澳洲政府公布「國家電池戰略」，概述澳洲將如何擴大電池製造能力和技術，提升經濟韌性和安全性
澳洲政府2024年5月23日公布「國家電池戰略」（National Battery Strategy），這是澳洲政府推動「澳洲未來製造」（Future Made in Australia）政策計畫重要的一環。該戰略概述政府將如何擴大澳洲電池製造能力和發展專業技術，提升澳洲的經濟韌性和安全性。
戰略文件中，主要行動分為五項：
一、建立電池製造能力，增強經濟韌性，利用優勢促進國家經濟增長：
以2024年4月公布的《澳洲未來製造法》（Future Made in Australia Act）作為支持電池行業的法源。政府未來10年會提供227億澳元，投資包括再生氫、綠色金屬、低碳液體燃料、關鍵礦產精煉和清潔能源製造技術。
二、培養人才知識和技能，創造澳洲本土工作機會：
建立電池製造園區，結合企業和研究機構，將電池研究集中在有顯著需求和具市場潛力的領域。
三、確保澳洲在全球電池供應鏈中的地位：
重點支持構建供應鏈韌性的製造業，透過國際合作，應對氣候挑戰，支持電力轉型，創造清潔能源貿易機會，推廣高ESG標準。
四、在永續、標準和循環經濟方面引領世界
支持澳洲各地建立電池回收設施，補助電池回收技術的研究和測試，同時要求電池產業採取嚴格和有效的ESG措施。
五、促進各級政府合作
與各級政府合作，採取一致的標準和方法發展電池技術。透過聯合採購推動電池產業，並集中管理和輔導澳洲電池製造商。
澳洲擁有豐富的礦物資源，供應全球一半的鋰，但是其所製造的加工電池元件占全球不到1%；「國家電池戰略」的發布顯示澳洲政府希望利用自身優勢，在全球能源轉型中佔有一席之地的企圖心。
黃郁婷
法律研究員 編譯整理
National Battery Strategy, Council of the EU, May 23, 2024 https://www.industry.gov.au/sites/default/files/2024-05/national-battery-strategy.pdf (last visited Dec. 4, 2024)
林鈞，〈歐盟發布綠色政綱產業計畫，提供綠色轉型、國家補助、供應鏈韌性政策〉，資策會科法所法律要聞，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=8964&no=64（最後瀏覽日：2024/09/04）。
歐盟執委會於2022年11月21日通過《歐洲互通法案》（Interoperable Europe Act）（下稱本法案），以強化歐盟公共部門的跨境互通與合作，加速數位化轉型。跨境互通將使歐盟及其成員國為公民與企業提供更優良的公共服務，並預計為公民節省550萬至630萬歐元的成本；為與公共行政有業務上往來的企業節省57億至192億歐元的成本。 《歐洲互通法案》為歐盟的公部門建立一套合作模式，該模式有助於建立安全的跨境資訊交換及可互通的數位共享解決方案（如開源軟體、指引、IT工具等），使彼此之間合作更有效率，進而帶動公部門創新。舉例而言，Covid-19疫情期間，互通性政策使醫院間得共享重症監護病床之數量資訊，以提供人民最即時的醫療資源。本法案架構如下： 1.結構化的歐洲合作：由歐盟成員國和區域、城市共同合作，制定跨境互通的共同戰略議程，並得到公共和私人的支持，實施互通性解決方案與進度監控。 2.強制性評估：評估跨境互通之IT系統對歐盟的影響。 3.共享和再利用解決方案：透過歐洲入口網（Interoperable Europe Portal）及社群合作的一站式平台，提供支持共享與再利用的解決方案（如開源軟體）。 4.提供創新和相關支持措施：包括監理沙盒（sandboxes）、GovTech計畫及訓練措施等。 自2010年以來，歐洲互通性框架（European Interoperability Framework, EIF）一直作為歐盟互通性政策的主要參考依據，惟始終不具有約束力。本法案將使EIF成為單一參考依據，使歐盟公共服務部門擁有互通性政策，並未來互通性合作框架將由歐洲互通委員會（Interoperable Europe Board）指導，該委員會由歐盟成員國、歐盟執委會、地區委員會（Committee of the Regions）及歐洲共同體經濟和社會委員會（European Economic and Social Committee）之代表組成。 可互通的數位公共服務對建構數位單一市場至關重要，除提升經濟效益和行政效率外，案例研究亦表明，互通性對提高政府信任可產生正面積極影響，同時本法案充分尊重現有的隱私與資料保護規則，以符合歐盟創建以人為中心的規範方法，提升個人基本權利。
德國聯邦政府公布人工智慧戰略，制定AI發展及跨領域應用框架德國聯邦政府於2018年11月15日公布聯邦政府人工智慧戰略（Strategie Künstliche Intelligenz der Bundesregierung），除了針對人工智慧一詞定義外，並概述德國人工智慧戰略的3項基本原則，14項目標和12項行動領域。 第一項原則係透過該戰略，為德國在人工智慧（AI）的發展和應用制定整體政策框架，促進德國成為人工智慧最佳研究環境，以及人工智慧在產業與中小企業之應用，以確保德國未來競爭力。第二項原則係人工智慧在社會各領域有多種應用可能性，將可明顯促進社會進步和公民利益，因此重點將強調AI的應用對於人類和環境可帶來的益處，並加強社會各界對於人工智慧主題的密集交流及討論，確保AI朝負責且共同利益為出發點的開發及應用。