LPL與華映在美侵權訴訟–加州法院駁回部份主張
韓國樂金飛利浦（LPL）在美國加州控告華映（CPT）專利侵害案，自2002年8月起，至今已纏訟五年之久。
LPL控告CPT侵害其4件Side-mount專利（US6,002,457、US5,926,237、US6,373,537、US6,020,942），與2件Process專利（US4,624,737、US5, 825,449）。華映表示，前4件被加州法院以欠缺依據駁回。對此判決，華映表示欣慰。
LPL與華映之間的專利侵權訴訟爭議不休。華映強調，其在尊重智慧財產權的理念下蒐集證據進行因應，加州法院雖以LPL所提Side Mount訴訟欠缺依據（Lack of Standing）下令駁回LPL訴訟，但就另二件Process專利部份，目前法院對於雙方所提交之post trial motion作出部份同意及部份駁回的決定（Order），但法院尚未做出正式判決。
彭博社報導已傳出，美國洛杉磯聯邦法院網站已公佈裁決文，並同意LPL對華映加重侵權賠償的請求，以及持續侵權與判決前和判決後之利益與法律費用賠償。但並未透露加重賠償之確切金額。就此，華映發表聲明指出，對法官准許LPL部分訴求的初步決定，感到遺憾。華映表示其已掌握證據，待收到法院正式判決後將積極因應，且不排除上訴。
澳洲國家交通委員會(National Transport Commission, NTC)於2017年10月3日提出「修正駕駛法律以支持自動駕駛車輛(Changing driving laws to support automated vehicles)」討論文件，向相關政府機關與業界徵詢修正駕駛法規之意見。此文件目的在於探討法規改革選項，並釐清目前針對駕駛人與駕駛行為法規對於自駕車之適用，並試圖為自動駕駛系統實體（automated driving system entities, ADSEs）建立法律義務。文件中並指出改革上應注意以下議題： 目前車輛法規皆以人類駕駛為前提； 自動駕駛系統並不具有法律人格，無法為其行為負法律責任； 目前的法律並未提供法律實體之定義或規範（即自動駕駛系統實體ADSEs）來為自動駕駛系統行動負責； 目前有些法律上人類駕駛應負之義務，無法直接於自動駕駛時由ADSEs負擔； 車輛之安全義務於自動駕駛時，可能需由非駕駛之他人執行； 法律中並未定義自動駕駛系統車輛的「控制」與「恰當控制」； 目前沒有規範何時人類應有義務將駕駛控制權力自自動駕駛系統轉移回來，來確保人類駕駛保持足夠之警覺性； 目前的遵循與實施規範可能不足以確保自動駕駛系統的安全運作。 NTC並提出建議應定義自動駕駛系統之法律實體，重新規範人類與自動駕駛系統法律實體間的義務。澳洲國家交通委員會將進一步將諮詢結果與法律改革選項於2018年5月提供給澳洲交通部。
英國資訊委員辦公室提出人工智慧（AI）稽核框架人工智慧（Artificial Intelligence, AI）的應用，已逐漸滲透到日常生活各領域中。為提升AI運用之效益，減少AI對個人與社會帶來之負面衝擊，英國資訊委員辦公室（Information Commissioner’s Office, ICO）於2019年3月提出「AI稽核框架」（Auditing Framework for Artificial Intelligence），作為確保AI應用合乎規範要求的方法論，並藉機引導公務機關和企業組織，評估與管理AI應用對資料保護之風險，進而建構一個可信賴的AI應用環境。 AI稽核框架主要由二大面向所構成—「治理與可歸責性」（governance and accountability）以及「AI特定風險領域」（AI-specific risk areas）。「治理與可歸責性」面向，係就公務機關和企業組織，應採取措施以遵循資料保護規範要求的角度切入，提出八項稽核重點，包括：風險偏好（risk appetite）、設計階段納入資料保護及透過預設保護資料（data protection by design and by default）、領導管理與監督（leadership management and oversight）、政策與程序（policies and procedures）、管理與通報架構（management and reporting structures）、文書作業與稽核紀錄（documentation and audit trails）、遵循與確保能力（compliance and assurance capabilities）、教育訓練與意識（training and awareness）。 「AI特定風險領域」面向，則是ICO特別針對AI，盤點下列八項潛在的資料保護風險，作為風險管理之關注重點： 一、 資料側寫之公平性與透明性（fairness and transparency in profiling）； 二、 準確性（accuracy）：包含AI開發過程中資料使用之準確性，以及應用AI所衍生資料之準確性； 三、 完全自動化決策模型（fully automated decision making models）：涉及人類介入AI決策之程度，歐盟一般資料保護規則（General Data Protection Regulation, GDPR）原則上禁止無人為介入的單純自動化決策； 四、 安全性與網路（security and cyber）：包括AI測試、委外處理資料、資料重新識別等風險； 五、 權衡（trade-offs）：不同規範原則之間的取捨，如隱私保護與資料準確性； 六、 資料最少化與目的限制（data minimization and purpose limitation）； 七、 資料當事人之權利行使（exercise of rights）； 八、 對廣泛公共利益和權利之衝擊（impact on broader public interests and rights）。 ICO將持續就前述AI特定風險領域，進行更深入的分析，並開放公眾討論，未來亦將提供相關技術和組織上之控制措施，供公務機關及企業組織進行稽核實務時之參考。
日本「未來投資戰略2017」日本內閣官房下設之未來投資會議於2017年6月9日，以構築「Society5.0」為目標，提出《未來投資戰略2017》，宣佈未來施政將以「延長健康壽命」、「實現移動革命」、「供應鍊的次世代化」、「街道活性化」以及「Fintech」等5大領域為中心。 在實現移動革命部份，《未來投資戰略2017》計畫藉由無人自動駕駛移動服務、小型無人機和自動駕駛船隻等，提高物流效率與實現高度化移動服務，以減少交通事故和解決人力不足等問題。 與此同時，日本亦將自2018年起展開卡車列隊行駛公路實驗，以期在2022年前達成卡車列隊行駛商業化之目標；此外，亦將於2018年起在山間地帶展開以小型無人機運輸貨物之實驗。除上述自動駕駛技術之實驗外，日本亦將朝向擴大駕駛資料收集和利用，主導制定資料傳輸規格等方向努力，並計畫於2017年底擬定高度自動駕駛系統商業化相關法規及制度之整備大綱。
基改種子與專利品銷售後使用限制之爭議－美國判決之觀點