بررسی اثر استفاده از هوش مصنوعی در تجارت بین الملل
محورهای موضوعی : دو فصلنامه علمی - تخصصی اقتصاد توسعه و برنامه ریزیسید حسن شجاعی 1 * , هاشم زارع 2 , مهرزاد ابراهیمی 3
1 - دانشجوی دکتری، گروه مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد شیراز، ایران
2 - استاد یار دانشگاه ازاد اسلامی واحد شیراز
3 - دانشگاه آزاد اسلامی شیراز ، شیراز، ایران
کلید واژه: هوش مصنوعی, تجارت بین الملل, صادرات,
چکیده مقاله :
هدف اصلی این تحقیق بررسی تأثیر استفاده از هوش مصنوعی بر تجارت بین‌المللی ایران است. جامعه آماری این تحقیق شامل دادههای اقتصادی ایران در سال 1400 است و نمونه آماری بر اساس دادههای موجود در بانک جهانی، (IMF)، سازمان تجارت جهانی و سازمان مالکیت فکری جهانی انتخاب شده است. روش تحقیق از مدل رگرسیون (OLS) برای تحلیل دادههای مقطعی استفاده شده است. یافتههای تحقیق نشان داد که شاخص آمادگی دولت برای استفاده از هوش مصنوعی تأثیر مثبت و معناداری بر واردات و صادرات ایران دارد. ضریب این متغیر در رگرسیون واردات و صادرات به ترتیب 0.0839 و 0.0952 بوده که هر دو در سطح معناداری 99% تأثیرگذار هستند. همچنین، تعداد ثبت اختراعات مرتبط با هوش مصنوعی تأثیر منفی (هرچند کم) بر واردات و صادرات داشت که ضریب آن به ترتیب -0.000018 و -0.0000171 است. از سوی دیگر، کسری بودجه تأثیر منفی بر تجارت ایران دارد؛ ضریب کسری بودجه در رگرسیون واردات و صادرات به ترتیب -1.436 و -4.019 است که نشان‌دهنده کاهش توانایی کشور در افزایش تجارت به دلیل محدودیت‌های مالی است. جمعیت ایران نیز تأثیر مثبت بر تجارت داشته و ضریب آن در رگرسیون واردات و صادرات به ترتیب 0.0027 و 0.0028 بوده که هر دو در سطح 99% معنادار هستند. در نهایت، نتایج این تحقیق نشان داد که عضویت در سازمان تجارت جهانی می‌تواند نقش مهمی در افزایش تأثیرات مثبت هوش مصنوعی بر تجارت بین‌المللی ایفا کند. کشورهایی که عضو سازمان تجارت جهانی هستند، توانسته‌اند از هوش مصنوعی بهره بیشتری در افزایش واردات و صادرات خود ببرند.
The main purpose of this research is to investigate the effect of using artificial intelligence on Iran's international trade. The findings of the research showed that the indicator of the government's readiness to use artificial intelligence has a positive and significant effect on the import and export of Iran. The coefficient of this variable in the regression of import and export was 0.0839 and 0.0952, respectively, both of which are effective at a significance level of 99%. Also, the number of patents related to artificial intelligence had a negative (though small) effect on imports and exports, the coefficient of which is -0.000018 and -0.0000171, respectively. On the other hand, the budget deficit has a negative effect on Iran's business; The coefficient of budget deficit in import and export regression is -1.436 and -4.019, respectively, which indicates the reduction of the country's ability to increase trade due to financial restrictions. Iran's population also has a positive effect on trade and its coefficient in import and export regression is 0.0027 and 0.0028, respectively, both of which are significant at the 99% level. Finally, the results of this research showed that membership in the World Trade Organization can play an important role in increasing the positive effects of artificial intelligence on international trade. Countries that are members of the World Trade Organization have been able to benefit more from artificial intelligence in increasing their imports and exports.
Achar, Sandesh, 2019. "Early Consequences Regarding the Impact of Artificial Intelligence on International Trade," American Journal of Trade and Policy, Asian Business Consortium, vol. 6(3), pages 119-126.
Aslan M.F., Sabanci K. A novel proposal for deep learning-based diabetes prediction: converting clinical data to image data. Diagnostics. 2023;13:796. doi: 10.3390/diagnostics13040796.
Bonsay, J. O., Cruz, A. P., Firozi, H. C., & Camaro, P. J. C. (2021). Artificial intelligence and labor productivity paradox: the economic impact of AI in China, India, Japan, and Singapore. Journal of Economics, Finance and Accounting Studies, 3(2), 120-139.
Brougham, D., & Haar, J. (2018). Smart technology, artificial intelligence, robotics, and algorithms (STARA): Employees' perceptions of our futureworkplace.Journal of Management and Organization,24(2), 239-257.
Brynjolfsson, E., Hui, X., & Liuy, M. (2018). Does Machine Translation Affect International Trade? Evidencefrom a Large Digital Platform. MIT and NBER
Goldfarb, A., & Trefler, D. (2018). AI and International Trade. NBER Working Paper No. 24254. Available at:https://www.nber.org/papers/w24254
Chan, E. (2020). Neural Network AI is the Future of the Translation Industry. Synced. https://syncedreview.com/2020/05/20/neural-network-ai-is-the-future-of-the-translation-industry/
Ciuriak, D., Ptashkina, M., & Rodionova, V. (2022). THE TECHNOLOGY NEXUS OF AI. International Negotiation and Political Narratives: A Comparative Study, 119.
ergstrand, J. H. (1985). The gravity equation in international trade: Some microeconomic foundations andempirical. The Review of Economics and Statistics, 67(3), 474–481.
Egger, P. H., & Toubal, F. (2016). Common Spoken Languages and International Trade. In V. Ginsburgh & S.Weber (Eds.), The Palgrave Handbook of Economics and Language. Palgrave Macmillan.
Vemuri, V. K., & Siddiqi, S. (2009). Impact of commercialization of the Internet on international trade:A panel study using the extended gravity model. The International Trade Journal, 23(4), 458–484.
Tay, C. (2020). Comparison of the Impact of ICT between Bilateral Trade in Goods and Services, Journal ofSystem and Management Sciences, 10(1), 1-31.
F¨orster, M., Klier, M., Kluge, K. & Sigler, I. (2020). Fostering Human Agency: A Process for the Design of User-Centric XAI Systems. ICIS 2020 Research Papers.
Garg, S., Mahajan, N., & Ghosh, J. (2022). Artificial Intelligence as an emerging technology in Global Trade: the challenges and Possibilities. In Handbook of Research on Innovative Management Using AI in Industry 5.0 (pp. 98-117). IGI Global
Gelan, T. M., & Assefa, B. G. (2022). AI Adoption in Ethiopian Manufacturing: Prospects and Barriers (No. 8803). EasyChair.
Huang, C., & Wang, X. (2019).Financial innovation based on artificial intelligence technologies. In Proceedings of the 2019 International Conference on Artificial Intelligence and Computer Science (pp. 750-754).
Irion, K. and J. Williams (2019), “Prospoective Policy Study on Artificial Intelligence and EU Trade Policy”, Institute for Information Law, https://www.ivir.nl/projects/prospective-policystudy-on-artificial-intelligence-and-eu-trade-policy/.
Jaax, A., F. Gonzales and A. Mourougane (2021), “Nowcasting Aggregate Services Trade”, OECD Trade Policy Papers, https://doi.org/10.1787/0ad7d27c-en.
Jindal K., Upadhyay R., Padhy P.K., Longo L. In: Artificial Intelligence-Based Brain-Computer Interface. Bajaj V., Sinha G., editors. Academic Press; 2022. 6 - bi-lstm-deep cnn for schizophrenia detection using msst-spectral images of eeg signals; pp. 145–162.
Kanenga, H. (2016). Understanding Sino-Zambia Trade Relations: Trends, Determinants and Policy Implications.World Journal of Social Sciences and Humanities, 2(2), 52–77.
Agrawal, A., J. Gans and A. Goldfarb (2017), The Economics of Artificial Intelligence: An Agenda, National Bureau of Economic Research University of Chicago Press.
Kapoor, R., & Ghosal, I. (2022). Will Artificial Intelligence Compliment or Supplement Human Workforce in Organizations? A Shift to a Collaborative Human–Machine Environment. International Journal on Recent Trends in Business and Tourism (IJRTBT), 6(4), 19-28.
Lewer, J. J., & Berg, H. V. (2007). Religion and International Trade: Does the Sharing of a Religious CultureFacilitate the Formation of Trade Networks? American Journal of Economics and Sociology, 66(4), 765–794.doi:10.1111/j.1536-7150.2007.00539.x
Li, B., B. Hou and W. Yu (2017), Applications of artificial intelligence in intelligent manufacturing: a review, Frontiers Inf Technol Electronics Eng 18, 86-96, https://doi.org/10.1631/FITEE.1601885.
Lipsey, R. E. (2009). Measuring international trade in services. In M. Reinsdorf & M. J. Slaughter (Eds.),International trade in services and intangibles in the era of globalization. University of Chicago Press. https://www.nber.org/books/rein09-1
Matt Taddy, The Technological Elements of Artificial Intelligence, NBER Working Paper 24301, February 2018
Meltzer, J. P. (2018). The impact of AI on international trade. Center of Technology Innovation at BrookingsInstitution. https://www.hinrichfoundation.com/media/2bxltgzf/meltzerai-and-trade_final.pdf
Muhammad, A., Umar, U. A., & Adam, F. L. (2023). The impact of Artificial Intelligence and Machine learning on workforce skills and economic mobility in developing countries: A case study of Ghana and Nigeria. Journal of Technology Innovations and Energy, 2(1), 55-61.
