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
所謂「尖端大型研究設施」，系指日本《特定尖端大型研究設施共用促進法》（特定先端大型研究施設の共用の促進に関する法律）中，由國立研究法人所設置，並受該法規範之研究設施。 該法之目的係在設置被認為不適合於國立實驗研究機關，或進行研究之獨立行政法人中重複設置之以高額經費購置的該研究領域中最尖端技術之研究設施設備，並於該研究領域中進行多樣化研究之活用，以發揮其最大之價值。 目前受到該法規定的研究設施包括特定同步輻射研究設施，其包含了「SPring-8」及「SACLA」等兩座大型同步輻射研究設施，與特定超級電腦設施，亦即超級電腦「京」，以及包括了高強度質子加速器「J-PARC」之一部的特定中子輻射研究設施；以SPring-8為例，該設施之網站上登載有使用情報、使用申請及參考資料等，供欲使用該設施之研究人員參考。
歐盟智慧財產局出版《防偽技術指南》，協助企業及早防免智財侵權風險歐盟智慧財產局（European Union Intellectual Property Office）之智庫「歐盟智財侵權觀察平台」（the European Observatory）於今（2021）年2月出版《防偽技術指南》（Anti-Counterfeiting Technology Guide，下稱本指南），本指南全面介紹目前市面上防偽技術的內容，技術區分成電子型、標記型、化學型、物理型、機械及數位媒體型等五大防偽技術類別，供所有有興趣了解或欲執行防偽技術的各規模、各領域企業們參考。 仿冒為全球性問題，幾乎威脅到了各領域行業的營運與生存，而全球仿冒品數量在互聯網時代之下，以每年增長15%的驚人速度上升中，已嚴重侵害了企業的品牌商譽與智慧財產權。企業雖懂得以註冊智財權的方式自我保護，但仿冒問題對企業帶來的攻擊性日益增加、防偽技術又多如牛毛且複雜，本指南彙整之資訊，尚補充了關於ISO標準的相關技術資訊，如《 ISO 22383:2020 》（產品與文件之安全性、彈性、真實性與完整性-重要產品認證方案之選擇與性能評估標準）。這些資訊可以跟防偽技術一併使用，精進企業整體防偽策略。 此外，本指南對於彙整出的每項防偽技術或ISO的相關技術標準，都予以清楚介紹，並說明技術主要特性、優缺點、用途、實施條件以及相關成本，企業可透過本指南比較各式防偽技術，從而選定最適合其業務性質的防偽技術，及早防範仿冒風險，以保護企業之業務營運與品牌發展。
日本公布第6期科學技術與創新基本計畫草案並募集公眾意見，著重疫情與科技基本法修正後之因應日本內閣府於2021年1月20日發布「第6期科學技術與創新基本計畫」（科学技術・イノベーション基本計画，以下稱第6期科技創新基本計畫）草案，並自即日起至同年2月10日，對外徵求公眾意見。依2020年6月修正通過之日本科學技術與創新基本法（科学技術・イノベーション基本法，預定2021年正式公告施行）第12條規定，要求政府應就振興科學技術與創新創造的政策，擬定基本計畫並適時檢討調整，同時對外公告。而本次草案的提出，便為因應現行的第5期科學技術基本計畫即將屆期，啟動擬定下一期基本計畫。 依草案內容，第6期科技創新基本計畫延續Society5.0的願景，並以數位化及數位科技作為發展核心。但檢視至今的科技創新政策成效，數位化進程不如政策目標所預期；受COVID-19疫情影響，也提升了科技普及化應用的重要性。另一方面，科學技術基本法的修正，則揭示了人文社會科學與自然科學跨域融合運用的方向，並期待藉由創新創造納為立法目的，實現進一步的價值創造。基此，第6期科技創新基本計畫提出，應從強化創新、研究能量及確保人才與資金的三方向為主軸，結合SDGs、數位化、資料驅動及日本共通在地價值，建構出「日本模型」（Japan Model）作為實現Society5.0的框架。 針對如何強化創新能力、研究能量及確保人才與資金，計畫草案提出以下方向： （1）強化創新能力：整體性強化創新生態系（innovation ecosystem），建構具韌性的社會體系，並有計畫地推動具社會應用可能的研發活動。具體作法包含藉由AI與資料促成虛擬空間與現實世界的互動優化、持續縮減碳排放量實現循環經濟、減低自然災害與傳染病流行對經濟社會造成的風險、自社會需求出發推動產業結構走向創新、拓展智慧城市（smart city）的應用地域等。 （2）強化研究能力：鼓勵開放科學與資料驅動型之研究，並強化研究設備、機器等基礎設施的遠端與智慧機能，推動研究體系的數位轉型；以資料驅動型為目標，多元拓展具高附加價值的研究，包含生命科學、環境、能源、海洋、防災等領域；擴張大學的機能，如增進大學的自主性，從經營的角度調整與鬆綁國立大學法人的管理與績效評鑑方式等，用以厚植創新基底。 （3）人才培育及資金循環：目標培養具備應變力與設定議題能力的人才；同時藉由資助前瞻性研發，結合大學的基礎科研成果，激發創新的產出及延伸收益，並回頭挹注於研發，建立研發資金的循環運用體系。
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。