在當前的AI時代，於軍事領域使用機器人已不再是科幻電影的場景。如今，機器人和智慧機器正被頻繁地使用在軍事行動上，執行從監控、獲取情報、偵察、爆裂物處置以及搜救行動等各種任務。

英國政府因擔憂蒐集而來的資訊會被利用於間諜活動，故擬議限制地方政府使用中國的智慧城市技術。這是繼去年禁止使用華為（Huawei）的5G設備以來，第二次對於中國的供應商進行干預。

人工智慧的國際競爭正是美中科技戰的主要背景，而在此一競爭中晶片設計與製造能力成為關鍵的戰略資產。美國研究AI政策的智庫Center for Security and Emerging Technology，在今年四月出版一份報告（AI Chips: What they are and why they matter?），說明AI晶片的發展趨勢以及對美國戰略佈局的重要性。台灣在晶片製造能力上舉足輕重，也註定在這場AI國際競爭中扮演關鍵角色，因此這篇報告值得細讀，本網站詳細摘譯了該報告的內容並分上下兩集刊登。

人工智慧的國際競爭正是美中科技戰的主要背景，而在此一競爭中晶片設計與製造能力成為關鍵的戰略資產。美國研究AI政策的智庫Center for Security and Emerging Technology，在今年四月出版一份報告（AI Chips: What they are and why they matter?），說明AI晶片的發展趨勢以及對美國戰略佈局的重要性。台灣在晶片製造能力上舉足輕重，也註定在這場AI國際競爭中扮演關鍵角色，因此這篇報告值得細讀，本網站詳細摘譯了該報告的內容並分上下兩集刊登。

用一句話概括現代AI技術：機器學習系統利用計算能力來執行從資料中學習而成的演算法。在機器學習中，機器從資料中汲取了自己的見解，這與過去人工驅動的專家系統不同。這句話同時也介紹了AI三組件-演算法，資料和計算能力，三者間的相對優先級會根據技術的發展而變化，但每個要素對於機器學習系統的功能都至關重要。演算法控制著機器學習系統如何處理資訊並做出決策；當今，共有三類主要的演算法：監督式學習，從結構化資料集中獲取見解；非監督式學習，擅長在無組織的資料集中查找結構或集群；強化學習，通過反複試驗來增強機器學習系統的能力。通常，這些演算法在神經網路上運行，神經網路提供了巨大的靈活性和強大功能，但也有其自身的權衡取捨，即其論斷背後缺乏透明度的缺點。

AI新紀元的人才招募，面臨著與過往不同的機會與挑戰。本文透過Q&A的方式，整理AI技術在徵才過程中的主要應用，分析AI徵才具備的優勢、可能造成的偏見與爭議，介紹美國的AI徵才法規，雇主使用AI徵才可能面臨的法律風險，及企業應如何降低使用AI徵才的潛在法律風險。本文也概述具指標性意義的美國伊利諾州《人工智慧影像面試法》如何規範雇主使用AI分析求職者所提供的面試錄影，並分析該法中還有哪些值得深究的疑義。

美國國家衛生研究院（The National Institutes of Health, NIH）的All of Us研究計畫，已開始將遺傳基因結果回饋給提供生物樣本用於研究的參與者，這反映了該項計畫將志願者設為資訊回饋的第一優先順序。最初，參與者可以選擇收到與其血統及遺傳性狀有關的基因資訊，並在之後獲得與健康相關之研究結果。

奧地利、印度及義大利於今年對美國Facebook、Google等大型網路公司開徵數位稅，據知情人士表示，美國已對這三個國家展開調查，並可能在結果出爐後對其祭出報復性關稅，請參閱本報導介紹。