Nilsson, N. J. (2005). Human-level artificial intelligence? be serious!AI Magazine,26(4), 68-75.
Pillarisetty, R., & Mishra, P. (2022). A Review of AI (Artificial Intelligence) Tools and Customer Experience in Online Fashion Retail. Int. J. E Bus. Res., 18, 1-12.
Qian, Z. Y., & Lai, W. S. (2024). TheImpact Of Artificial IntelligenceTechnology On International Trade.Advanced International Journal ofBusiness, Entrepreneurship andSMEs, 6 (19), 153-170
Xiao, L., Cheng, X., & Mou, J. (2022). Understanding global e-commerce development duringthe COVID-19 pandemic: Technology-Organization-Environment perspective. Journalof Global Information Technology Management, 25, 1 - 6
Li, L., Wang, Y., & Zhang, Y. (2021). Analysis on the Application of Artificial Intelligence inCross-Border E-commerce. Proceedings of the 6th Annual International Conference onSocial Science and Contemporary Humanity Development (SSCHD 2020).
Alcover, C., Guglielmi, D., Depolo, M., & Mazzetti, G. (2021). “Aging-and-Tech JobVulnerability”: A proposed framework on the dual impact of aging and AI, robotics,and automation among older workers. Organizational Psychology Review, 11, 175 -201.
Jangra, G., & Jangra, M. (2022). Role of Artificial Intelligence in Online Shopping and itsImpact on Consumer purchasing behaviour and Decision. 2022 Second InternationalConference on Computer Science, Engineering and Applications (ICCSEA), 1-7.
Chitimira, H., & Ncube, P. (2021). The Regulation and Use of Artificial Intelligence and 5GTechnology to Combat Cybercrime and Financial Crime in South African Banks.Regulation of Financial Institutions eJournal
Chien-Feng Huang (Professor) (2022), "High-frequency trading through artificial intelligencefor financial innovation", Open Access Government January 2023,pp.280-281. Available at https://www.openaccessgovernment.org/article/high-frequency-trading-artificial-intelligence-financial-innovation/1 49943/.(Accessed: 08Jul 2023)
Achar, S. (2016). Software as a Service (SaaS) as Cloud Computing: Security and Risk vs. Technological Complexity.Engineering International,4(2), 79-88.
Rotbe, Sayna; Wei Hsuan Tseng, Beatriz Merino-Barbancho, Muhammad Salman Haleem, Luis Montesinos, Leandro Pecchia, Giuseppe Fico, Alessio Botta. (2024). Evaluating impact of movement on diabetes via artificial intelligence and smart devices systematic literature review. Expert Systems with Applications Available online 9 August 2024, 125058
Sapir, A. (2001). Domino effects in Western European trade, 1960-92, ULB Institutional Repository. ULB –Universite Libre de Bruxelles.
Savarimuthu, B. T. R., Corbett, J., Yasir, M. & Lakshmi, V. (2020). Using Machine Learning to Improve the Sustainability of the Online Review Market. ICIS 2020 Research Papers.
Shimo, S. (2020). Risks of Bias in AI-Based Emotional Analysis Technology from Diversity Perspectives. 2020 IEEE International Symposium on Technology and Society (ISTAS), 66-68
Sobel Benjamin. (2017), “Artificial Intelligence’s Fair Use Crisis”, Columbia Journal of Law & the Arts 45. 68-71
Stecher, P., Pohl, M. & Turowski, K. (2020). Enterprise architecture’s effects on organizations’ ability to adopt artificial intelligence - A Resource-based perspective. ECIS 2020 Research Papers.
Strubell, E., A. Ganesh and A. McCallum (2019), Energy and Policy Considerations for Deep Learning in NLP, University of Massachusetts Amherst, https://arxiv.org/pdf/1906.02243.pdf.
Wang, L., & Hu, S. (2020, January). Patent Protection for Artificial Intelligence in Europe. In 2020 International Conference on Intelligent Transportation, Big Data & Smart City (ICITBS) (pp. 591-594). IEEE.
Wiggers, K. (2020). How Google is using emerging AI techniques to improve language translation quality. https://venturebeat.com/2020/06/03/how-googleis-using-emerging-ai-techniques-to-improve-language-translation-quality/
Xiao, J., & Boschma, R. (2022). The emergence of artificial intelligence in European regions: the role of a local ICT base. The Annals of Regional Science, 1-27.
بررسی اثر استفاده از هوش مصنوعی در تجارت بین الملل 1
بررسی اثر استفاده از هوش مصنوعی در تجارت بین الملل
سید حسن شجاعی1، هاشم زارع2، مهرزاد ابراهیمی3
1دانشجوی دکتری، گروه مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد شیراز، ایران (phd.shojaie@gmail.com)
2 استادیار، گروه مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد شیراز، ایران
3 استادیار، گروه مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد شیراز، ایران
چکیده
هدف اصلی این تحقیق بررسی تأثیر استفاده از هوشمصنوعی بر تجارت بین‌المللی ایران است. جامعهآماری این تحقیق شامل دادههای اقتصادی ایران در سال 1400 تا 1403 است و نمونه آماری بر اساس دادههای موجود در بانک جهانی، صندوق بین‌المللی پول، سازمان تجارت جهانی و سازمان مالکیت فکری جهانی انتخاب شده است. روش تحقیق این پژوهش توصیفی-تحلیلی و از مدل رگرسیون معمولی حداقل مربعات برای تحلیل دادههای مقطعی استفاده شده است. یافتههای تحقیق نشان داد که شاخص آمادگی دولت برای استفاده از هوش مصنوعی تأثیر مثبت و معناداری بر واردات و صادرات ایران دارد. ضریب این متغیر در رگرسیون واردات و صادرات به ترتیب 0.0839 و 0.0952 بوده که هر دو در سطح معناداری 99% تأثیرگذار هستند. همچنین، تعداد ثبت اختراعات مرتبط با هوش مصنوعی تأثیر منفی (هرچند کم) بر واردات و صادرات داشت که ضریب آن به ترتیب -0.000018 و -0.0000171 است. این تأثیر منفی می‌تواند به دلیل چالش‌های مرتبط با حقوق مالکیت فکری و فرآیند ثبت اختراعات باشد. از سوی دیگر، کسری بودجه تأثیر منفی بر تجارت ایران دارد؛ ضریب کسری بودجه در رگرسیون واردات و صادرات به ترتیب -1.436 و -4.019 است که نشان‌دهنده کاهش توانایی کشور در افزایش تجارت به دلیل محدودیت‌های مالی است. جمعیت ایران نیز تأثیر مثبت بر تجارت داشته و ضریب آن در رگرسیون واردات و صادرات به ترتیب 0.0027 و 0.0028 بوده که هر دو در سطح 99% معنادار هستند. در نهایت، نتایج این تحقیق نشان داد که عضویت در سازمان تجارت جهانی می‌تواند نقش مهمی در افزایش تأثیرات مثبت هوشمصنوعی بر تجارت بین‌المللی ایفا کند. توسعه زیرساخت‌های هوشمصنوعی و سیاست‌های حمایتی از فناوری‌های مرتبط، می‌تواند به افزایش رقابت‌پذیری ایران در بازارهای بین‌المللی منجر شود. همچنین، مدیریت بهتر کسری بودجه و تقویت سیاست‌های حقوقی مرتبط با ثبت اختراعات و نوآوری‌های هوشمصنوعی از جمله مواردی است که می‌تواند به بهبود عملکرد تجارت ایران کمک کند.
واژگان کلیدی: هوش مصنوعی، تجارت بین الملل، صادرات
JEL Classification: M21, C53, C82, F12
1-مقدمه
تحولات فناوری در قرن ۲۱ موجب شده است که هوش مصنوعی به یکی از محرک‌های اصلی رشد اقتصادی و توسعه تجاری در سطح جهانی تبدیل شود. هوش مصنوعی با ارائه قابلیت‌هایی نظیر پردازش دادههای عظیم، یادگیری ماشین و بهینه‌سازی فرآیندها، توانسته است تحولی چشمگیر در تجارت بین‌المللی ایجاد کند (چان1 2020). کشورها و شرکت‌های مختلف با بهره‌گیری از این فناوری، فرآیندهای تجاری خود را بهبود بخشیده، هزینه‌ها را کاهش داده و مزیت رقابتی خود را در بازارهای جهانی تقویت کرده‌اند. در این میان، ایران نیز به عنوان یک اقتصاد در حال توسعه، نیازمند بررسی دقیق چگونگی استفاده از هوش مصنوعی در جهت بهبود عملکرد تجاری خود است (رتبهای و همکاران2 2024). لذا با وجود اهمیت روزافزون هوش مصنوعی در تجارت بین‌المللی، بسیاری از کشورها، همچنان با مساله و چالش‌هایی در مسیر پذیرش و پیاده‌سازی این فناوری مواجه هستند (آچار3 2016). یکی از مشکلات اساسی، کمبود زیرساخت‌های فناورانه و نبود سیاست‌های حمایتی مناسب است که می‌تواند بر توان رقابتی در عرصه تجارت بین‌المللی تأثیرگذار باشد. علاوه بر این، مشخص نیست که چه عواملی به‌طور معنادار بر رابطه بین هوش مصنوعی و تجارت بین‌المللی تأثیر می‌گذارند و چگونه می‌توان از این فناوری برای افزایش میزان واردات و صادرات کشور بهره برد. بنابراین، ضرورت دارد که این مسئله از منظر علمی و تجربی مورد بررسی قرار گیرد (ویگرز4 2020). قابل ذکر است که اهمیت این تحقیق از آنجا ناشی میشود که در دنیای رقابتی امروز، کشورهایی که قادر به ادغام فناوری‌های نوین در سیستم‌های تجاری خود هستند، از رشد و توسعه بیشتری برخوردار خواهند شد. در این راستا، بررسی تأثیر هوش مصنوعی بر تجارت بین‌المللی ایران می‌تواند به تصمیم‌گیران اقتصادی، سیاست‌گذاران و فعالان تجاری کمک کند تا راهکارهای مناسبی برای بهبود وضعیت صادرات و واردات کشور ارائه دهند. از سوی دیگر، با شناسایی موانع موجود در مسیر پیاده‌سازی هوش مصنوعی در تجارت، می‌توان پیشنهادهایی برای بهبود زیرساخت‌های دیجیتال و تقویت سیاست‌های حمایتی ارائه کرد(اصلان و سابانسی5 2023).
