摘譯人：葉方叡、高敬堂、康敏軒
研究團隊：AICoE治理組

緒論

本文概述九種新興人工智慧管制途徑，並輔以各國法律與法案作為例證，希望為立法者提供一份清晰、結構化的管制工具清單，以供其在國內立法進程中採納及整合^[1]。

自2016年起，許多國家已通過有關人工智慧（下稱AI）之法律；過去三年間，各國立法機關亦逐漸增加AI相關法案的討論，本文之目的在於向立法者及其幕僚團隊說明各國立法機關當前正在研議的AI管制途徑，並將協助立法者在通過人工智慧相關法案前，了解不同的人工智慧管制途徑，呈現方式為由輕度監理措施漸次過渡至較為嚴格者，並以各國具體條文舉例說明。各項途徑不相互斥，且各國的法律與法案經常結合兩種以上的途徑。

本文所稱「管制途徑」（regulatory approaches）係指立法或監管機構為透過法規實現政策目標所採用的策略、方法與工具；其次，將「法規」界定為「一套具體命令」的狹義概念，包括「由專責機關施行之具拘束力規則」；最後，本文所稱「人工智慧系統」，係指「以近似智慧行為處理資料與資訊的系統，通常包含推理、學習、感知、預測、規劃或控制等功能（按：依據UNESCO《人工智慧倫理建議書》之定義）。值得注意的是，學術文獻、國際組織及各國法律對於人工智慧系統的定義不勝枚舉，這將決定法律適用的範圍，並影響整個監理流程。

範圍：本文將探討公部門所發布、可能於人工智慧系統生命週期任一階段影響參與者之強制性法規，這些法規並非只限於禁止或限制的管制途徑，亦包括促進及賦能。由於本文旨在提供國會議員參考，將聚焦於國家級或超國家級（跨國）立法機構所頒佈或討論的AI法律，故不涉及地方立法機構、行政監管機關所發布之規則，或是司法機關作出之判決，且重點探討「專門針對」或「實質處理AI系統」的法規。

本文分為三部分，以緒論開頭，界定本文之目的、相關定義與探討範圍；第二部分輔以具體案例說明九種新興管制途徑；第三部分則提出對政策制定者之建議作結。

1. 新興AI監管途徑（Emerging AI regulatory approaches）^[2]

本部分說明受跨國、國家及次國家層級人工智慧治理框架影響之九種管制途徑。管制工具之間的差異具有光譜的特質：從自律／軟法到較為嚴謹完備的法規與制度治理，不同的作法間常有相似之處，且可相互結合運用。

人工智慧管制途徑可能隨時間演變；例如，某一法域可能最初採行以原則為基礎之途徑，其後再進一步探索並採行其他途徑。

1.1 以原則為基礎（Principles-based Approach）

以原則為基礎的管制途徑向利害關係人提供一套基本原則，透過符合倫理、負責任、以人為本，且遵守人權的流程，指引人工智慧系統之開發與利用。UNESCO《人工智慧倫理建議書》（Recommendation on the Ethics of Artificial Intelligence）及OECD《人工智慧建議》（Recommendation of the Council on Artificial Intelligence）皆為值得利害關係人參考的國際人工智慧原則。

各國之人工智慧法律及法案，均明示或默示重申UNESCO所揭示之原則。例如秘魯揭示「風險安全標準（risk-based security standards）」、「多方利害關係人途徑（multi-stakeholder approach）」、「負責任人工智慧之倫理發展（ethical development for responsible artificial intelligence）」及「隱私權」等原則；而菲律賓《人工智慧管制法》（AI Regulation Act）草案則訂有六項指引人工智慧系統之開發、應用與使用的原則，包括(1) 包容性成長^[3]、永續發展與福祉、(2) 以人為本的價值與公平性、(3) 穩健性（Robustness）、與安全性、(4) 可問責性、(5) 透明度與可解釋性、(6) 信任。

純粹揭示原則的人工智慧管制途徑，並未對公部門、私部門或個人課予具體的義務或限制，亦未對違反相關規定課予法律責任，須由受規範者自行判斷應該如何遵循原則，並加以調整。

然而，此途徑可與創設具體義務及權利之管制途徑相結合，此際，原則旨在為法規的解釋與執行提供方向，例如，英國支持創新的AI管制方法（pro-innovation to AI regulation）白皮書即要求監理機構於執行既有規則時，應考量上開原則。

1.2 以標準為基礎（Standards-based Approach）

以標準為基礎之途徑運用標準制定組織（standard-setting organisations）所開發之技術標準作為依據，創造法律誘因（如推定滿足監理要求）以鼓勵各部門與技術標準接軌。在此做法下，專家或產業公會得直接或間接參與人工智慧系統技術標準的制定程序。

以EU AI Act第40條為例，符合「協調標準（harmonised standards）」之高風險人工智慧系統或通用人工智慧模型（general-purpose AI models，GPAI），應推定其已符合「建立風險管理系統」、「具備充分透明度」、「允許人為監督」等監理要求。

英國「人工智慧標準中心」（AI Standards Hub）已辨識出近500項與人工智慧相關之標準，涵蓋可問責性、準確性與效能、政府採購、偏見與歧視、資料（蒐集、管理、處理、保護、品質、共享）、文件記錄、可解釋性與透明性、形式化驗證（formal verification）、人權、以人為本設計、人機互動、互操作性（Interoperability）、組織治理、隱私、專案管理、風險管理、穩健性、安全性、資訊安全與韌性、技能與準備度、利害關係人參與與溝通及永續性、系統架構、系統生命週期，以及系統品質等眾多領域。

值得注意的是，產業標準的制定通常早於法規制定，可為法案制定參考。

1.3 靈活且具實驗性（Agile and Experimentalist Approach）

此途徑是已被運用於電信、金融、個資法、政府採購等領域之彈性管制機制^[4]。其中一種方式是監理沙盒，讓公私部門在公部門的監督及協助下，適用較為彈性的管制標準，測試新的商業模式、設施及工具。

以EU AI Act為例，第3條第44bg款規定^[5]，監理沙盒是具體且受控的框架，人工智慧系統之提供者得於監督下，依實際情境開發、訓練、驗證及測試創新的人工智慧系統，該法第57條規定，各會員國應確保主管機關於國家、區域或地方層級設立人工智慧監理沙盒。符合資格之提供者，得於取得限時的管制豁免，並獲得履行法定義務的輔導與指引。

監理沙盒的運作可反映管制作法可能產生之影響，作為未來規劃的參考。

1.4 促進與賦能（Facilitating and Enabling Approach）

管制工具亦可透過鼓勵公私部門開發合乎倫理且遵守人權之人工智慧系統，以促進並營造AI有利環境，為AI創造這樣的環境是各國的關鍵任務，人工智慧法律及法案得納入與建構人力資本、技術、基礎設施及制度脈絡相關條款。

例如，日本於2025年制定之《人工智慧技術研究開發及應用促進法》，規定政府應促進AI技術研發（第11條）、提升基礎設施建置與使用（第12條）、確保、培訓和提升各領域人才的專業素質（第14條），以及增進大眾對AI技術之認知與興趣（第15條）等基本政策事項。

此外，韓國《人工智慧法》第16條至第23條則概述對人工智慧產業、勞動力培訓及國際合作的支持。特別值得注意的是，國家立法可促進跨境人工智慧合作，包括發展互通性框架（interoperability frameworks），以強化資料基礎設施，藉以有效運用人工智慧。

同樣地，秘魯2023年第31814號法律第2條規定：「培育數位人才運用新興與新技術以增進社會與經濟福祉是符合國家利益的。」

1.5 資訊取得與透明度義務（Access to Information and Transparency Mandates Approach）

演算法透明度義務是人工智慧法案中最常見的原則。在此途徑中，組織須部署透明化工具，使民眾得以近用人工智慧系統之基本資訊，可能包括模型如何開發、用以訓練模型之資料、系統如何運作、系統之效能、該系統之影響為何，以及民眾如何向該系統所作成的決定提出異議等。

已有一些國家對公部門課予演算法透明度義務。例如法國《數位共和國法》（Loi pour une République numérique）第6條即規定，公部門必須公布作成決定所依據之主要演算法。

此外，歐盟《人工智慧法》第50條也對人工智慧系統提供者課予透明度義務。例如，人工智慧系統應使自然人知悉其正與人工智慧系統互動，並人工智慧系統之輸出結果應以機器可讀格式（machine-readable format）標記，且可被偵測為AI生成。該條文也規定生成深度偽造（deepfake）影像、音訊與影片的使用者，應揭露該內容為人工智慧生成；透過人工智慧生成（以文字形式的）有關公共利益資訊的使用者，也應揭露該文字經人工智慧生成。

南韓《人工智慧法》第31條：「（3）提供難以與現實區辨之AI生成內容（如聲音、圖片或影片）之業者，應明確告知使用者該成果由人工智慧系統生成。若該成果為藝術性或創作性作品，該通知（或標示）得以不妨礙展示的方式為之。」亦為本途徑之立法例。

值得一提的是，對於人工智慧法規的其他關鍵目標，例如可解釋性及可問責性，透明性義務是不可或缺的基石。

1.6 調整既有法規途徑（Adapting Existing Laws Approach）

部分司法管轄區傾向於調整特定領域的法規（如醫療、金融、教育、選舉、司法）及通用規範（如刑法、政府採購法、個人資料保護法、勞動基準法），而非另訂人工智慧專法。這種途徑的潛在優勢在於讓立法者可以逐步根據AI科技發展所造成的影響，漸進式地完善管制框架。

例如，GDPR第22條規定：「資料主體應有權不受僅基於自動化處理（包括建檔）所作成而對其產生法律效果或類似之重大影響之決策所拘束。」便透過調整個人資料保護法以應對人工智慧所帶來的影響；另一個調整通用規範之案例，為哥倫比亞2025年提高利用人工智慧系統的冒名行為（如深偽）之刑度。

1.7 以風險為基礎（Risks-based Approach）

以風險為基礎的管制途徑是透過對風險的評估，決定管制的優先順序。此種管制途徑已被用於環境、稅務、食品安全、天災及消費者保護等領域，著重於預防及控制人工智慧開發及使用過程中的相關風險，具體方式為依各類型人工智慧系統風險之高低，量身訂作管制義務或需求，並排定優先順序、區分風險等級，並依風險等級決定介入措施。

歐盟《人工智慧法》將AI系統依據風險課予不同義務，如「基於執法目的在公共場域使用實時遠端生物特徵識別系統」，屬於「不可接受風險」，故禁止使用（禁止清單見第5條）；而高風險之AI系統須履行涵蓋風險管理、資料治理、技術文件、紀錄保存、透明度義務、人為監督、準確性、穩健性及網路安全有關之特定義務。

1.8 以權利為基礎（Mandatory Rights-based Approach）

具強制性的權利基礎管制途徑，其核心目的在於保障個人之權利與自由，此做法認為市場失靈並非立法的唯一理由，而是奠基於國際人權條約，以權利保障、促進正義分配等積極目標而制定，將新興權利明定於法律中，以確保在人工智慧系統生命週期中，人權及其他經濟、社會權利獲得應有的保障。

Margaret Mitchell提出一套框架，說明人工智慧系統生命週期各階段可能受負面影響之利害關係人（資料創造者、資料當事人、開發者、部署者、使用者及（其他）受人工智慧影響之人），以及可能影響的人權，進而提出保障各權利所需之相應監理工具；同樣地，John Cantius Mubangizi針對非洲國家提出以人權為基礎的作法，主張「賦權於權利者（及負擔義務、享受特定權益的個人或社會族群），使其得以主張並行使其權利；同時強化義務承擔者之能力（負有尊重、保護、促進及實現人權之義務的國家或非國家行為者）」^[6]。

另一個具體範例為GDPR就自動化決策系統（Automated Decision Making, ADM）處理個人資料之規定^[7]。該義務並非取決於風險等級，而是一律適用於該情況。有些公民團體主張，以權利為基礎的管制途徑可能比風險基礎管制途徑保障更佳，因為人權義務不論風險高低均應一律遵守^[8]。

同樣地，肯亞《2019資料保護法》（DPA）確立資料當事人針對個人資料自動化處理所享有的權利，該法第35條第1項規定指出：「每位資料當事人皆有權不受僅基於自動化處理（包括剖析）所作成而對其產生法律效力或造成重大影響的決定所約束。」此外，第 35 條第 2 項及第 3 項明定，利用自動化決策（ADM）系統作決定的資料控制者或處理者必須「以書面通知資料當事人，說明已作出僅基於自動化處理的決定」，且「資料當事人在收到該通知後的合理期限內，得要求資料控制者或資料處理者：(i) 重新考量該決定；(ii) 或做出非純粹基於自動化處理的新決定。」

以下兩個 AI 法範例，說明了與 AI 相關之新興權利的創設：第一個，菲律賓《人工智慧監管法》草案（HB 7913）第三章確立了「AI 權利法案」，具體闡述了四項權利：(a) 免受不安全與無效 AI 系統侵害的權利（Right to Protection from Unsafe and Ineffective AI Systems）；(b) 免於演算法歧視的權利（Right Against Algorithmic Discrimination）；(c) 隱私權（Right to Privacy）；(d) 知情權（Right to Know）；第二個，巴西第2338/2023^[9]號法案明定受人工智慧系統影響之人之權利（第5、6條）、「獲取人工智慧系統所作決策之相關資訊並瞭解之」相關權利（第7、8條）、「聲明異議並請求人為介入」（第9條及第11條），以及「免受（AI系統）歧視並修正直接、間接、非法或濫用等具歧視性之偏誤」的權利（第12條）。

1.9 責任歸屬（Liability Approach）

責任歸屬途徑，將針對不當利用AI系統之行為課予對應的法律責任（不限刑事、行政或民事責任）並加以制裁。於此途徑下，法律之強制力被用於禁止特定行為、要求採取積極作為，或制定進入特定領域（市場）的准入條件。

例如，歐盟《人工智慧法》規定第99至101條制訂了違反該法之罰則，最高得處3500萬歐元之罰鍰，若違法者為企業，則最高得處其上一會計年度全球總營業額7%之罰鍰（以較高者為準）。此外，提供者、授權代表、進口商、經銷商及部署者若未遵守相應義務，得處「最高1500萬之行政罰鍰；若違法者為企業，則最高可處其前一會計年度全球年度總營業額的 3%，以兩者中取其高」（第 99 條）。

2. 結論與立法者應考量之重點（Conclusions and key considerations for parliamentarians）

在了解各種管制做法後，政策制定者需要針對不同情境，尋找最適合的人工智慧管制途徑。

2.1 人權與數位落差（Human rights and digital divides）

由於數位落差，特定人工智慧系統之開發與使用，可能為少數人帶來鉅額回報，同時卻對一般大眾及弱勢群體造成嚴重影響，政策制定者也應了解用於消弭不平等問題的各式管制工具，具體的問題如：(a) 用於人才招募之人工智慧系統，可能複製並強化社會偏見，形成性別及種族歧視；(b) 透過製作及散布色情深偽（deepfake）內容，造成性別暴力；(c) 生成式人工智慧創作的媒體素材，可能助長假訊息之散布，特別是涉及民主政治與選舉相關事務時；(d) 以人工智慧為基礎之生物特徵辨識系統進行大規模監控，可能違反資料保護相關法律，並助長種族歧視；(e) 欠缺課責機制的自動化決策系統；(f) 低收入戶及身心障礙者在近用人工智慧系統時所面臨的阻礙；(g) 資料近用權；(h) 語言多樣性；(i) 能力培養／素養等。

2.2 參與式與包容性立法程序（Participatory and inclusive legislative processes）

人工智慧管制法規應開放各方參與討論，並納入來自私部門、公民團體、公務員、利害關係人，以及可能受人工智慧影響之群體與社群的多元意見；立法機關應將多元觀點納入審議過程，而非僅仰賴專家意見訂定法規。

2.3 透過實證探索因應特定挑戰之管制工具（Explore regulatory instruments that respond to specific policy challenges through evidence-based processes）

人工智慧為涵蓋多種功能的技術統稱，並無單一管制工具或措施足以因應所有情況，因此，管制機構應辨識、診斷並因應不同人工智慧系統的問題及挑戰，據以立法。

2.4 靈活管制（Agile regulation）

人工智慧系統及其他新興數位技術之快速發展，需要有彈性的管制規則，特別是在風險較低且未影響人權的情況下，沙盒應作為政策制定者可運用之靈活管制工具之一，以因應技術創新的快速發展。立法者可參考資訊通訊技術（Information and Communication Technologies, ICT）及金融科技（fintech）等領域實施監理沙盒之經驗。

2.5 識別運作良好之實務與借鑑其他法域之經驗（Identify good practices and learn from other jurisdictions’ experiences）

識別在其他法域運作良好之實務，不僅限於實質法規內容，亦包括立法程序，例如強化管制進程中多方利害關係人之參與。此並非指政策制定者應在沒有相似脈絡的前提下完全移植他國法律，反之，良好實務的特徵為：(A) 分辨與人工智慧相關之問題及議題；(B) 了解技術之生命週期；(C) 考量不同光譜的各種管制工具；(D) 監測管制之結果與影響，並透過靈活途徑對新的管制反覆調整；(E) 在人工智慧管制的相關審議過程中建立多方利害關係人場域，為立法進程作準備^[10]。

2.6 為執行過程中的挑戰做準備（Prepare for implementation challenges）

目標確立後尚須因應實際上的挑戰，找出因地制宜之解方，是以，立法者至關重要之責任，在於了解其國家所具備、並應加以建構之能力，以營造有利人工智慧開發、使用及執法之環境。

附錄1：所引用人工智慧法律與法案清單（Annex 1: List of cited AI laws and bills）^[11]

註釋

[1] 譯註：原文亦提及，本報告係為聯合國大會成立之第一次Global Dialogue on AI Governance（於日內瓦舉辦）之討論素材。↩︎

[2] 譯註：作者特別強調，本章中的舉例並非為這些法律或法案符合國際人權法的要求與否背書。↩︎

[3] 譯註：意指財富創造、經濟自由與機會平等可以共存的成長模式。參見https://www.imf.org/en/publications/fandd/issues/2024/03/b2b-what-is-inclusive-growth-ruchir-agarwal?path=publications%2Cfandd%2Cissues%2C2024%2C03%2Cb2b-what-is-inclusive-growth-ruchir-agarwal↩︎

[4] 原註10：敏捷（Agile）是一種來自軟體工程的概念，指的是透過快速的迭代創造價值，於此譯為「彈性」以貼近中文語境。↩︎

[5] 譯註：現行EU AI Act內容已有修改，與內容最接近者為第3(55)條：AI regulatory sandbox’ means a controlled framework set up by a competent authority which offers providers or prospective providers of AI systems the possibility to develop, train, validate and test, where appropriate in real-world conditions, an innovative AI system, pursuant to a sandbox plan for a limited time under regulatory supervision;↩︎

[6] 譯註：參照原文引註：For a report on the role of AI standards in the EU’s AI Act, see Mark McFadden and others, ‘Harmonising Artificial Intelligence: The Role of Standards in the EU AI Regulation’ (Oxford Information Labs 2021)↩︎

[7] 譯註：參照GDPR 第22條。↩︎

[8] 譯註：參照原文引註：“Agile emerged from the field of software development and is a style of working that embraces change and brings fast, tangible value to stakeholders through iterative product development”. Nelly Stratieva, ‘An Agile Approach to the EU AI Act Ecosystem’ (2024) 1 Journal of AI Law and Regulation 102.↩︎

[9] 譯註：原文誤植為2238，法規原文參照：https://www25.senado.leg.br/web/atividade/materias/-/materia/157233（最後瀏覽日：2026年09月26日）。↩︎

[10] 原註40：UNESCO Global Network of AI Supervisory Authorities 就是一個案例，這個論壇提供全球參與者交換對於人工智慧管制之意見。↩︎

[11] 譯按：此表改以原文資料加以排版、編輯而成。↩︎