2023年6月9日,日本內閣閣議決定2023年度「朝向數位社會實現之重點計畫」(デジタル社会の実現に向けた重点計画)。該計畫是針對數位社會之實現,明確記載日本政府應迅速且重點性實施的政策及各行政機關於整體社會結構改革(こうぞうかいかく)、個別施行政策之努力,並做為日本向世界提出建言時的羅盤。
其中,值得關注的是日本對於為活用數位技術所做之法規整備。根據2022年12月日本數位廳轄下的數位臨時行政調查會(デジタル臨時行政調査会)的調查,確認與實地檢查、定期檢查、文件閱覽等相關之法律條文內含過時概念,以致於會對數位轉型之發展造成阻礙的條文(下稱過時法律)約有一萬條。對此,數位臨時行政調查會表示,數位改革與法律改革之間的關係為一體兩面,為了最大化發揮數位化的效果,法律改革的相關檢討亦應一併執行。各法律之相關行政機關應依照「基於數位原則對過時法律所作之修正工程表(デジタル原則を踏まえたアナログ規制の見直しに係る工程表)」對各過時法律做出相關檢討,並以2024年6月修正各過時法律為目標。
舉例來說,為實現民事判決的全面數位化,2022年5月18日,日本參議院通過了民事訴訟法等法律的部分修正案,其中最值得關注的部分為當事人可以透過網路向法院提起訴訟、提出準備資料,以及透過網路受領法院送達之相關訴訟文書等。該修正案亦包含訴訟中程序之修正,以言詞辯論程序為例,當事人可透過線上會議之方式進行言詞辯論程序,惟施行期間預計於公告後2年內開始實施。
台灣於2015年7月就智慧財產行政訴訟事件正式啟用線上起訴系統,同年9月開放稅務行政訴訟事件使用,並於2016年開放民事訴訟事件使用。該系統與日本體系不同之處在於,日本目前僅就民事訴訟事件開放線上起訴系統之使用。不過,日本2022年針對刑事訴訟法數位化之部分做出相關報告書,可預期日本將來也會將線上起訴及審理系統導入刑事訴訟法之領域。未來可以持續觀察日本就線上起訴及審理系統之訂定及政策施行方向,作為我國之參照。
本文同步刊登於TIPS網站(https://www.tips.org.tw)
美國國家航空暨太空總署(National Aeronautics and Space Administration,NASA)向企業購買月球Regolith(岩屑層)與岩石物質,並於2020年9月提出《月球Regolith採購工作績效聲明》(Lunar Regolith Purchase Request Performance Work Statement)。惟月球的物質,是否可以開採? 依據《各國探索與應用外太空、月球暨其他天體之活動管理原則條約》(Treaty on Principles Governing the Activities of States in the Exploration and Use of Outer Space, Including the Moon and Other Celestial Bodies)第2條,外太空、月球與其他星體,非任何國家可藉由使用、占領與其他方式,或應用國家經費,而宣稱擁有主權。針對NASA的月球物質採購計畫,是否合乎該條約?NASA署長Jim Bridenstine指出,Artemis計畫增加商業參與,要求企業蒐集小型的月球「塵埃」(dirt),或月球表面的岩石。Jim Bridenstine並認為此項提案,充分遵守該條約與其他國際義務。申言之,NASA認為月球之物質,具有私有化之可能性。 為採購企業蒐集之月球物質,NASA擬定《月球Regolith採購工作績效聲明》,規範企業的義務為:1、自月球表面蒐集50克至500克的Regolith或岩石物質;2、提供NASA蒐集與物質的影像,該資料足以識別蒐集地點為月球表面;3、就地(in-place)移轉NASA蒐集物質的所有權,此些物質並將成為NASA得以使用的私有財產(sole property)。企業得以決定在月球表面的任何地點蒐集,且無須評估蒐集的材料;NASA係採購蒐集狀態(“as-collected” condition),並有權利獨立確認企業蒐集物質的聲明。亦即企業的任務為採購物質,並提出證明;對月球物質的評估,則由NASA為之。 企業對NASA採購月球物質之履行,須於2024年以前完成;NASA對契約的獎勵,並不以月球物質蒐集的數量為基準。NASA對企業採購月球物質的支付依據:10%來自於企業完成NASA概念審查的提案;10%係企業為此蒐集任務,而由企業系統發射航空器至太空;80%為達成移轉NASA太空物質的所有權。另外,機器人登陸器(robotic lander)的設計與建構,並非屬NASA向企業徵集太空物質之內容。換言之,NASA之採購計畫並非強調太空物質之蒐集數量,而係著重於太空物質所有權之移轉。 綜上所論,NASA向企業採購月球Regolith與岩石物質,並以所有權之移轉為主,開啟太空物質私有化的可能性。
