：舊法對於違反個資保護原則者，最高僅得處300,000馬幣和/或2年監禁；新法提高罰則最高得處1,000,000馬幣和/或最高3年監禁。 7.跨境傳輸規範修正：原則允許資料控管者將個資傳輸至馬來西亞以外，惟應採取適當措施確認及確保資料接收方保護個資之水準與馬來西亞個資法程度相當；並將跨境白名單制度調整為黑名單制度，不得傳輸至政府公布黑名單所列地區。 馬來西亞數位部本次修正PDPA，彰顯該國政府對個資保護之重視，惟關於任命個資保護官資格要求、個資外洩通報重大程度標準等細部規範，則仍須待修正案通過後，經個資保護委員會發布相關指引再行釐清。
日本通過《不正競爭防止法》修正案規範元宇宙商品侵權情形日本國會於2023年6月通過《不正競爭防止法》修正案，新增不正競爭行為態樣，未來在元宇宙中仿製他人商品之虛擬商品或展示、轉讓等行為，可能構成不正競爭行為，健全元宇宙中發生商品侵權的法律應對基礎，預計於2024年6月13日施行。 在元宇宙中仿製他人商品並在元宇宙中展示、轉讓，屬於透過電信線路導致與他人商品混淆、以及使用相似商品描述進行轉讓、交付等行為，但依據《不正競爭防止法》現行第2條第1項第1號及第2號規定，對於仿製商品的轉讓出租行為缺乏透過電信線路態樣的實質規範。商標法對於仿冒商標雖有一定的規範，但若只是仿冒商品設計未觸及商標侵權，受害人無法依商標法對其請求停止侵權或損害賠償。因此本次修法擬補充元宇宙商品侵權的法規範，使在元宇宙轉讓出租仿製商品直接構成不正競爭行為，提供仿製商品在元宇宙轉讓出租所產生損害的請求權基礎。 本次修法新增透過「電信線路」進行不正競爭行為的態樣，根據新修訂《不正競爭防止法》第2條第1項第3號規定，透過電信線路提供轉讓、出租、以轉讓或出租為目的的展示、出口、進口、模仿他人商品型態等行為列為不正競爭行為，受害人可依據《不正競爭防止法》第3條向侵權人請求終止或防止侵權，或依同法第4條向侵權人請求損害賠償。 元宇宙的發展使得現實空間的消費活動轉移到虛擬空間。在元宇宙中，企業和用戶都可以創造虛擬物品並銷售給他人，並在元宇宙中開設虛擬商店，同時在現實與元宇宙提供商品。隨著元宇宙的發展，仿製商品的問題也凸顯出來，元宇宙的智慧財產權維護，需要法律提供保護，使受害人能夠透過法律請求終止侵權或損害賠償。日本的修法提供受害人解決侵權的法律基礎，不僅是保護受害人的權利，也保護元宇宙中的競爭環境，減少仿製商品對競爭的侵蝕，健全競爭環境。
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。
淺析英國建築能源效率政策—Green Deal之融資運作政策研究