日本經產省和總務省共同發布AI業者指引草案，公開徵集意見
因應生成式AI（Generative AI）快速發展，日本經產省和總務省彙整及更新自2017年起陸續發布之各項AI指引，於2024年1月19日共同公布「AI業者指引草案」（AI事業者ガイドライン案，以下簡稱指引），公開向民眾徵集意見。上述草案除提出AI業者應遵守以人為本、安全性、公平性、隱私保護、透明性、問責性、公平競爭、創新等共通性原則外，並進一步針對AI開發者（AI Developer）、AI提供者（AI Provider）及AI利用者（AI Business User）提出具體注意事項，簡述如下：
（1）AI開發者：研發AI系統之業者。由於在開發階段設計或變更AI模型將影響後續使用，故指引認為開發者應事先採取可能對策，並在倫理和風險之間進行權衡，避免因重視正確性而侵害隱私或公平性，或因過度在意隱私保護而影響透明性。此外，開發者應盡量保留紀錄，以便於預期外事故發生時可以進行說明。
（2）AI提供者：向AI使用者或非業務上使用者提供AI系統、產品或服務之業者。提供者應以系統順利運作及正常使用為前提，提供AI系統和服務，並避免侵害利害關係人之利益。
（3）AI使用者：基於商業活動使用AI系統或服務之業者。使用者應於提供者所設定之範圍內使用AI，以最大限度發揮AI效益，提高業務效率及生產力。
本文為「經濟部產業技術司科技專案成果」
周晨蕙
副主任 編譯整理
〈AI事業者ガイドライン案」の意見公募手続（パブリックコメント）を開始します〉，経済産業省，https://www.meti.go.jp/press/2023/01/20240119002/20240119002.html (最後瀏覽日：2024/03/23).
沈娟娟，〈OECD發布「促進人工智慧風險管理互通性的通用指引」研究報告〉，資訊工業策進會科技法律研究所，2024年3月，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=9134&no=64 （最後瀏覽日：2024/03/23）。
毛定瑜，〈以色列發布人工智慧監管與道德政策〉，資訊工業策進會科技法律研究所，2024年3月，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=9133&no=64（最後瀏覽日：2024/03/23）。
陳郁潔，〈法國國家資訊自由委員會將推出符合GDPR的人工智慧操作指引（AI how-to sheets）〉，資訊工業策進會科技法律研究所，2024年1月，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=9109&no=64 （最後瀏覽日：2024/03/23）。
韓國創意內容振興院（Korea Creative Content Agency, KOCCA）、韓國著作權保護院（Korea Copyright Protection Agency, KCOPA）及韓國漫畫家協會，為杜絕非法傳播網路漫畫，營造網路漫畫著作權保護環境，保護網路漫畫著作權，已於2023年3月10日宣布與相關機構簽署協議，創造著作權保護環境，以營造適當之網路漫畫消費文化。 根據2022年發佈之《2022年上半年內容產業趨勢分析報告》顯示，2022年上半年，網路動漫內容產業出口金額比2021年增長27.9%，約 5600 萬美元（725 億韓元），相關產業正穩定增長中。然而，截至2021年，網路漫畫非法發行市場規模卻比起2021年增長53%，達到8427億韓元，表明非法發行造成的損失規模正在迅速擴大。 依據網路漫畫著作權保護協議，相關單位將共享現有網路漫畫著作權保護運作之經驗及必要資源，規劃三方合作提高網路漫畫用戶著作權保護意識之活動宣傳、共享網路漫畫著作權保護資料，相互合作查明非法使用網路漫畫的國內外實際情況，推動網路漫畫著作權產業正向運作。 漫畫產業之串流時代已逐漸形成，尤以韓國及中國大陸成長迅速，侵權問題亦隨之攀升，如何在快速發展之內容產業中，互通著作權資訊及提前預防侵權，係產業需關注之問題。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。
美國擬制訂私人通聯記錄保護法案美國國會能源及商業委員會（ Energy and Commerce Committee ）於 2006 年 3 月 8 日 透過匿名表決的方式，通過「防止詐欺取得通聯記錄法」草案（ Prevention of Fraudulent Access to Phone Records Act ），希望透過立法的方式保障消費者之隱私權，並要求電信公司加強保護消費者之通聯記錄。由於各黨派對本法案已有共識，故預計於近期排入國會議程後，順利完成立法。 根據美國國會議員 Joe Barton 表示，美國目前對於電話通聯記錄的取得並未進行規範，任何人均可輕易的透過網路購得相關資料。由於通聯記錄中往往包含許多個人之隱私或是敏感性資料，部分不肖之徒（如身份竊盜者、非法的個人資料販賣商）會藉此故意取得個人通聯記錄，以窺探隱私，甚或以此進行犯罪行為。 有鑑於此，美國計畫透過本法案，嚴格禁止以詐騙方式取得電話記錄的情形，並賦予聯邦公平交易委員會（ Federal Trade Commission ）有權對違反本法規定者進行民事處罰。此外，本法案亦要求電信業者必須符合本法規定之資料安全保護的要求，若違反本法之規定而造成損害，單一案件得處以最高 30 萬元之罰鍰，若為多重案件，則得處以 10 萬元以上 300 萬元以下之罰鍰。
日本推動智慧醫療照護與巨量資料應用之趨勢觀察