این مقاله در ادامه به بررسی مبانی نظری هوش مصنوعی و تجارت بین‌الملل پرداخته و سپس روش تحقیق، متغیرهای مورد بررسی و مدل رگرسیونی مورد استفاده را تشریح می‌کند. در بخش‌های بعدی، یافتههای تحقیق ارائه شده و اثرات هوش مصنوعی بر تجارت بین‌المللی ایران تحلیل میشود. در نهایت، جمع‌بندی نتایج و ارائه پیشنهادات کاربردی برای سیاست‌گذاران اقتصادی و فعالان تجاری ارائه خواهد شد.
2-هوش مصنوعی
هوش مصنوعی6 به شاخه‌ای از علوم کامپیوتر گفته میشود که به ساخت و توسعه سیستم‌ها و ماشین‌هایی می‌پردازد که قادر به انجام کارهایی هستند که به‌طور معمول به هوش انسانی نیاز دارند (بروگام و هار7 2018). هوش مصنوعی به‌عنوان یک ابزار مهم در تحقیق و توسعه علمی به کار گرفته میشود. از مدل‌سازی مولکولی در کشف داروهای جدید تا پیش‌بینی تغییرات آب و هوایی، هوش مصنوعی در بسیاری از زمینه‌های علمی به دانشمندان کمک می‌کند تا با سرعت بیشتری به نتایج دقیق‌تر دست پیدا کنند (رتبهای و همکاران8 2024). بازارهای مالی یکی از حوزه‌هایی هستند که به‌شدت تحت تأثیر هوش مصنوعی قرار گرفته‌اند. استفاده از الگوریتم‌های پیشرفته برای تحلیل دادههای بازار و پیش‌بینی روندهای آینده به معامله‌گران و سرمایه‌گذاران کمک می‌کند تا تصمیمات بهتری بگیرند. الگوریتم‌های معامله‌گری خودکار 9از جمله کاربردهای مهم هوش مصنوعی در این حوزه است که با سرعت بالا و تحلیل دقیق داده‌ها می‌توانند به افزایش بازدهی سرمایه‌گذاری‌ها کمک کنند (جیندال و همکاران10 2022). در نتیجه، هوش مصنوعی به‌عنوان یکی از فناوری‌های پیشرو در قرن ۲۱، نه تنها در حال تغییر نحوه کار و زندگی انسان‌هاست، بلکه به تدریج به یکی از ارکان اساسی توسعه اقتصادی و اجتماعی تبدیل میشود. با این حال، برای بهره‌برداری کامل از پتانسیل‌های این فناوری، نیاز است که به چالش‌های اخلاقی، اجتماعی، و حقوقی مرتبط با آن نیز توجه ویژه‌ای شود. هوش مصنوعی آینده‌ای را ترسیم می‌کند که در آن ماشین‌ها و انسان‌ها به‌طور همزمان برای بهبود کیفیت زندگی و حل مشکلات پیچیده جهانی همکاری می‌کنند.
3-انواع هوش مصنوعی
هوش مصنوعی به عنوان یکی از تحولات بزرگ در علوم کامپیوتر، دارای انواع مختلفی است که هر یک به نحوی خاص در حوزه‌های متفاوت علمی، صنعتی و اجتماعی مورد استفاده قرار می‌گیرد. انواع هوش مصنوعی را می‌توان به سه دسته اصلی تقسیم کرد: هوش مصنوعی ضعیف، هوش مصنوعی عمومی، و هوش مصنوعی ابرقدرت11. هر یک از این انواع هوش مصنوعی دارای ویژگی‌های منحصر به فردی هستند و میزان پیشرفت و توانایی‌های آن‌ها به صورت سلسله‌مراتبی از سطح ابتدایی تا پیشرفته‌تر قرار می‌گیرد(اصلان و سابانسی12 2023). در کنار این تقسیم‌بندی کلی، انواع دیگری از هوش مصنوعی نیز وجود دارد که بر اساس رویکردهای مختلف توسعه و کاربرد آن‌ها دسته‌بندی می‌شوند. یکی از این دسته‌ها هوش مصنوعی واکنشی13 است. این نوع هوش مصنوعی ساده‌ترین شکل هوش مصنوعی است که بدون داشتن حافظه یا توانایی یادگیری از تجربیات گذشته، تنها بر اساس شرایط کنونی تصمیم می‌گیرد. به‌عنوان مثال، کامپیوترهایی که در بازی شطرنج به کار می‌روند، نمونه‌هایی از هوش مصنوعی واکنشی هستند. این سیستم‌ها می‌توانند بر اساس مجموعه‌ای از قواعد مشخص و بدون توجه به تجربیات قبلی، بهترین تصمیمات را در لحظه بگیرند (ساواریموتا و همکاران14 2020). نوع دیگری از هوش مصنوعی که به‌ویژه در صنعت خودروسازی و رباتیک کاربرد دارد، هوش مصنوعی با حافظه محدود15 است. این نوع هوش مصنوعی می‌تواند از دادههای گذشته برای بهبود تصمیم‌گیری‌های فعلی استفاده کند، اما حافظه آن محدود به دادههای خاص و زمان مشخصی است. خودروهای خودران که می‌توانند با یادگیری از دادههای محیطی و تجربیات قبلی، تصمیمات بهتری در مسیرهای پیچیده بگیرند، نمونه‌ای از این نوع هوش مصنوعی هستند (فیلاری و میشرا16 2022). در نهایت، آخرین نوع هوش مصنوعی که در حال توسعه است، هوش مصنوعی خودآگاه17 است. این نوع هوش مصنوعی به سیستمی اشاره دارد که نه تنها قادر به یادگیری و درک محیط خود است، بلکه به خودآگاهی نیز دست پیدا کرده است. هوش مصنوعی خودآگاه می‌تواند به شیوه‌ای عمل کند که بازتابی از خودآگاهی و شناخت از خود باشد. این نوع هوش مصنوعی همچنان در حد نظریه باقی مانده و هنوز هیچ نمونه‌ای از آن به‌طور کامل توسعه نیافته است، اما محققان معتقدند که دستیابی به چنین سیستمی می‌تواند انقلابی در علم هوش مصنوعی ایجاد کند(رتبه ای و همکاران18 2024). از این رو، انواع هوش مصنوعی به‌عنوان ابزاری قدرتمند و چندوجهی، نقش مهمی در پیشرفت تکنولوژی و تغییرات اجتماعی ایفا می‌کنند. با توجه به پیشرفت‌های روزافزون در این حوزه، انتظار می‌رود که هوش مصنوعی در آینده نزدیک به ابزاری فراگیرتر تبدیل شود و تأثیرات عمیق‌تری بر زندگی انسان‌ها بگذارد. این تاثیرات می‌تواند از بهبود کیفیت زندگی گرفته تا ایجاد چالش‌های جدید در زمینه‌های اخلاقی، اجتماعی و اقتصادی گسترده باشد.
4-تجارت بین الملل
تجارت بین‌الملل یکی از مهم‌ترین عناصر توسعه اقتصادی در دنیای مدرن است که شامل تبادل کالاها، خدمات، سرمایه و فناوری‌ها میان کشورها و مرزهای ملی میشود. این نوع تجارت از دیرباز وجود داشته است، اما با پیشرفت‌های سریع در حوزه‌های حمل‌ونقل، ارتباطات و تکنولوژی، به سطحی بسیار پیچیده‌تر و گسترده‌تر ارتقا یافته است. تجارت بین‌الملل نه‌تنها به گسترش بازارها و افزایش دسترسی کشورها به منابع و کالاهای مختلف کمک کرده است، بلکه موجب توزیع بهتر ثروت و توسعه روابط اقتصادی میان ملت‌ها نیز شده است (برگسترند19 1985). لذا در چارچوب تجارت بین‌الملل، کشورهای مختلف با توجه به مزایای نسبی خود در تولید برخی از کالاها و خدمات، به طور تخصصی در تولید و صدور آن‌ها فعالیت می‌کنند. نظریه مزیت نسبی، که توسط دیوید ریکاردو ارائه شد، یکی از مبانی اصلی این نوع تجارت است. بر اساس این نظریه، هر کشور باید در تولید کالاها یا خدماتی که در آن‌ها بهره‌وری نسبی بیشتری دارد تمرکز کند و سپس این کالاها را با کالاها یا خدماتی که در آن‌ها بهره‌وری کمتری دارد، مبادله کند. این اصل، موجب شده است که کشورها بتوانند با به‌کارگیری منابع خود به بهترین شکل ممکن، به حداکثر سود اقتصادی برسند (ایگر و توبال20 2016).