第三項原則將透過廣泛的社會對話和積極的政策框架，將道德，法律，文化和制度結合人工智慧之應用融入整體社會。 該戰略列舉之工作項目同時包括評量標準，包含建置德法創意網（虛擬中心）、起草國家級且持續性的教育策略、加強相關創業投資力道、針對相關新創公司提供綜合性諮詢和推廣服務、針對自願提供且符合隱私規範之共享資料與建立資料分析基礎設備者研擬獎勵及促進框架、利用風險投資、創業融資和成長科技基金計畫擴展籌資機會、建立至少12個AI應用中心、將人工智慧列為研發機構跳躍式創新的焦點，未來5年加強產學研合作項目推廣、將環境與氣候的人工智慧應用列為發展亮點、共同決策人工智慧技術的導入與應用、透過中小企業4.0中心每年至少與1000家企業建立聯繫並進行AI訓練、將AI實驗室應用情境移轉至工作場所、進一步發展人工智慧平台學習系統、設計擘劃跨領域社會科學之「未來數位化工作與社會基金」、進一步制定相關數位化轉型專家策略、建立德國人工智慧觀測站、組織以人為中心的人工智慧工作環境之歐洲和跨大西洋對話、促進具自決權，社會與文化參與性及保護公民隱私之創新應用、聯邦政府於2025年前將投資約30億歐元於人工智慧發展、開發人工智慧生態系統、培養至少100名相關領域新教授、與資料保護監督機關及商業協會召開圓桌會議。
中研院開發「奈米質譜檢測技術」1小時知道是否罹癌「蛋白質體學」是醫學研究的新領域，透過對「蛋白質變異」的研究來瞭解疾病的機制，現在已經可以成功診斷出許多疾病。不過，因為血液中跟疾病有關的「標記蛋白質」，含量往往很低；傳統「酵素免疫法」（ ELISA ）的檢測流程總得進行個大半天，往往造成時間的浪費。 中央研究院發表獨步全球的「磁性奈米粒子」質譜驗血技術，只要使用小學生使用的磁鐵，就可以迅速「大海撈針」，從血液中吸出和ＳＡＲＳ、癌症、中風等病症相關的標記蛋白質，可以在一小時內診斷病情。這項研究成果正在申請國內外專利，臨床實驗、認證後，民眾未來只要多花幾百塊錢，就能夠享受這項最新的奈米科技。不管胃癌、乳癌或大腸癌，只要 ELISA 能夠檢測的項目，這套技術都可以更有效率地完成。不過因為「質譜儀」價格昂貴，臨床運用又需相關認證，普及化可能還得再等一段時間。
日本發布《資料品質管理指引》，強調歷程存證與溯源，建構可信任AI透明度2025年12月，日本人工智慧安全研究所（AI Safety Institute，下稱AISI）與日本獨立行政法人情報處理推進機構（Information-technology Promotion Agency Japan，下稱IPA）共同發布《資料品質管理指引》（Data Quality Management Guidebook）。此指引旨於協助組織落實資料品質管理，以最大化資料與AI的價值。指引指出AI加劇了「垃圾進，垃圾出（Garbage in, Garbage out）」的難題，資料品質將直接影響AI的產出。因此，為確保AI服務的準確性、可靠性與安全性，《資料品質管理指引》將AI所涉及的資料，以資料生命週期分為8個階段，並特別強調透過資料溯源，方能建立透明且可檢核的資料軌跡。 1.資料規劃階段：組織高層應界定資料蒐集與利用之目的，並具體說明組織之AI資料生命週期之各階段管理機制。 2.資料獲取階段：此步驟涉及生成、蒐集及從外部系統或實體取得資料，應優先從可靠的來源獲取AI模型的訓練資料，並明確記錄後設資料（Metadata）。後設資料指紀錄原始資料及資料歷程之相關資訊，包含資料的創建、轉檔（transformation）、傳輸及使用情況。因此，需要記錄資料的創建者、修改者或使用者，以及前述操作情況發生的時間點與操作方式。透過強化來源透明度，確保訓練資料進入AI系統時，即具備可驗證的信任基礎。 3.資料準備階段：重點在於AI標註（Labeling）品質管理，標註若不一致，將影響AI模型的準確性。此階段需執行資料清理，即刪除重複的資料、修正錯誤的資料內容，並持續補充後設資料。此外，可添加浮水印（Watermarking）以確保資料真實性與保護智慧財產權。 4.資料處理階段（Data Processing）：建立即時監控及異常通報機制，以解決先前階段未發現的資料不一致、錯漏等資料品質問題。 5.AI系統建置與運作階段：導入RAG（檢索增強生成）技術，檢索更多具參考性的資料來源，以提升AI系統之可靠性，並應從AI的訓練資料中排除可能涉及個人資料或機密資訊外洩的內容。 6. AI產出之評估階段（Evaluation of Output）：為確保產出內容準確，建議使用政府公開資料等具權威性資料來源（Authoritative Source of Truth, ASOT）作為評估資料集，搭配時間戳記用以查核參考資料的時效性（Currentness），避免AI採用過時的資料。 7.AI產出結果之交付階段（Deliver the Result）：向使用者提供機器可讀的格式與後設資料，以便使用者透過後設資料檢查AI產出結果之來源依據，增進透明度與使用者信任。 8.停止使用階段（Decommissioning）：當資料過時，應明確標示停止使用，若採取刪除，應留存刪除紀錄，確保留存完整的資料生命週期紀錄。 日本《資料品質管理指引》強調，完整的資料生命週期管理、強化溯源為AI安全與創新的基礎，有助組織確認內容準確性、決策歷程透明，方能最大化AI所帶來的價值。而我國企業可參考資策會科法所創意智財中心發布之《重要數位資料治理暨管理制度規範（EDGS）》，同樣強調從源頭開始保護資料，歷程存證與溯源為關鍵，有助於組織把控資料品質、放大AI價值。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw）