美國聯邦地方法院加州北區法院禁止REALNETWORKS公司販賣Real DVD
美國聯邦地方法院加州北區法院於2009年8月11日判決禁止REALNetworks公司致力或便利於製造、進口、供公眾使用、為販賣之要約或販賣以存取、複製及再散佈等他法規避CSS之保護或受著作權保護之DVD內容之軟體產品，這些產品如已知的RealDVD，或Vegas、Facet或其他名稱之產品，或有近似功能的軟體或其他產品、服務或裝置、設備或其零件。理由在於RealDVD軟體違反了數位千禧年著作權法案(Digital Millennium Copyright Act of 1998,DMCA)禁止規避電腦加密技術之規定。DVD若被CSS(Content Scramble System)鎖碼，則DVD播放者必須取得授權方能播放此光碟片，這些防止技術就是為了避免被複製而設計的。因為RealDVD是一種從含有著作權的DVD製造了一個永久的複製品的軟體技術，而這無法置外於數位千禧年著作權法案所賦予的義務，即使從個人合理使用的條文詮釋，亦無法認為是合法的。
這件案子是美國迪士尼、Sony、派拉蒙、二十世紀福斯、NBC、華納兄弟、哥倫比亞等好萊塢主要電影公司以及DVD複製控制協會（ＤＶＤ copy control Association，DVD CCA） 於2008年對於REALNetworks公司銷售RealDVD軟體之行為提起訴訟，指控其行為違法法令。
而兩日後（2009年8月13日），於DVD複製控制協會(DVD CCA）訴KALEIDESCAPE公司上訴案中，加州聯邦上訴法院又判決KALEIDESCAPE公司販售DVD複製軟體(Kaleidescape system)違反數位千禧年著作權法案。
此兩個判決對於好萊塢電影工業無疑是一大勝利，但對於DVD複製軟體的科技發展卻是一項打擊。另外在判決中法官也強調這樣的判決決定，仍然保留了個人合理使用的合法空間。
日本特許廳（Japan Patent Office，JPO）從去（2016）年12月開始，與NTT Data公司合作，使用人工智慧（Artificial Intelligence，簡稱AI）來系統化的回答有關專利問題，且依成果顯示，與原先運用人力回復的成果相當；JPO因此決定於今（2017）年夏天開始，將AI技術分階段應用於專利及商標的審查案，並期望能於下一會計年度（2018年4月至2019年3月），在審查業務中全面運用AI技術。 JPO指出，透過AI技術能有助於將專利及商標審查程序中繁冗的檢索程序簡化，以專利審查為例，可搜尋大量文件與檔案，進行專利先前技術檢索，以確保相關技術尚未獲得專利保護，同時也可以協助專利分類；此外，商標審查亦可利用AI之圖像辨識技術比對圖片及標誌，找出潛在的類似商標。 AI技術被證實能提升審查效率，並減輕審查人員檢索與比對部份的工作負擔，有助於抑制人工審查的長時間工作型態，根據2017年日本特許廳現況報告（特許庁ステータスレポート2017），於導入AI技術後，原本從申請到審查完成平均約2年左右之審查時間，期望可在2023年將審查期間降到14個月，讓日本成為智慧財產系統審查最快且品質最好的國家之一。 「本文同步刊登於TIPS網站（https://www.tips.org.tw）」
脫歐協議草案：英國將繼續保護已註冊或已授予的智慧財產權歐盟委員會（European Commission）於2018年2月28日公佈了歐盟與英國脫歐協議草案(The draft Brexit Withdrawal Agreement)，其中規定在英國將會持續地保護先前已註冊或已授予的智慧財產權。 根據該協議草案第50（1）條規定，先前在歐盟已註冊或被核准的商標、設計或植物品種權的持有人，在過渡期結束之前，不須再經任何復審，視同已在英國註冊且具可實施性的智慧財產權。而關於地理標誌、原產地名稱和地方傳統特色，在第50（2）條亦有類似規定。 該協議草案有：智慧財產權註冊程序之規定（第51條）；英國繼續就歐盟特定會員國已註冊之商標或外觀設計提供保護（第52條）；英國繼續就未註冊的共同體設計提供一定程度的保護（第53條）；繼續保護數據庫（第54條）；申請歐盟商標和共同體之植物品種權享有優先審查權（第55條）；在英國申請植物補充保護證書享有優先權（第56條）及權利耗盡（第57條）等規定。 惟歐洲專利體系以歐洲專利公約(European Patent Convention)為基礎。 因此，有關專利的相關規定未在英國脫歐協議草案出現，亦未在將來的一元專利系統(Unitary Patent system)中被提及，而此系統係源自於兩項歐盟的規章。 目前該協議草案已由歐盟委員會提出，首先將讓歐盟各成員國和歐洲議會先進行磋商，最後再與英國進行協商。