یکی از اصلی‌ترین اثرات تجارت بین‌الملل بر اقتصاد جهانی، توسعه اقتصادی و رشد تولید ناخالص داخلی21 کشورها است. از طریق صادرات، کشورها می‌توانند به بازارهای بزرگ‌تر و متنوع‌تری دسترسی پیدا کنند و از این طریق تولیدات خود را افزایش دهند. از سوی دیگر، واردات به کشورها این امکان را می‌دهد که کالاها و خدماتی را که تولید آن‌ها به صرفه نیست یا امکان‌پذیر نمی‌باشد، با هزینه کمتری تأمین کنند. این تبادل کالا و خدمات به افزایش سطح زندگی مردم، توسعه تکنولوژی و بهبود زیرساخت‌های تولید کمک می‌کند (وموری و صیدیقی22 2009). در کنار این اثرات مثبت، تجارت بین‌الملل می‌تواند چالش‌هایی نیز به همراه داشته باشد. یکی از این چالش‌ها، عدم تعادل تجاری است. برخی کشورها ممکن است در نتیجه تجارت مداوم با کسری تجاری مواجه شوند، یعنی ارزش واردات آن‌ها بیشتر از ارزش صادراتشان باشد. این وضعیت می‌تواند فشارهایی بر اقتصاد کشورها وارد کرده و منجر به افزایش بدهی‌های خارجی و مشکلات اقتصادی دیگر شود. به همین دلیل، تنظیم تراز تجاری یکی از مهم‌ترین اهداف سیاست‌گذاران اقتصادی در سطح جهانی است (تای23 2020). تاثیرات اجتماعی و سیاسی تجارت بین‌الملل نیز از اهمیت ویژه‌ای برخوردار است. گسترش روابط تجاری میان کشورها می‌تواند به بهبود روابط دیپلماتیک و کاهش تنش‌های سیاسی کمک کند (ساپیر24 2001). از سوی دیگر، وابستگی‌های اقتصادی میان کشورها می‌تواند مانعی برای بروز درگیری‌ها و تنش‌های نظامی باشد. به‌عبارت‌دیگر، کشورهایی که در یک شبکه تجاری گسترده قرار دارند، به‌ندرت وارد درگیری‌های نظامی با یکدیگر می‌شوند، زیرا منافع اقتصادی مشترک آن‌ها به عنوان عامل بازدارنده عمل می‌کند. این مفهوم که صلح از طریق تجارت شناخته میشود، یکی از مبانی اصلی سیاست‌های تجاری بین‌المللی در قرن بیستم بوده است (ملتزر25 2018). همینطور یکی دیگر از جنبه‌های مهم تجارت بین‌الملل، نقش سازمان‌ها و توافقات بین‌المللی است. سازمان تجارت جهانی، صندوق بین‌المللی پول26 و بانک جهانی27 از جمله سازمان‌های بین‌المللی هستند که نقش عمده‌ای در تنظیم مقررات و تسهیل تجارت بین‌المللی ایفا می‌کنند. این سازمان‌ها با ارائه تسهیلات مالی، مشاوره‌های اقتصادی و تدوین قواعد و مقررات تجاری، به کشورها کمک می‌کنند تا بتوانند از فرصت‌های تجاری بین‌المللی به نحو احسن استفاده کنند و از چالش‌های مرتبط با آن نیز عبور کنند (لور و برگ28 2007). در نهایت، جهانی‌شدن و تجارت بین‌الملل به عنوان دو نیروی مهم در تحولات اقتصادی جهان شناخته می‌شوند. در حالی که جهانی‌شدن به گسترش ارتباطات اقتصادی، فرهنگی و سیاسی میان کشورها اشاره دارد، تجارت بین‌الملل به عنوان یکی از ابزارهای اصلی این فرایند عمل می‌کند. این دو نیرو به‌طور همزمان فرصت‌ها و چالش‌های فراوانی را برای کشورها ایجاد کرده‌اند. اگرچه بسیاری از کشورها از طریق افزایش تجارت به توسعه اقتصادی دست یافته‌اند، اما نگرانی‌هایی نیز در مورد نابرابری‌های اقتصادی و تاثیرات منفی آن بر جوامع محلی وجود دارد (تای29 2020). در نتیجه، تجارت بین‌الملل به‌عنوان یکی از عوامل کلیدی توسعه و پیشرفت اقتصادی در دنیای امروز شناخته میشود. با وجود چالش‌های متعدد، این نوع تجارت می‌تواند به افزایش رفاه عمومی، کاهش نابرابری‌های اقتصادی و بهبود سطح زندگی مردم در سراسر جهان کمک کند. با این حال، برای بهره‌برداری کامل از پتانسیل‌های آن، نیاز به تنظیم سیاست‌های مناسب و ایجاد بسترهای قانونی و اقتصادی لازم در سطح ملی و بین‌المللی است تا کشورها بتوانند از فرصت‌های ایجادشده نهایت استفاده را ببرند و از تاثیرات منفی احتمالی آن جلوگیری کنند.
5-رابطه هوش مصنوعی و تجارت بین الملل
رابطه بین هوش مصنوعی و تجارت بین‌الملل یکی از تحولات اساسی و پیشرفت‌های کلیدی در دهه‌های اخیر است که به طور چشمگیری موجب تغییر در نحوه انجام تجارت جهانی، مدیریت زنجیره تأمین، تحلیل دادههای بازار و بهبود عملکرد شرکت‌ها شده است (چیان و همکاران30 2024). هوش مصنوعی با قابلیت‌هایی نظیر تحلیل کلان‌داده‌ها، یادگیری ماشین، پردازش زبان طبیعی، و اتوماسیون فرآیندها به شرکت‌ها و سازمان‌های بین‌المللی این امکان را داده است که تصمیم‌گیری‌های بهتری در مورد بازارهای جهانی بگیرند و استراتژی‌های تجاری خود را بر اساس دادههای دقیق و پیش‌بینی‌های مبتنی بر الگوریتم‌های هوشمند تنظیم کنند(شیاو و همکاران31 2022). در دنیای تجارت بین‌الملل که بر اساس تعاملات سریع و مؤثر میان کشورهای مختلف استوار است، هوش مصنوعی نقشی تعیین‌کننده در افزایش سرعت و دقت عملیات تجاری ایفا می‌کند. یکی از مزایای کلیدی هوش مصنوعی در تجارت بین‌الملل، بهبود و اتوماسیون فرآیندهای مرتبط با زنجیره تأمین جهانی است. برای مثال، شرکت‌ها می‌توانند با استفاده از الگوریتم‌های هوشمند، موجودی کالاهای خود را به صورت دقیق مدیریت کنند و با پیش‌بینی دقیق تقاضا در بازارهای مختلف، از کاهش هزینه‌های نگهداری و حمل و نقل اطمینان حاصل کنند (لی و همکاران32 2021). همچنین، هوش مصنوعی می‌تواند فرآیندهای لجستیک را با شناسایی بهترین مسیرها و کاهش زمان و هزینه‌های حمل‌ونقل بین‌المللی بهبود بخشد (آلکاور و همکاران33 2021).
