美國聯邦通訊委員會通過「數位機會資料蒐集計畫附加規則」，將改善美國境內寬頻網路布建差距之辨識
美國聯邦通訊委員會（Federal Communication Commission, FCC）於2021年1月19日通過「數位機會資料蒐集計畫」附加規則（Digital Opportunity Data Collection additional rules），將幫助FCC蒐集更精確與準確的網路寬頻布建資訊（broadband deployment data），以完成美國境內寬頻網路布建差距之辨識任務。該規則規範了需向主管機關報告關於網路近用性和/或網路覆蓋率相關資訊的報告主體，使需要報告的固網和行動寬頻服務供應商範圍更加明確。另外該規則亦有針對網路服務供應商提出關於固網速度與網路延遲相關報告時，所應遵守事項作規範。
該規則亦針對蒐集各州、地方與部落網路寬頻布建資訊的對應實體(mapping entities）、聯邦政府機構，與第三方單位，制定此三方進行辨識寬頻網路布建差距作業時所應遵守之注意事項，並為網路服務供應商提交固網和行動寬頻覆蓋率地圖資料時，設置其提交流程所應遵守之相關規範。該規則要求行動式網路服務供應商提交依據實際情況的相關基礎設施資訊或現場測試資料，作為FCC對行動式網路覆蓋範圍調查和驗證的資料，這些資料還將應用於擴大某些特定區域行動式網路寬頻覆蓋範圍的相關作業上，以增加該區域居民的使用數位機會。
「數位機會資料蒐集計畫」附加規則將使FCC確切知道寬頻網的可近用服務位置和不可近用服務位置，以及更了解美國的寬頻網路需求，以確保將來每位美國公民都能使使用高速網路服務，這同時也是「數位機會資料蒐集計畫」的目的。
本文為「經濟部產業技術司科技專案成果」
在現今資訊流通快速蓬勃發展的時代，巨量資料(Big Data)帶來效率與生產力等龐大效益已無庸置疑。相較於將資料以「資料倉儲」(Data Warehouse)模式儲存，「資料湖泊」(Data Lake)被廣泛視為巨量資料快速演進的下一步。 美國的醫療保健領域為因應巨量資料發展並提升醫療保健系統的透明度與有責性，美國醫療保險與補助中心(Centers for Medicare & Medicaid Services, CMS)於2013年底建立CMS虛擬研究資料中心(Virtual Research Data Center, VRDC)，讓研究員能夠以安全有效率的方式取得並分析CMS的龐大醫療保健資料。此種資料倉儲模式會對進入的資料預先分類，並整合為特定形式以指導後續分析的方式。缺點在於為讓資料更易於分享，會進行「資料清理」(data cleaning)以檢測及刪除不正確資訊並將其轉換成機器可讀取格式，各資料版本會被強制整合為特別形式，但資料清理和轉換的過程會導致明顯的數據流失，對研究產生不利的限制。有鑑於此，為更有效益的應用巨量資料，Pentaho首席技術官James Dixon提出新的資料儲存理論—資料湖泊(Data Lake)，此概念於2011年7月21日首先被討論於美國《富士比》雜誌中，目前在英美國家公部門和民間企業間已被熱烈討論。 與Data Warehouse最大不同在於Data Lake可包含「未被清理的資料」(unclean data)，保持其最原始的形式。故使用者可取得最原始模式的資料，減少資源上處理數據的必要，讓來自全國各政府機關的資料來源更易於結合。Data Lake主要有四點特性：1.以低成本保存巨量資料(Size and low cost)2.維持資料高度真實性(Fidelity)3.資料易取得(Ease of accessibility)4.資料分析富彈性(Flexible)。儲存超過百萬筆病患資料的加州大學歐文分校醫療中心(UC Irvine Medical Center)即以Hadoop架構為技術建立了一個Data Lake，該中心能以最原始的形式儲存各種不同的紀錄數據直到日後需要被分析之時，可協助維持資料的來源與真實性，並得以不同形式的醫療數據進行分析項目，例如患者再住院可能性的預測分析。 但相對的Data Lake在安全性和檢視權限上也有一定的風險，尤其是醫療保健領域，因為這意味著病患的資料在個資生命週期裡隨時可被取得，因此資訊的取得應被嚴密控制以維持各層級的安全與保障，在建立安全的Data Lake之前，必須審慎考慮誰有資訊檢視權限以及透過什麼媒介取得Data Lake中的資料等問題。