歐盟對於不可申請專利的基本生物學方法做出新解釋大多數國家是認為動植物為法定不得授予專利之標的，歐盟以往因為歐洲專利公約實施細則(Implementing Regulations to the Convention on the Grant of European Patents，下簡稱實施細則)跟擴大上訴委員會(the Enlarged Board of Appeal，簡稱EBA)決定不一致而造成爭議，EBA於2020年5月做出的新決定，對於動植物是否為可授予專利之標的做出一致性解釋。 在歐洲專利公約(European Patent Convention，簡稱EPC)第53條第2款規定用以生產動植物的基本生物學方法不可授予專利，並於2017年生效的實施細則第28條第2項將其進一步擴張解釋成，僅運用基本生物學方法所產生的動植物不可授予專利，這與EBA在2015年所做出的決定(G 2/12、G 2/13)並不一致，在2015年的決定中提到，運用基本生物學方法來界定動植物的請求項仍可以被接受，因此實施細則第28條第2項與2015年的決定產生衝突。 於2019年，技術上訴委員會(Technical Board of Appeal)在案例T 1063/18中發現了這個問題，並提到EBA討論，EBA表示，考慮到法條涵義可能因時間產生變化，需要對EPC第53條第2款進行動態解釋(dynamic interpretation)，實施細則第28條第2項與EPC第53條第2款並未矛盾，而是進一步擴展為，僅通過基本生物學過程，或是由基本生物學方法界定動植物之情況，皆屬於不可授予專利之情況，而推翻之前的決定。而為維持法律安定性，本決定(G 3/19)對於2017/07/01前生效或申請的案件並不具效力。 「本文同步刊登於TIPS網站（https://www.tips.org.tw ）」
合成資料（synthetic data）「合成資料」（synthetic data）的出現，是為了保護原始資料所可能帶有的隱私資料或機敏資料，或是因法規或現實之限制而無法取得或利用研究所需資料的情況下，透過統計學方法、深度學習、或自然語言處理等方式，讓電腦以「模擬」方式生成研究所需之「合成資料」並進行後續研究跟利用，透過這個方法，資料科學家可以在無侵犯隱私的疑慮下，使合成資料所訓練出來的分類模型（classifiers）不會比原始資料所訓練出來的分類模型差。 在合成資料的生成技術當中，最熱門的研究為運用「生成對抗網路」（Generative Adversarial Network, GAN）形成合成資料（亦有其他生成合成資料之方法），生成對抗網路透過兩組類神經網路「生成網路」（generator）與辨識網路（discriminator）對於不同真偽目標值之反覆交錯訓練之結果，使其中一組類神經網路可生成與原始資料極度近似但又不完全一樣之資料，也就是具高度複雜性與擬真性而可供研究運用之「合成資料」。 英國國防科技實驗室（Defense Science and Technology Laboratory, DSTL）於2020年8月12日發布「合成資料」技術報告，此技術報告為DSTL委託英國航太系統公司（BAE Systems）的應用智慧實驗室（Applied Intelligence Labs, AI Labs）執行「後勤科技調查」（Logistics Technology Investigations, LTI）計畫下「資料科學與分析」主題的工作項目之一，探討在隱私考量下（privacy-preserving）「合成資料」當今技術發展情形，並提供評估技術之標準與方法。 技術報告中指出，資料的種類多元且面向廣泛，包含數字、分類資訊、文字與地理空間資訊等，針對不同資料種類所適用之生成技術均有所不同，也因此對於以監督式學習、非監督式學習或是統計學方法生成之「合成資料」需要採取不同的質化或量化方式進行技術評估；報告指出，目前尚未有一種可通用不同種類資料的合成資料生成技術或技術評估方法，建議應配合研究資料種類選取合適的生成技術與評估方法。