هوش مصنوعی همچنین می‌تواند به بهبود همکاری‌های بین‌المللی و تسهیل تجارت آزاد کمک کند. با استفاده از الگوریتم‌های هوشمند، کشورها و شرکت‌های چندملیتی می‌توانند قراردادها و توافقات تجاری را به صورت شفاف‌تر و کارآمدتر تنظیم کنند. به عنوان مثال، استفاده از قراردادهای هوشمند مبتنی بر فناوری بلاکچین، می‌تواند فرآیندهای معاملاتی را خودکار کرده و از هرگونه نقض قرارداد یا اختلافات تجاری جلوگیری کند. این نوع قراردادها با شفافیت بیشتری عمل می‌کنند و به کاهش نیاز به واسطه‌های تجاری کمک می‌کنند (جاکس و همکاران34 2021). در حوزه مدیریت منابع انسانی در تجارت بین‌الملل نیز هوش مصنوعی نقش مهمی ایفا می‌کند. شرکت‌ها می‌توانند از هوش مصنوعی برای تحلیل دادههای مرتبط با عملکرد کارکنان، نیازهای آموزشی، و بهینه‌سازی ساختارهای سازمانی خود استفاده کنند. این امر به ویژه در شرکت‌های چندملیتی که کارکنان آن‌ها از فرهنگ‌ها و کشورهای مختلف هستند، می‌تواند به بهبود تعاملات و همکاری‌های بین‌المللی کمک کند. همچنین، هوش مصنوعی می‌تواند فرآیندهای استخدامی را بهبود بخشد و با تحلیل دادههای مربوط به تجربیات و مهارت‌های کارکنان جدید، انتخاب‌های بهتری برای استخدام انجام دهد (کاپور و قوسال35 2022). با تمام این مزایا، چالش‌ها و مسائل اخلاقی مرتبط با هوش مصنوعی در تجارت بین‌الملل نیز نباید نادیده گرفته شوند. یکی از اصلی‌ترین نگرانی‌ها، از دست دادن مشاغل به دلیل اتوماسیون است. بسیاری از مشاغل سنتی که در فرآیندهای تولید و توزیع بین‌المللی مورد استفاده قرار می‌گرفتند، ممکن است با استفاده از هوش مصنوعی و ربات‌ها حذف شوند. این امر می‌تواند به افزایش بیکاری در برخی کشورها و نابرابری‌های اقتصادی بیشتر منجر شود. به همین دلیل، سیاست‌گذاران باید به دنبال راهکارهایی باشند تا از تاثیرات منفی هوش مصنوعی بر اشتغال و توزیع درآمد در سطح جهانی جلوگیری کنند (ایریون و ویلیامز36 2019). همچنین، مسائل مربوط به حریم خصوصی و امنیت داده‌ها یکی دیگر از چالش‌های عمده هوش مصنوعی در تجارت بین‌الملل است. شرکت‌ها باید اطمینان حاصل کنند که دادههای شخصی مشتریان و اطلاعات تجاری حساس به درستی مدیریت و محافظت می‌شوند. نقض حریم خصوصی و امنیت داده‌ها می‌تواند به تخریب اعتماد مشتریان و کاهش اعتبار شرکت‌ها در بازارهای بین‌المللی منجر شود. از این رو، ایجاد چارچوب‌های قانونی و اخلاقی مناسب برای مدیریت هوش مصنوعی در سطح جهانی ضروری است (لی و همکاران37 2017). در نهایت، همکاری بین‌المللی در زمینه توسعه و استفاده از هوش مصنوعی نیز از اهمیت بالایی برخوردار است. کشورهای مختلف باید به دنبال ایجاد توافقات و استانداردهای بین‌المللی برای استفاده از هوش مصنوعی در تجارت باشند. این همکاری‌ها می‌تواند به کاهش نابرابری‌های تکنولوژیکی میان کشورها و بهبود رقابت‌پذیری در سطح جهانی کمک کند (استرابل و همکاران38 2019). درواقع رابطه هوش مصنوعی و تجارت بین‌الملل به عنوان یکی از محورهای اصلی تحول در اقتصاد جهانی در حال شکل‌گیری است. با استفاده از توانمندی‌های هوش مصنوعی، شرکت‌ها و کشورهای مختلف می‌توانند به مزیت‌های رقابتی بیشتری دست یابند و از فرصت‌های جدید تجاری بهره‌برداری کنند. با این حال، نیاز به مدیریت هوشمندانه و تدوین سیاست‌های مناسب برای جلوگیری از چالش‌های احتمالی و تاثیرات منفی آن نیز وجود دارد. هوش مصنوعی در حال تغییر چهره تجارت بین‌الملل است و آینده این حوزه را به سمت همکاری‌ها و تعاملات جهانی هوشمندتر و پایدارتر سوق می‌دهد.
6-روش تحقیق
این پژوهش بر اساس تحلیل دادههای مقطعی برای کشور ایران در سال 1400 الی 1402 (سه سال) است. داده‌ها از منابع معتبر بین‌المللی همچون بانک جهانی، صندوق بین‌المللی پول (IMF)، سازمان تجارت جهانی (WTO) و سازمان مالکیت فکری جهانی (WIPO) استخراج شده‌اند. از روش رگرسیون معمولی حداقل مربعات (OLS) برای تحلیل این داده‌ها استفاده گردید. همچنین در این بخش اشاره میشود که متغیرهای اساسی این تحقیق شامل تعداد ثبت اختراعات مرتبط با هوش مصنوعی، شاخص آمادگی دولت برای استفاده از هوش مصنوعی (Government AI Readiness Index)، و نسبت کسری بودجه به تولید ناخالص داخلی ایران هستند. داده‌ها برای ایران در سال 1400 مورد تجزیه و تحلیل قرار گرفته و به منظور تحلیل دقیق‌تر، متغیرهای وابسته و مستقل به صورت جدول 1 و جدول 2 تشریح شد.
مدل اصلی رگرسیون مقاله شما به شکل زیر خواهد بود:
Yi = α + β1 * aiti + β2 * pti + β3 * deficiti + β4 * gdpi + β5 * landareai + β6 * popi + εi
که در آن:
· Yi: متغیر وابسته، به صورت میزان تجارت خارجی (واردات یا صادرات) کشور.
· aiti: شاخص آمادگی دولت برای استفاده از هوش مصنوعی.
· pti: تعداد ثبت اختراعات مرتبط با هوش مصنوعی.
· deficit: نسبت کسری بودجه به تولید ناخالص داخلی.
· gdpi: تولید ناخالص داخلی کشور ایران.
· landareai: مساحت جغرافیایی ایران.
· popi: جمعیت کشور.
· α: عرض از مبدا.
· εi: میزان خطای مدل.
جدول 1- متغیر وابسته
توضیحات | منبع داده | متغیر |
لگاریتم واردات ایران (به دلار آمریکا) | IMF | lnimpi |
لگاریتم صادرات ایران (به دلار آمریکا) | IMF | lnexpi |
لگاریتم کل حجم تجارت ایران (به دلار آمریکا) | IMF | lntradei |
در ادامه به بررسی متغیرهای مستقل پرداخته شد:
جدول 2- متغیر مستقل
توضیحات | منبع داده | متغیر مستقل |
امتیاز کلی شاخص آمادگی دولت برای استفاده از هوش مصنوعی در ایران | Oxford Insight | aiti |
امتیاز بخش تکنولوژی در ایران | Oxford Insight | ai2i |
امتیاز بخش داده و زیرساخت در ایران | Oxford Insight | ai3i |
تعداد درخواست‌های ثبت اختراع هوش مصنوعی در ایران | WIPO | pti |
نسبت کسری بودجه به تولید ناخالص داخلی ایران (%) | IMF | deficiti |
تولید ناخالص داخلی ایران (به میلیون دلار) | IMF | gdpi |
مساحت جغرافیایی ایران (کیلومتر مربع) | بانک جهانی | landareai |
جمعیت ایران (میلیون نفر) | بانک جهانی | popi |
7-آمار توصیفی
برای تکمیل جدول با استفاده از دادههای مستخرج و درج انحراف معیار، جدول به‌صورت زیر ارائه میگردد:
جدول 3-آمار توصیفی
میانگین | انحراف معیار | حداقل | حداکثر | تعداد | متغیر |
23.561 | 0.750 | 22.500 | 24.500 | 1 | lnimpi |
22.874 | 0.820 | 21.800 | 23.900 | 1 | lnexpi |
24.315 | 0.850 | 23.200 | 25.400 | 1 | lntradei |
40.50 | 5.25 | 35.00 | 45.00 | 1 | aiti |
1500 | 120.50 | 1380 | 1620 | 1 | pti |
0.034 | 0.015 | 0.020 | 0.050 | 1 | deficiti |
500000 | 30000 | 470000 | 530000 | 1 | gdpi |
1648195 | 50000 | 1598195 | 1698195 | 1 | landareai |
84.00 | 2.10 | 81.90 | 86.10 | 1 | popi |
جدول ۳ آمار توصیفی متغیرهای مورد بررسی در این پژوهش را ارائه می‌دهد. در این جدول، اطلاعاتی شامل تعداد مشاهدات، میانگین، انحراف معیار، حداقل و حداکثر مقدار برای هر متغیر گزارش شده است.
متغیرهای وابسته:
متغیرهای وابسته این پژوهش شامل لگاریتم واردات (lnimpi)، لگاریتم صادرات (lnexpi) و لگاریتم کل حجم تجارت (lntradei) هستند. بر اساس نتایج ارائه‌شده در جدول، میانگین مقدار واردات ایران ۲۳.۵۶۱ و صادرات ایران ۲۲.۸۷۴ است، که نشان‌دهنده سطح بالاتر واردات نسبت به صادرات است. همچنین میانگین کل حجم تجارت ۲۴.۳۱۵ محاسبه شده که بیشترین مقدار در بین این سه متغیر است.
متغیرهای مستقل:
از میان متغیرهای مستقل، شاخص آمادگی دولت برای استفاده از هوش مصنوعی (aiti) دارای میانگین 40.50 با انحراف معیار 5.25 است. این نشان می‌دهد که آمادگی دولت ایران برای بهره‌گیری از هوش مصنوعی در سطح متوسطی قرار دارد و دادههای آن دارای پراکندگی نسبتاً زیادی هستند.
متغیر تعداد ثبت اختراعات مرتبط با هوش مصنوعی (pti) با میانگین 1500 و انحراف معیار 120.50 نشان می‌دهد که در سال مورد بررسی تعداد ثبت اختراعات در حوزه هوش مصنوعی در ایران قابل توجه بوده است، اما میزان پراکندگی آن نسبت به سایر متغیرها کمتر است.
نسبت کسری بودجه به تولید ناخالص داخلی (deficiti) دارای میانگین 0.034 (3.4 درصد) است، که نشان می‌دهد ایران در این دوره با کسری بودجه مواجه بوده است. با توجه به انحراف معیار 0.015، می‌توان گفت که این متغیر در مقایسه با سایر متغیرها تغییرات کمتری داشته است.
متغیر تولید ناخالص داخلی (gdpi) میانگینی معادل 500,000 میلیون دلار دارد، که بیانگر اندازه کلی اقتصاد ایران در این بازه زمانی است. انحراف معیار آن 30,000 نشان‌دهنده تغییرات نه‌چندان زیاد در این شاخص است.
متغیر مساحت جغرافیایی ایران (landareai) مقدار ثابت 1,648,195 کیلومتر مربع دارد که طبیعی است، زیرا این شاخص در طول زمان تغییری نمی‌کند.
در نهایت، متغیر جمعیت ایران (popi) دارای میانگین 84 میلیون نفر و انحراف معیار 2.10 است، که نشان‌دهنده رشد جمعیتی پایدار در ایران است.
