美國環保署提出汽車廢氣排放新標準以加速電動汽車發展
美國環保署（United States Environmental Protection Agency, EPA）為限制汽車廢氣排放污染物對環境造成的危害，根據美國《潔淨空氣法》（Clean Air Act, CAA）的授權，於2023年4月12日提出《2027年式輕型、中型商用車車型污染物排放標準》（Multi-Pollutant Emissions Standards for Model Years 2027 and Later Light-Duty and Medium-Duty Vehicles），以及《重型商用車溫室氣體排放標準－第三階段》（Greenhouse Gas Emissions Standards for Heavy-Duty Vehicles – Phase 3）這兩件汽車廢氣排放新標準，期加速電動汽車（Electric Vehicle, EVs）發展、加速潔淨交通轉型。
《2027年式輕型、中型商用車車型污染物排放標準》以及《重型商用車溫室氣體排放標準－第三階段》分別針對2027年到2032年所出廠的輕型商用車、中型商用車以及重型商用車的汽車廢氣排放標準做出更嚴格的新規範，預計將成為美國迄今為止最嚴格的汽車廢氣排放標準。目標是到2032年時，輕型商用車行駛每英里二氧化碳平均排放量下降至82公克，溫室氣體排放量相較於2026年車型年標準將減少56%；中型商用車行駛每英里二氧化碳平均排放量下降至275公克，溫室氣體排放量相較於2026年車型年標準則將減少44%。至於重型商用車，以重型拖曳機（heavy-haul tractors）為例，將從2027年車型年行駛每噸英里二氧化碳平均排放量48克，到2032年時下降至41公克左右。
根據這兩件汽車廢氣排放新標準，並未禁止化石燃料汽車的製造或銷售、亦未規範要求電動汽車的年製造量或年銷售量要達多少數量或比率，而是為汽車限定更嚴格的廢氣排放標準，因此，仍無疑地將迫使汽車製造商減少販售化石燃料汽車、加速推動電動汽車生產的腳步以符合新的排放標準規定。環保署預測汽車製造商在為符標準所採的相應作法之下將會大幅提高電動汽車在新車的銷售比率：到2032年時，電動汽車將佔輕型商用車新車銷量的 67%、中型商用車新車銷量的46%。而此累計可望到2055年時減少約100億噸的二氧化碳排放，相當於美國2022年二氧化碳總排放量的兩倍多。將有效減少有害空氣汙染、並大幅降低因空氣汙染所致的罹病風險以及過早死亡等危險。
藉由新的排放標準，將逐步淘汰化石燃料汽車的生產，加速潔淨交通轉型，有效應對氣候危機並提高全國各社區空氣品質。
- Biden-Harris Administration Proposes Strongest-Ever Pollution Standards for Cars and Trucks to Accelerate Transition to a Clean-Transportation Future, U.S. Environmental Protection Agency
- Sean Reilly, Regan plugs in EPA plan to accelerate move to EVs, E&E News, Apr. 12, 2023
- SEBASTIAN BLANCO, Strict EPA Rules for 2027–2032 Vehicles Announced, Garnering a Range of Reactions, Car and Driver, Apr. 14, 2023
- David Jordan & Valerie Yurk, To boost EVs, EPA proposes stricter vehicle emissions standards, Roll Call, Apr. 12, 2023
陳怡廷
法律研究員 編譯整理
Biden-Harris Administration Proposes Strongest-Ever Pollution Standards for Cars and Trucks to Accelerate Transition to a Clean-Transportation Future, U.S. Environmental Protection Agency, https://www.epa.gov/newsreleases/biden-harris-administration-proposes-strongest-ever-pollution-standards-cars-and (last visited Apr. 30, 2023).
Sean Reilly, Regan plugs in EPA plan to accelerate move to EVs, E&E News, Apr. 12, 2023, https://www.eenews.net/articles/regan-plugs-in-epa-plan-to-accelerate-move-to-evs/ (last visited Apr. 30, 2023).
SEBASTIAN BLANCO, Strict EPA Rules for 2027–2032 Vehicles Announced, Garnering a Range of Reactions, Car and Driver, Apr. 14, 2023, https://www.caranddriver.com/news/a43546970/new-strict-epa-mpg-rules-for-2027-2032-vehicles/ (last visited Apr. 30, 2023).
David Jordan & Valerie Yurk, To boost EVs, EPA proposes stricter vehicle emissions standards, Roll Call, Apr. 12, 2023, https://rollcall.com/2023/04/12/to-boost-evs-epa-proposes-stricter-vehicle-emissions-standards/ (last visited Apr. 30, 2023).
Proposed Rule: Multi-Pollutant Emissions Standards for Model Years 2027 and Later Light-Duty and Medium-Duty Vehicles, U.S. Environmental Protection Agency, https://www.epa.gov/regulations-emissions-vehicles-and-engines/proposed-rule-multi-pollutant-emissions-standards-model (last visited Apr. 30, 2023).
Proposed Rule: Greenhouse Gas Emissions Standards for Heavy-Duty Vehicles – Phase 3, U.S. Environmental Protection Agency, https://www.epa.gov/regulations-emissions-vehicles-and-engines/proposed-rule-greenhouse-gas-emissions-standards-heavy (last visited Apr. 30, 2023).
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。
以「公私夥伴關係(PPP)」發展科技之作法近來常聽聞各國以公私夥伴關係(Public-Private Partnership, PPP)之模式發展產業科技，PPP故名思義，係指結合公私部門之力量，以共同達成公共政策目標之合作模式。公部門可借重私部門的專業、經驗與品質，使其服務更有效率，私部門也可得到政府與政策之支持。 如今科技進步程度往往可代表ㄧ國之競爭力，惟科技研發需投入大量成本，因此各國多有針對科研補助之相關政策，從早年的單方補助，到如今強調公私合作進行科研的PPP模式。各國亦提出各種產官學合作研發的模式或組合之立法或相關政策。例如成立獨立非營利法人讓各項研發活動進行更方便、研究設施設備共享更容易的日本「技術研究組合」、芬蘭之SHOKs。荷蘭近來亦大力推行PPP研發之策略。德國之高科技領先戰略計畫( Spitzencluster-Wettbewerb)亦以區域聚落(該區域聚落即包含產業界、大學及其他相關學術機構)為單位，藉競爭給予補助的方式，促成該地區產官之緊密合作。
歐盟行動電視管制架構及發展策略－以市場進入管制為中心