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
韓國樂金飛利浦（LPL）在美國加州控告華映（CPT）專利侵害案，自2002年8月起，至今已纏訟五年之久。 LPL控告CPT侵害其4件Side-mount專利（US6,002,457、US5,926,237、US6,373,537、US6,020,942），與2件Process專利（US4,624,737、US5, 825,449）。華映表示，前4件被加州法院以欠缺依據駁回。對此判決，華映表示欣慰。 LPL與華映之間的專利侵權訴訟爭議不休。華映強調，其在尊重智慧財產權的理念下蒐集證據進行因應，加州法院雖以LPL所提Side Mount訴訟欠缺依據（Lack of Standing）下令駁回LPL訴訟，但就另二件Process專利部份，目前法院對於雙方所提交之post trial motion作出部份同意及部份駁回的決定（Order），但法院尚未做出正式判決。 彭博社報導已傳出，美國洛杉磯聯邦法院網站已公佈裁決文，並同意LPL對華映加重侵權賠償的請求，以及持續侵權與判決前和判決後之利益與法律費用賠償。但並未透露加重賠償之確切金額。就此，華映發表聲明指出，對法官准許LPL部分訴求的初步決定，感到遺憾。華映表示其已掌握證據，待收到法院正式判決後將積極因應，且不排除上訴。
AT&T 控告資料掮客非法竊取客戶通話紀錄AT&T 在 8 月 24 日 控告 25 個販賣資料的掮客（ data broker ），在其訴狀中指出大約有 2500 個客戶的個人紀錄被非法竊取， AT ＆ T 已通知相關客戶已被通知並凍結其帳戶。 AT&T 並未於訴狀中明確地列出被告的名字，表示目前必須利用電腦郵件以及電腦 IP 位址來確認被告為哪些人， AT&T 宣稱一旦這些資料掮客經鑑定被確認後，除了賠償 AT&T 的損害之外，還須償還其販賣資料所獲得的不法利益。 PrivacyToday.com 網站的總裁表示，「買資料的人無處不在，但只有少數的人會非法竊取客戶資料，而這少部分的人大多都可以被追蹤的到。」 這並非唯一的案例，未來將會有越來越多相似的問題產生。被竊取的資料不僅僅只有電話紀錄，還有銀行、醫療或其他個人敏感資料，每分每秒都有人在想著如何取到私密資料並從中獲得不法利益。目前州及聯邦已經考慮立法，將有關電話紀錄的欺騙行為判定為不法行為。
德國法院判決，網站上“連絡我們（Contact-Formula）”非屬德國電信服務法第5條規定之電子聯繫資訊德國Essen地方法院判決（Az. 44 O 79/07），網站上之聯絡我們的功能（Contact-Formula），並不符合網路服務者依德國電信服務法第5條（Telemediengesetz, TMG）所應遵守之資訊揭露義務＊。 根據德國電信服務法第5條第1項第2款規定，網路服務提供者之資訊揭露義務範圍，包括應提供一個供網路使用者可以快速且直接聯繫網路服務提供者之電子聯繫方式，例如提供電子郵件。 按德國電信服務法第5條規定目的在提供消費者法定之保護，而違反本條規定者，將可依德國「不正競爭防止法，UWG」第4條第11款及第2條第1項第2款規定，視為違反公平競爭之行為。 該法院認為，網站上「連絡我們功能（Contact-Formula）」性質上僅屬於一個用以製造連結的科技措施，使用者需填寫網站上表格，按下傳送鍵後，始能得知網路服務者之電子郵件，而有些網站甚至無法顯示網路服務者之電子郵件。 我國於「電子商務消費者保護綱領」第5點企業經營者應提供有利於消費者選擇及進行交易之充分資訊包括「企業經營者本身資訊」，例如登記名稱、負責人姓名及公司簡介、公司或商號所在地及營業處所所在地、電子郵件、電話、傳真等聯絡方式及聯絡人等資訊，資訊提供範圍與德國電信服務法第5條第1項第2款大抵相同。 ＊德國電信服務法（TMG）第5條網路服務者應揭露之資訊範圍包括其聯繫資料、特許職業執照證號、營利事業登記證號等。
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