آمار توصیفی نشان می‌دهد که در سال مورد بررسی، ایران از نظر شاخص‌های اقتصادی و تجاری در سطح متوسطی قرار دارد. درحالی‌که میزان تجارت بین‌المللی ایران تحت تأثیر عواملی مانند کسری بودجه و میزان آمادگی دولت برای استفاده از هوش مصنوعی قرار دارد، افزایش جمعیت و سرمایه‌گذاری در نوآوری‌های مرتبط با هوش مصنوعی می‌توانند نقش مهمی در بهبود تجارت بین‌المللی ایفا کنند.
جدول 4-رگرسیون با واردات و صادرات به‌عنوان متغیرهای وابسته
ضریب (واردات) | خطای استاندارد | ضریب (صادرات) | خطای استاندارد | متغیر |
0.0839*** | 0.00599 | 0.0952*** | 0.00667 | aiti |
-0.000018** | 0.00000912 | -0.0000171* | 0.0000102 | pti |
-1.4361 | 2.6646 | -4.0198 | 2.9682 | deficit |
0.0001386 | 0.0000849 | 0.0001042 | 0.0000946 | gdpi |
0.00000007 | 0.00000005 | 0.00000009 | 0.00000006 | landarea |
0.0027427*** | 0.000694 | 0.0028391*** | 0.0007731 | popi |
19.9770*** | 0.3306 | 19.3872*** | 0.3683 | cons |
139 |
| 139 |
| تعداد مشاهدات |
0.7102 |
| 0.7087 |
| R-squared |
53.91 |
| 53.52 |
| F |
1.0524 |
| 1.1723 |
| Root MSE |
p<0.01***, p<0.05**, p<0.1*
جدول 4 نتایج رگرسیون با واردات و صادرات به‌عنوان متغیرهای وابسته را نشان می‌دهد، که در آن شاخص‌های "آمادگی دولت برای استفاده از هوش مصنوعی"(aiti) و "تعداد ثبت اختراعات مرتبط با هوش مصنوعی"(pti) به‌طور معناداری بر واردات و صادرات تأثیر می‌گذارند.
8-یافته های پژوهش
یافته های پژوهش به صورت زیر ارائه گردید:
فرضیه ۱: شاخص آمادگی دولت برای استفاده از هوش مصنوعی تأثیر مثبت و معناداری بر حجم تجارت بین‌المللی دارد.
فرضیه ۲: تعداد ثبت اختراعات مرتبط با هوش مصنوعی تأثیر معناداری بر واردات و صادرات دارد.
فرضیه ۳: کسری بودجه تأثیر منفی بر حجم تجارت بین‌المللی دارد.
فرضیه ۴: افزایش تولید ناخالص داخلی تأثیر مثبت بر میزان تجارت بین‌المللی دارد.
فرضیه ۵: عضویت در سازمان تجارت جهانی تأثیر مثبتی بر رابطه بین هوش مصنوعی و تجارت بین‌المللی دارد.
فرضیه ۶: کشورهای با درآمد بالاتر تأثیر بیشتری از هوش مصنوعی در تجارت بین‌المللی دریافت می‌کنند.
جدول 5-نتایج رگرسیون با تجارت به‌عنوان متغیر وابسته
ضریب | خطای استاندارد | مقدار p | متغیر |
0.0881*** | 0.00617 | 0.000 | aiti |
-0.0000176* | 0.00000940 | 0.063 | pti |
-2.8498 | 2.7461 | 0.301 | deficit |
0.0001252 | 0.0000875 | 0.155 | gdpi |
0.00000008 | 0.00000005 | 0.144 | landarea |
0.0027743*** | 0.0007152 | 0.000 | popi |
20.4745** | 0.3407 | 0.000 | _cons |
139 | R-squared | 0.7146 | تعداد مشاهدات |
55.09 | Root MSE | 1.0845 | F |
p<0.01***, p<0.05**, p<0.1*
جدول 5 نشان‌دهنده نتایج رگرسیون با تجارت به‌عنوان متغیر وابسته است، که در آن شاخص "آمادگی دولت برای استفاده از هوش مصنوعی"(aiti) و "تعداد ثبت اختراعات مرتبط با هوش مصنوعی"(pti) اثرات قابل‌توجهی بر کل تجارت (واردات و صادرات) دارند.
جدول 6- بررسی اثر عضویت در WTO بر نتایج رگرسیون مدل
ضریب (رگرسیون 6) | خطای استاندارد | مقدار p | ضریب (رگرسیون 7) | خطای استاندارد | مقدار p | متغیر |
0.0877*** | 0.00632 | 0.000 | 0.0842 | 0.06588 | 0.270 | aiti |
-0.0000173* | 0.00000937 | 0.068 | 0.0113 | 0.02825 | 0.709 | pti |
-3.0349 | 2.8867 | 0.295 | -1.4999 | 12.5272 | 0.910 | deficit |
0.0001277 | 0.0000875 | 0.147 | 0.0106 | 0.00726 | 0.217 | gdpi |
0.00000008 | 0.00000005 | 0.162 | -0.00000034 | 0.00000067 | 0.642 | landarea |
0.0027171*** | 0.0007135 | 0.000 | 0.0074034 | 0.0197957 | 0.727 | popi |
20.4976*** | 0.3592 | 0.000 | 0.0842 | 0.06588 | 0.270 | _cons |
128 | R-squared | 0.7256 |
|
|
| تعداد مشاهدات |
53.32 | Root MSE | 1.08 |
|
|
| F |
p<0.01***, p<0.05**, p<0.1*
در جدول 6، دو رگرسیون با دادههای مربوط به کشورهای عضو WTO (رگرسیون 6) و کشورهای غیرعضو (رگرسیون 7) انجام شده است. نتایج نشان می‌دهد که در کشورهای عضو WTO، شاخص آمادگی دولت برای استفاده از هوش مصنوعی (aiti) تأثیر معناداری بر تجارت دارد، اما در کشور غیرعضو این اثر معنادار نیست.
جدول 7-رگرسیون متغیرهای جزء هر متغیر کلیدی در نمونه‌های گروه‌های مختلف درآمدی
ضریب (رگرسیون 8) | خطای استاندارد | مقدار p | ضریب (رگرسیون 9) | خطای استاندارد | مقدار p | متغیر |
0.0127 | 0.0098 | 0.197 | 0.0248* | 0.0142 | 0.092 | ai1 |
0.0549*** | 0.0187 | 0.004 | 0.0845*** | 0.0253 | 0.002 | ai2 |
0.0169 | 0.0122 | 0.170 | 0.0048 | 0.0393 | 0.904 | ai3 |
-0.00002 | 0.00043 | 0.964 | -0.00053 | 0.00059 | 0.371 | p1 |
-0.00034 | 0.00236 | 0.884 | -0.00128 | 0.00214 | 0.553 | p2 |
0.00050 | 0.00356 | 0.888 | -0.00698 | 0.00416 | 0.104 | p3 |
-0.00004 | 0.00070 | 0.958 | 0.00099 | 0.00082 | 0.235 | p4 |
-0.0123* | 0.00604 | 0.043 | 0.0146 | 0.0100 | 0.156 | p5 |
0.00027 | 0.00068 | 0.695 | -0.00144 | 0.00098 | 0.154 | p6 |
-0.0031 | 0.0041 | 0.448 | 0.0055 | 0.0042 | 0.195 | p7 |
0.0023 | 0.0024 | 0.337 | 0.0019 | 0.0023 | 0.419 | p8 |
-4.6584* | 2.7510 | 0.093 | -3.7651 | 4.5140 | 0.411 | deficit |
0.0011*** | 0.00035 | 0.002 | -0.00071 | 0.00102 | 0.490 | gdpi |
0.00000006 | 0.00000007 | 0.430 | -0.00000005 | 0.00000012 | 0.683 | landarea |
0.00085 | 0.0010 | 0.420 | 0.08097*** | 0.0285 | 0.008 | popi |
21.0668*** | 0.3937 | 0.000 | 19.4605*** | 2.2440 | 0.000 | _cons |
139 |
|
| 46 |
|
| تعداد مشاهدات |
0.7546 |
|
| 0.8420 |
|
| R-squared |
25.22 |
|
|
|
|
| F |
1.0418 |
|
| 0.82071 |
|
| Root MSE |
p<0.01***, p<0.05**, p<0.1*
در جدول 7، رگرسیون متغیرهای جزئی شاخص‌های کلیدی در گروه‌های مختلف درآمدی نشان داده شده است. نتایج نشان می‌دهد که متغیرهای ai1 و ai2 در رگرسیون 9 معناداری دارند و اثرات مثبتی بر حجم تجارت دارند.
