日本內閣府發布「綜合創新戰略2024」

為應對日益嚴峻的國際情勢,並避免研究能力下降、生態系進展緩慢對經濟、社會發展造成衝擊,日本內閣府於2024年6月4日發布「綜合創新戰略2024」(統合イノベーション戦略2024),提出三大強化措施與三大發展主軸,綜整未來科技與創新的重要發展方向。具體內容整理如下:

1.強化措施

(1)關鍵技術綜合戰略
開發核心技術,在各戰略領域如人工智慧、機器人、物聯網等,透過產官學界合作推進技術融合與研究開發、推動人才培育,並促進新創發展。

(2)加強國際合作
從全球視角積極運用資源進行策略性協作,並以促進開發利用、確保安全性為主要目標,主導、參與重要技術相關之國際規則制定。

(3)強化人工智慧領域競爭力並確保安全性
包含創新研發人工智慧之應用,及利用人工智慧加速創新速度等。

2.發展主軸

(1)推進先進科技戰略
針對各重要領域如人工智慧、核融合能源、量子科技、生物科學、材料科學、半導體與通訊技術(6G)推展研究;確保大學與研究機構之研究安全性與倫理,並為設立智庫強化研究機能預做準備;同時綜合運用各領域的知識創造價值,為整體社會提供自動化、省力化、防災減災之科學技術。

(2)研究能力與人才培育
透過補助優秀大學與研究費用、扶植區域核心及具有特色的研究型大學、強化國家研究設施並促進設施間之合作性發展研究基礎;以及推動開放政府資助研究之資料與學術論文。

(3)營造創新生態系
透過SBIR計畫(Small Business Innovation Research,小型企業創新研發計畫)補助,並促進新創企業之政府採購;藉由產官學合作推展創新;以及擴大政府與民間研發投資規模,促進人才、技術、資金在大企業與新創公司間流動等。

日本政府認為,核融合能源與量子科技等關鍵技術將為新產業發展的開端,本戰略亦將成為未來日本新一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)開展之基礎。我國於半導體、量子科技等關鍵科技發展皆緊跟國際腳步,因此相關戰略措施後續之推動與落實,亦值得我國持續關注、參考。

相關連結
你可能會想參加
※ 日本內閣府發布「綜合創新戰略2024」, 資訊工業策進會科技法律研究所, https://stli.iii.org.tw/article-detail.aspx?d=9242&no=57&tp=1 (最後瀏覽日:2026/03/11)
引註此篇文章
你可能還會想看
溫室氣體減量法草案出爐 新廠成本支出大增

  京都議定書已於二月正式生效,本年底將開始討論新興國家的管制措施,環保署預期,台灣最快將在二 ○ 一二年後,與其他新興工業國家並列為下一波管制對象。為了因應京都議定書未來的要求,我國已完成溫室氣體減量法的立法草案。未來政府將啟動總量管制的強制措施,明定溫室氣體總量管制等多項強制規範;並賦予經濟部可依法禁止或限制高耗能產業設置,或限制高碳類燃料輸入。惟未來新設工廠排放量必須列為企業總量管制的應削減量,雖然允許企業可與其他部門或不同產業類別交易排放量,但因成本支出大增,企業界認為影響投資意願而反彈聲浪甚大。   根據這項法案,一定規模以上的溫室氣體排放源,應採用最佳防制設施,新增溫室氣體排放量須列為實施總量管制後的「應削減量」,並作為環境影響評估審查通過承諾事項。也就是說,石化、鋼鐵等高耗能產業新設廠房、生產線時,依法必須使用高效能技術或設備,因而產生的溫室氣體量,亦必須在企業總排放量內進行削減。   惟這項規定,產業界認為向市場或向能源服務公司購買排放權,對新設工廠將大幅增加成本支出,影響投資意願,在環保署內審議時反彈聲浪甚大。由於產業界反彈甚大,環保署不但延後送出法案審議,同時考慮明定以「基限年」作為新設工廠是否須先在企業總量管制內削減,而基限年則視國際對新興國家管制動作而定。   法案並規定當國際規範我國溫室氣體應削減量時,啟動總量管制措施,企業必須依法削減既存的排放量,企業可與其他住宅或運輸部門交易,也可在同一產業類別或跨產業類別進行抵換或交易。如果總量管制仍無法達到減量目標時,將進一步實施碳稅新制。

英國無線電頻譜管理改革政策(上)-政策源起與目標

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。

淺談美國建築能源科技法制政策發展近況

TOP