英國國家統計局政府資料品質中心發布《政府資料品質框架》英國國家統計局（Office for National Statistics）轄下之政府資料品質中心（Government Data Quality Hub）為實踐英國數位、文化、媒體暨體育部（Department for Digital, Culture, Media & Sport）發布之《國家資料戰略》（National Data Strategy），於2020年12月3日釋出《政府資料品質框架》（The Government Data Quality Framework），以達成國家資料戰略中「資料基礎（Data Foundation）」之核心目標。該框架提出「資料品質原則」（Data quality principles），旨在解決目前政府資料品質低落的問題。該原則包含以下五點： 一、確保資料品質：機關內部應建立有效的資料治理機制，例如培訓員工具備管理資料的能力、持續改進資料品質等。 二、了解使用者需求：機關應將使用者對資料品質的需求視為優先處理事項。 三、評估資料於資料生命週期各階段之品質：機關應密切關注資料於生命週期各階段之品質，並與使用者及利益關係人交換意見。 四、持續溝通資料品質：機關應持續與使用者交流資料品質現況，提供使用者有效的文件及中繼資料（metadata）。 五、了解造成資料品質低落的主因：分析造成資料品質低落的根本原因，從源頭徹底解決資料品質問題。 英國國家統計局政府資料品質中心希望藉由本框架揭示的資料品質原則，提升政府機關人員主動辨別及解決資料品質問題的能力，以改善政府資料品質、為人民帶來更高品質的資料，釋放資料價值並促進社會經濟發展。
美國通過《音樂現代化法》（Music Modernization Act, MMA）美國於2018年10月11日正式簽署通過《音樂現代化法》（Orrin G. Hatch-Bob Goodlatte Music Modernization Act, MMA），該法搭起時代鴻溝的橋樑。《音樂現代化法》囊括三個從2017年分別通過的子法，並成為《音樂現代化法》中的三個大標題： 第一部份：音樂授權現代化（Music Licensing Modernization） 音樂作品本身的著作權、重製權是「大權利」（Grand Right），而公開傳輸權則是「小權利」（Small Right）。前者是恢復市場機制、自由議價，愈自由愈好；後者則是愈方便、愈能夠使音樂作品被世人看見愈好。《音樂現代化法》實踐了這個理想。《音樂現代化法》成立職司音樂著作授權的非營利組織「音樂機械灌錄集體授權組織」（The Mechanical Licensing Collective, MLC）。該組織是針對「數位音樂串流業者」量身打造，進行音樂數位使用（Digital Uses）的概括式授權（Blanket License）。再者，根據舊法，授權金是法定的，但《音樂現代化法》予以音樂創作人對其作品的授權金額保有協商權（Authority to Negotiate）。同時透過音樂資料庫的建立和免費線上檢索系統，方便音樂使用人查詢與媒合。 第二部份：經典音樂法（CLASSICS Act） 溯及賦予1923年1月1日至1972年2月14日之間的音樂，就未經授權而進行「數位錄音傳輸」（Digital Audio Transmissions）之行為，使之有從首次公開發行後95年的著作權保護。這裡授權的客體所會得到的權利相近於1972年後錄音著作「非互動式數位串流服務」所得到的保護。 第三部份：音樂製作人分潤（Allocation for Music Producers） 在科技世代，一個偉大的音樂創作，並非作曲人獨力完成的，《音樂現代化法》以分潤制度，讓音樂製作人、混音師及音訊工程師首次獲得法律上的權利。
英國上議院人工智慧專責委員會提出AI應用影響報告並提出未來政策建議英國上議院人工智慧專責委員會（Select Committee on Artificial Intelligence）2018年4月18日公開「AI在英國：準備、意願與可能性？（AI in the UK: ready, willing and able?）」報告，針對AI可能產生的影響與議題提出政策建議。 委員會建議為避免AI的系統與應用上出現偏頗，應注重大量資訊蒐集之方式；無論是企業或學術界，皆應於人民隱私獲得保障之情況下方有合理近用數據資訊的權利。因此為建立保護框架與相關機制，其呼籲政府應主動檢視潛在英國中大型科技公司壟斷數據之可能性；為使AI的發展具有可理解性和避免產生偏見，政府應提供誘因發展審查AI領域中資訊應用之方法，並鼓勵增加AI人才訓練與招募的多元性。 再者，為促進AI應用之意識與了解，委員會建議產業應建立機制，知會消費者其應用AI做出敏感決策的時機。為因應AI對就業市場之衝擊，建議利用如國家再訓練方案發展再訓練之計畫，並於早期教育中即加入AI教育；並促進公部門AI之發展與布建，特別於健康照顧應用層面。另外，針對AI失靈可能性，應釐清目前法律領域是否足以因應其失靈所造成之損害，並應提供資金進行更進一步之研究，特別於網路安全風險之面向。 本報告並期待建立AI共通之倫理原則，為未來AI相關管制奠定初步基礎與框架。