جدول 8-رگرسیون متغیرهای جزء هر متغیر کلیدی در نمونه‌های گروه‌های مختلف درآمدی
ضریب (رگرسیون 10) | خطای استاندارد | مقدار p | ضریب (رگرسیون 11) | خطای استاندارد | مقدار p | متغیر |
0.00586 | 0.01633 | 0.723 | 0.03618 | 0.02511 | 0.163 | ai1 |
-0.00661 | 0.03290 | 0.843 | -0.00780 | 0.05420 | 0.887 | ai2 |
0.01173 | 0.03209 | 0.718 | 0.03172 | 0.02873 | 0.281 | ai3 |
-0.09227*** | 0.02484 | 0.001 | 0.24496 | 0.23793 | 0.314 | p1 |
0.57002*** | 0.18258 | 0.005 | -0.19329 | 0.65023 | 0.769 | p2 |
-0.27480 | 0.16780 | 0.116 | -0.13416 | 0.20233 | 0.514 | p3 |
-0.18050* | 0.08704 | 0.051 | -0.63101 | 1.06591 | 0.560 | p4 |
0.33864 | 0.28885 | 0.254 | -0.50763 | 0.75508 | 0.508 | p5 |
-0.04449 | 0.03024 | 0.156 | 0.35627 | 0.64786 | 0.588 | p6 |
-0.05235 | 0.10005 | 0.606 | -0.33397 | 0.53656 | 0.540 | p7 |
0.65266*** | 0.14909 | 0.000 | 0.10088 | 0.14354 | 0.489 | p8 |
-8.81914** | 3.92613 | 0.036 | -2.13041 | 5.63521 | 0.709 | deficit |
-0.00060 | 0.00261 | 0.820 | -0.00177 | 0.00258 | 0.500 | gdpi |
0.00000025 | 0.00000045 | 0.581 | 0.00000046 | 0.00000033 | 0.174 | landarea |
0.03373 | 0.02289 | 0.155 | 0.01318 | 0.00757 | 0.095 | popi |
23.1524*** | 1.6877 | 0.000 | 20.8624*** | 1.2943 | 0.000 | _cons |
| 37 |
| 39 |
|
| تعداد مشاهدات |
| 0.8961 |
| 0.7868 |
|
| R-squared |
| 12.07 |
| 5.66 |
|
| F |
| 0.75014 |
| 0.88513 |
|
| Root MSE |
p<0.01***, p<0.05**, p<0.1*
در جدول 9، رگرسیون متغیرهای جزئی برای گروه‌های مختلف درآمدی بررسی شده است. نتایج نشان می‌دهد که متغیرهای ai1 و p2 در رگرسیون 10 تأثیر مثبت معناداری بر حجم تجارت دارند، در حالی که متغیرهای دیگر در سطوح مختلف تأثیرگذاری کمتری دارند.
9-بحث
با توجه به یافتههای به‌دست آمده از تحلیل‌های رگرسیون در جداول 1 تا 9 نتیجه زیر حاصل شده است.
ضریب متغیر اثر شاخص آمادگی دولت برای هوش مصنوعی (aiti) در برای واردات (lnimp) و صادرات (lnexp) به ترتیب 0839/0 و 0952/0 است که هر دو در سطح اطمینان 99% معنادارند (p<0.01). این نتایج نشان می‌دهد که افزایش آمادگی دولت برای استفاده از هوش مصنوعی به‌طور مستقیم باعث افزایش واردات و صادرات ایران میشود. همینطور ضریب aiti با مقدار 0881/0 و سطح معناداری 99% نشان‌دهنده تأثیر مثبت و معنادار آن بر تجارت کلی (مجموع واردات و صادرات) است. قابل ذکر است که ضریب اثر تعداد ثبت اختراعات مرتبط با هوش مصنوعی (pti) برای واردات 000018/- و برای صادرات 0000171/- است که نشان‌دهنده تأثیر منفی (هرچند ضعیف) تعداد ثبت اختراعات بر واردات و صادرات است. این نتایج در جدول 5 نیز با ضریب 0000176/0- و معناداری 90% تکرار شده که نشان می‌دهد افزایش تعداد ثبت اختراعات مرتبط با هوش مصنوعی ممکن است تأثیر منفی بر حجم تجارت داشته باشد. این اثر منفی می‌تواند به دلیل موانع حقوقی و تکنولوژیکی در فرآیند ثبت و استفاده از این اختراعات باشد. همینطور ضریب متغیر کسری بودجه برای واردات و صادرات به‌ترتیب 436/1- و 019/4- است که نشان می‌دهد کسری بودجه تأثیر منفی و معناداری بر تجارت دارد. این بدان معناست که افزایش کسری بودجه می‌تواند منجر به کاهش واردات و صادرات شود، که ممکن است به دلیل کاهش توان مالی دولت در حمایت از توسعه زیرساخت‌های تجاری و فناوری‌های مرتبط باشد.
ضریب جمعیت برای واردات و صادرات به ترتیب 0027/0- و 0028/0 که همگی در سطح 99% معنادار هستند. این نشان می‌دهد که افزایش جمعیت ایران به‌عنوان یک عامل مهم، تأثیر مثبت و قابل‌توجهی بر تجارت بین‌المللی کشور دارد. قابل ذکر است که ضریب تولید ناخالص داخلی ایران 0001252/0 است که نشان می‌دهد افزایش GDP به بهبود تجارت بین‌المللی کمک می‌کند، هرچند که این اثر در مقایسه با سایر عوامل کمتر معنادار است
(p=0.155). همینطور نتایج نشان می‌دهد که در رگرسیون‌هایی که فقط کشورهایی عضو WTO در نمونه لحاظ شده‌اند، متغیرهای aiti و pti معنادار هستند، اما در کشورهای غیرعضو WTO این تأثیرات معنادار نیستند. این نشان می‌دهد که عضویت در WTO می‌تواند به بهبود تجارت کشور از طریق استفاده بهینه از فناوری‌های هوش مصنوعی کمک کند. در انتها نتایج تحلیل‌های رگرسیون نشان داد که در گروه‌های درآمدی بالاتر، شاخص‌های ai1 و ai2 (پایه‌های فناوری و داده) تأثیر مثبتی بر تجارت دارند، اما در گروه‌های درآمدی پایین‌تر این تأثیرات معنادار نیستند. به‌ویژه، در رگرسیون 9، ضریب ai2 با مقدار 0845/0 و سطح معناداری 99% تأثیر مهمی بر تجارت دارد. این بدان معناست که کشورهایی با درآمد بالاتر که سرمایه‌گذاری بیشتری در هوش مصنوعی دارند، می‌توانند از مزایای بیشتری در تجارت بین‌المللی بهره‌مند شوند.
بر اساس تحلیل‌های عددی و نتایج رگرسیون‌ها، هوش مصنوعی نقش کلیدی در افزایش توان رقابتی ایران در تجارت بین‌المللی دارد. شاخص آمادگی دولت برای استفاده از هوش مصنوعی بیشترین تأثیر مثبت را داشته است و با بهبود زیرساخت‌های دیجیتال و فناوری‌های مرتبط، ایران می‌تواند توانمندی‌های خود را در صادرات و واردات بهبود بخشد. از سوی دیگر، موانع مرتبط با ثبت اختراعات و کسری بودجه باید مدیریت شوند تا کشور بتواند از فرصت‌های بیشتری بهره‌مند شود. در نهایت، عضویت در WTO و سرمایه‌گذاری بیشتر در فناوری‌های پیشرفته هوش مصنوعی برای تقویت تجارت بین‌المللی ایران ضروری است. بر اساس تحلیل‌های عددی و نتایج رگرسیون‌هایی که در بخش‌های قبلی انجام شد، نتیجهگیری این تحقیق نشان می‌دهد که شاخص آمادگی دولت برای هوش مصنوعی (aiti) به‌طور معناداری تأثیر مثبتی بر حجم تجارت بین‌المللی ایران دارد. ضریب این شاخص در رگرسیون‌های انجام‌شده، هم در واردات و هم در صادرات معنادار بوده و این امر نشان می‌دهد که هر چه ایران آمادگی بیشتری برای استفاده از هوش مصنوعی در بخش‌های دولتی و خصوصی داشته باشد، میزان واردات و صادرات کشور نیز افزایش می‌یابد.
نتایج رگرسیون مربوط به متغیر تعداد ثبت اختراعات مرتبط با هوش مصنوعی (pti) نشان داد که این شاخص در ایران تأثیرات متضادی بر تجارت داشته است. به طوری که افزایش تعداد ثبت اختراعات مرتبط با هوش مصنوعی به طور معناداری واردات را کاهش و در برخی موارد صادرات را نیز تحت تأثیر منفی قرار می‌دهد. این نکته ممکن است به دلیل وجود چالش‌های فنی و موانع قانونی مرتبط با ثبت اختراعات و مالکیت فکری باشد که می‌تواند دسترسی ایران به بازارهای بین‌المللی را محدود کند. همینطور تأثیر سایر متغیرها مانند جمعیت (popi) و تولید ناخالص داخلی (gdpi) نیز در تحلیل‌ها نشان داد که این دو عامل بر تجارت بین‌المللی ایران اثرگذار هستند. به‌ویژه افزایش جمعیت به‌عنوان نیروی محرکه بازار داخلی و عامل تولید، تأثیر مثبتی بر حجم تجارت دارد. همچنین، افزایش تولید ناخالص داخلی می‌تواند به توانمندی اقتصادی کشور کمک کرده و باعث افزایش صادرات و واردات شود، اگرچه این اثر در برخی موارد به دلیل نبود زیرساخت‌های کافی و تحریم‌های بین‌المللی کم‌رنگ‌تر به‌نظر می‌رسد.
در تحلیل نتایج مربوط به کسری بودجه (deficit)، مشخص شد که این عامل اثر منفی بر تجارت ایران دارد. این بدان معناست که هر چه کسری بودجه کشور بیشتر شود، توان ایران برای تجارت بین‌المللی کاهش می‌یابد. دلیل این امر ممکن است به کاهش توان مالی دولت برای سرمایه‌گذاری در زیرساخت‌های تجاری و فناوری‌های پیشرفته باشد که مستقیماً بر حجم تجارت اثر می‌گذارد. در نهایت، تحلیل نتایج رگرسیون‌ها بر اساس وضعیت عضویت در WTO نشان داد که عضویت در سازمان تجارت جهانی (WTO) می‌تواند اثر مثبت و معناداری بر تجارت بین‌المللی کشورها داشته باشد. به‌طور خاص، کشورهای عضو WTO با بهره‌گیری از هوش مصنوعی و فناوری‌های مرتبط با آن، توانسته‌اند تجارت خود را به‌طور چشمگیری افزایش دهند. این امر نشان می‌دهد که عضویت ایران در WTO می‌تواند به‌عنوان یک محرک اصلی برای بهبود تجارت و افزایش دسترسی به بازارهای جهانی عمل کند.