法國資料保護機關要求Clearview AI刪除非法蒐集的個人資料法國國家資訊自由委員會(Commission nationale de l’informatique et des libertés, CNIL)自2020年5月起陸續收到民眾對臉部辨識軟體公司Clearview AI的投訴,並展開調查。嗣後,CNIL於2021年12月16公布調查結果,認為Clearview AI公司蒐集及使用生物特徵識別資料(biometric data)的行為,違反《一般資料保護規範》(General Data Protection Regulation,GDPR)的規定,分別為: 非法處理個人資料:個人資料的處理必須符合GDPR第6條所列舉之任一法律依據,始得合法。Clearview AI公司從社群網路蒐集大量全球公民的照片與影音資料,並用於臉部辨識軟體的開發,其過程皆未取得當事人之同意,故缺乏個人資料處理的合法性依據。 欠缺保障個資主體的權利:Clearview AI公司未考慮到GDPR第12條、第15條及第17條個資主體權利之行使,特別是資料查閱權,並且忽視當事人的個資刪除請求。 因此,CNIL要求Clearview AI公司必須於兩個月內改善上述違法狀態,包括:(1)在沒有法律依據的情況下,停止蒐集及使用法國人民的個資;(2)促進個資主體行使其權利,並落實個資刪除之請求。若Clearview AI公司未能於此期限內向CNIL提交法令遵循之證明,則CNIL可依據GDPR進行裁罰,可處以最高 2000萬歐元的罰鍰,或公司全球年收入的4%。
固網業者路權取得相關問題之研究 英國司法管轄權工作小組發布「關於人工智慧損害責任之法律聲明」,旨在闡明英國法律將如何對利用人工智慧造成之損害追究責任英國司法管轄權工作小組(The UK Jurisdiction Taskforce, UKJT)於2026年7月發布「關於人工智慧損害責任之法律聲明」(Legal Statement on Liability for AI Harms)(以下簡稱本聲明),旨在闡明於何種情況下,以及基於何種法律依據,英國法律將對利用AI造成之損害追究責任。 本聲明指出,因利用AI而非故意造成之損害,其責任來源大致可分為契約責任與侵權責任。就契約而言,通常為AI供應鏈中各方分配損害責任之主要依據,AI本身之存在並不會對契約法構成特殊困難之判斷,各方當事人可自由分配風險、定義績效標準並根據自身判斷限制責任。 就侵權責任而言,本聲明認為過失法則(law of negligence)完全可應用於AI造成之損害。粗心之AI使用者很可能因可預見之損害而被追究責任,開發針對特定目標應用程式之開發者亦可能承擔責任,惟基礎模型開發者(Foundation Model Developer)於大多數情況下,皆不太可能因其通用模型之不可預見、或未經充分測試之用途而被追究責任。 除一般侵權責任之外,本聲明並另探討其他特殊侵權行為責任類型如下: (1)代位責任(vicarious liability):由於AI並未具備人格,因此任何人均無需為AI系統本身之行為或故障承擔代位責任;惟若損害係由人類員工於使用AI時不當行為所造成,則雇主可能需要承擔代位責任,此與一般之雇主代位責任並無二致。 (2)不可轉嫁之義務(non-delegable duties):若某人負有不可轉嫁之義務,即保護他人免受傷害,則此人可能即需對他人因自身過錯造成之AI損害承擔責任。例如英國國家醫療服務體系(NHS)信託機構對其患者負有不可轉嫁之義務,假設一家NHS信託機構從第三方開發人員購買一款AI診斷工具,並將其應用於病患照護,若該AI工具有缺陷,而責任在於應用程式開發商,該NHS信託機構不能以此為由逃避對患者造成之傷害責任,因提供合格之診斷服務與工具為信託機構承擔之醫療照護責任重要組成部分,此項責任不可轉嫁。 (3)專業人士責任:專業人士具有「合理技能與注意」(reasonable skill and care)義務,取決於該行業合格成員通常遵循之標準,並參考專業機構之指引。依此,若專業人士不當使用AI、使用不合適之模型、未能進行適當之盡職調查,或未能有效測試、或驗證AI輸出結果,則可能被認定為有過失。此外,若專業人士於應使用AI之情況下卻未使用,亦可能承擔法律責任,因隨AI工具功能日益強大且應用日益廣泛,專業標準也將隨之演變,而未能使用現有技術本身亦可能構成違約。 (4)產品責任(Product liability):依英國《1987年消費者保護法》(Consumer Protection Act 1987)規定,對於瑕疵產品,企業需負嚴格責任,惟目前該規定僅適用於將AI整合到機器人或自動化機器等有形產品中之情況,純軟體形式之AI系統不太可能被現行法律認定為「產品」。 須注意者為,對於開發者而言,本聲明做出重要之區分,即建立針對特定目標應用之開發者,相較提供通用基礎模型之開發者面臨更大的風險,惟AI供應鏈中之所有參與者皆須意識到自身之責任。