美國專利商標局月底啓動「三路」試行計畫（“Triway”Pilot Program）
美國專利商標局（USPTO）在2005年11月，與歐洲專利局（EPO）及日本專利局（JPO）之三邊會前會上，提出了一個簡稱為「三路」（Triway）的檢索共享計畫，該計畫希望能使三局的檢索技術發揮槓桿效果，進而能使專利申請者及各該專利管理當局受惠。
三局其後在2007年11月的三邊會前會上同意先期進行有限的試驗計畫。
「三路」的基本構想乃希望透過縮短時效來推廣資源分享，同時能使申請者及各該管理當局在很短的一定時間內取得三局的檢索結果，進而使申請者及各該局有機會能分享及考量所有的檢索結果，同一協助改善各該局對同一專利申請者專利審定之品質。
在「三路」試行計畫下，各該局對於在巴黎公約下之同一專利申請將適時提早進行檢索，且各該局的檢索結果將由三局共同分享以減少各該局的檢索及審查工作量。
三局同意「三路」試行計畫之試行對象限於在美國專利商標局首次提出申請者，並限於一百個試行專利申請案，試行計畫將在明年的同一時間結束，或在接受一百個試行專利申請案後提前結束。
美國專利商標局（USPTO）於2020年10月27日發布「發明AI：由美國專利觀察AI普及情形」（Inventing AI: Tracing the diffusion of artificial intelligence with U.S. patents）智財資料分析報告，本報告分析2002年至2018年共16年間美國AI專利之申請資料，發現在AI專利申請數量由3萬件成長至6萬件，成長幅度為100%，而在全體專利當中AI相關專利所占比率，也由原本的9%成長至接近16%，顯示在AI技術研發創新與普及率的顯著成長。 報告指出，自1950年圖靈（Alan Turing）提出「機器能否思考？」問題以來，現今AI技術的發展已經達到連圖靈也會讚嘆的水準，AI技術在發明領域的重要性益發提升，活躍於AI領域的發明人占全體專利權人的比率也從1976年的1%提升到2018年的25%，在組織的發明專利上也呈現相同的趨勢；除了美國銀行（Bank of America）、波音公司（Boeing）以及奇異電子（General Electric）之外，前30大頂尖的AI公司都來自資通訊領域，其中佔據首位者為擁有46,752項專利的IBM，其次為擁有22,076項專利的微軟以及10,928項專利的Google，而AI技術的應用領域也更加多元，並且與在地產業做結合，例如應用在奧勒岡州的健身訓練與設備以及北達科他州的農業上。 USPTO指出，經由專利資料分析顯示AI技術的發展不僅有顯著的成長，並逐漸與在地產業結合、落實在不同產業領域的多元應用，AI對於產業的影響力將不亞於電力或半導體，隨著AI領域發明人的顯著成長，未來將有更多AI技術在各領域的應用出現，而擴大AI影響力的關鍵在於發明者與公司能否成功將AI納入現有或新產品的功能、流程或服務之中。
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。
歐盟公布2016年歐洲創新計分板報告為確保各會員國能有效執行歐盟科研架構計畫(Horizon 2020)，歐盟執委會每年針對各會員國整體創新能力及研發活動進行評估，據此研提創新競爭力排名，並定期公布歐盟創新計分板報告(European Innovation Scoreboard, EIS)。而觀諸最新公布2016歐盟創新計分板報告((European Innovation Scoreboard 2016)，可歸納以下三項要點： (一) 2016歐盟創新研發能力成長趨緩 由於研發資金政策之限制以及英國脫歐影響下，相較於去年(2015)歐盟創新計分板報告(European Innovation Scoreboard 2015, EIS)之統計，今年度(2016)歐盟整體之創新研發能力成長趨緩。 (二) 2016創新研發先驅仍為瑞典，部分國家仍有大幅度之成長 而今年之歐盟創新計分板報告在整體創新競爭力排名上，第一名仍為瑞典，其次則為丹麥，芬蘭，德國和荷蘭。而相較於去年之排名，拉脫維亞、馬爾他、立陶宛、荷蘭等國家則有顯著之成長。 (三) 在個別指標項目中，會員國創新表現亦有不同 此外，獨立創新指標項目中，各會員國亦有不同之創新表現，例如：在「創新人力資源」及「學術研究項目」中，由瑞典榮獲最具競爭力之國家；而在「創新財政環境」項目中第一名為芬蘭；「創新私人投資」、「創新網絡」及「中小企業創新」等三大項目中，則分別由德國、比利時及愛爾蘭奪冠。