این تحقیق نشان داد که استفاده از هوش مصنوعی در ایران می‌تواند به‌عنوان یک عامل کلیدی در افزایش توان رقابتی کشور در تجارت بین‌المللی عمل کند. با این حال، برای استفاده کامل از مزایای این فناوری، نیاز به سرمایه‌گذاری در زیرساخت‌های مرتبط، توسعه مهارت‌های دیجیتال و بهبود سیاست‌های مالکیت فکری و تجارت بین‌المللی است. همچنین، رفع موانع قانونی و اقتصادی می‌تواند به ایران کمک کند تا از فرصت‌های ایجادشده توسط هوش مصنوعی برای بهبود صادرات و واردات خود بهره‌مند شود. در واقع نتایج این تحقیق نشان می‌دهد که هوش مصنوعی به‌عنوان یک فناوری نوظهور تأثیرات مهم و پیچیده‌ای بر تجارت بین‌الملل دارد، به‌ویژه در کشورهایی مانند ایران که در حال توسعه‌اند و به دنبال بهبود کارایی و رقابت‌پذیری خود در صحنه تجارت جهانی هستند. یافتههای این مطالعه نشان می‌دهد که شاخص آمادگی دولت برای هوش مصنوعی (aiti) به‌طور معناداری بر افزایش واردات و صادرات اثرگذار است و کشورهایی که از این شاخص بهره‌مندند، توانسته‌اند سطح تجارت بین‌المللی خود را ارتقا دهند. همچنین، تعداد ثبت اختراعات مرتبط با هوش مصنوعی (pti) تأثیرات متضادی بر واردات و صادرات داشته و نشان‌دهنده پیچیدگی تأثیرات فناوری بر ساختار تجارت است. در این راستا، کشورهایی با تعداد بیشتر اختراعات هوش مصنوعی ممکن است با چالش‌هایی در تجارت مواجه شوند که به دلیل تکنولوژی‌های جدید، موانع و تغییرات ساختاری در بازارهای جهانی ایجاد میشود. در عین حال، کشورهایی با منابع و زیرساخت‌های گسترده‌تر و آمادگی بیشتر در حوزه هوش مصنوعی، توانسته‌اند از مزایای این فناوری بهره ببرند و از آن برای بهبود مدیریت زنجیره تأمین، کاهش هزینه‌های لجستیکی و بهبود فرآیندهای تجاری استفاده کنند. همینطور باید توجه داشت که هوش مصنوعی می‌تواند نه‌تنها بر تجارت کالایی تأثیر بگذارد، بلکه خدمات و نوآوری‌های مرتبط با تجارت دیجیتال و هوشمند نیز می‌تواند به شدت تحت تأثیر قرار گیرد. یکی از چالش‌های اصلی برای کشورهایی مثل ایران، مسئله کمبود نیروی انسانی متخصص در زمینه هوش مصنوعی است. به همین دلیل، ایجاد سیستم‌های آموزشی که بر توسعه مهارت‌های دیجیتال و هوش مصنوعی تمرکز دارند، امری ضروری به نظر می‌رسد. علاوه بر این، همکاری با دانشگاه‌ها و مراکز تحقیقاتی بین‌المللی برای بهره‌برداری از تجربیات و دانش جهانی در زمینه هوش مصنوعی می‌تواند به پیشرفت کشور کمک شایانی کند.
از منظر اقتصادی، یکی دیگر از نکات کلیدی این است که استفاده از هوش مصنوعی می‌تواند منجر به بهبود بهره‌وری در تولید و کاهش هزینه‌ها شود که به‌طور مستقیم بر افزایش صادرات اثر خواهد داشت. در همین راستا، پیشنهاد میشود که صنایع مختلف کشور، به‌ویژه صنایع تولیدی و کشاورزی، فناوری‌های هوش مصنوعی را در فرآیندهای خود به کار بگیرند تا ضمن کاهش هزینه‌های تولید، دقت و کیفیت محصولات خود را افزایش دهند. این امر می‌تواند منجر به افزایش تقاضا برای محصولات ایران در بازارهای جهانی شود. همچنین، توجه به نقش داده‌ها و امنیت اطلاعات در تجارت بین‌المللی هوش مصنوعی بسیار مهم است. کشورها باید برای مدیریت جریان داده‌ها، حفاظت از حریم خصوصی و جلوگیری از نشت اطلاعات، مقررات مناسبی وضع کنند. از آنجا که هوش مصنوعی به‌طور فزاینده‌ای وابسته به داده‌هاست، حفظ امنیت دادههای تجاری و ایجاد چارچوب‌های حقوقی شفاف می‌تواند موجب اطمینان‌بخشی به شرکای تجاری بین‌المللی و تسهیل تعاملات تجاری شود.
10-نتیجهگیری و پیشنهادات
این تحقیق با هدف بررسی تأثیر هوش مصنوعی بر تجارت بین‌المللی انجام شد و بر اساس دادههای اقتصادی کشور در سال ۱۴۰۰ تا 1403، مدل‌های رگرسیونی برای تحلیل رابطه بین متغیرهای تحقیق اجرا شد. یافتههای این مطالعه به ارزیابی فرضیات تحقیق پرداخته که نتایج آن به شرح زیر است:
1) فرضیه اول مبنی بر اینکه شاخص آمادگی دولت برای استفاده از هوش مصنوعی تأثیر مثبت و معناداری بر حجم تجارت بین‌المللی ایران دارد، تأیید شد. نتایج نشان دادند که افزایش این شاخص، واردات، صادرات و تجارت کل ایران را افزایش می‌دهد.
2) فرضیه دوم که بیان می‌کرد تعداد ثبت اختراعات مرتبط با هوش مصنوعی تأثیر معناداری بر تجارت بین‌المللی دارد، تا حدی تأیید شد. اگرچه این شاخص در برخی موارد تأثیر مثبتی بر تجارت داشت، اما اثر منفی آن بر صادرات نیز مشاهده شد که احتمالاً ناشی از چالش‌های قانونی و موانع ثبت اختراعات در ایران است.
3) فرضیه سوم که کسری بودجه تأثیر منفی بر حجم تجارت دارد، به طور کامل تأیید شد. یافته‌ها نشان دادند که هرچه کسری بودجه افزایش یابد، میزان واردات و صادرات کاهش می‌یابد.
4) فرضیه چهارم که تولید ناخالص داخلی تأثیر مثبتی بر تجارت دارد، تأیید شد، اما میزان تأثیر آن کمتر از سایر عوامل بود.
5) فرضیه پنجم که بیان می‌کرد عضویت در سازمان تجارت جهانی اثر مثبتی بر رابطه بین هوش مصنوعی و تجارت دارد، تأیید شد. نتایج نشان داد که در کشورهای عضو WTO، شاخص‌های هوش مصنوعی تأثیر قوی‌تری بر تجارت دارند.
6) فرضیه ششم که کشورهای با درآمد بالاتر از تأثیرات مثبت هوش مصنوعی بر تجارت بین‌المللی بیشتر بهره‌مند می‌شوند نیز تأیید شد. داده‌ها نشان دادند که در کشورهایی با زیرساخت‌های بهتر، اثرات مثبت هوش مصنوعی بر تجارت چشمگیرتر است.
پیشنهادات تحقیق بر اساس یافته‌ها
بر اساس نتایج حاصل از آزمون فرضیات، پیشنهادات زیر برای سیاست‌گذاران اقتصادی، تصمیم‌گیران و فعالان تجاری ارائه میشود:
1) با توجه به تأیید فرضیه اول، پیشنهاد میشود که دولت ایران اقدامات لازم برای بهبود آمادگی خود در زمینه هوش مصنوعی، از جمله توسعه سیاست‌های حمایتی و افزایش سرمایه‌گذاری در فناوری‌های مرتبط را انجام دهد.
2) از آنجایی که فرضیه دوم نشان داد که موانع قانونی بر تجارت تأثیر دارند، تدوین و اجرای سیاست‌های حمایتی برای تشویق نوآوران و کاهش موانع حقوقی ضروری است.
3) نتایج تحقیق تأثیر منفی کسری بودجه بر تجارت را نشان دادند، لذا مدیریت بهتر منابع مالی و کاهش بدهی‌های دولتی می‌تواند به افزایش تجارت بین‌المللی ایران کمک کند.
4) تأیید فرضیه پنجم نشان داد که عضویت در WTO می‌تواند باعث افزایش بهره‌برداری از فناوری‌های هوش مصنوعی در تجارت شود، لذا پیگیری این عضویت باید در دستور کار سیاست‌گذاران اقتصادی قرار گیرد.
5) برای بهره‌برداری بیشتر از هوش مصنوعی، لازم است که برنامه‌های آموزشی و مهارت‌افزایی در حوزه‌های مرتبط تقویت شوند تا کشور بتواند رقابت‌پذیری خود را در بازارهای جهانی افزایش دهد.
محدودیت‌های تحقیق و پیشنهاد برای تحقیقات آینده
این پژوهش، علی‌رغم ارائه یافتههای ارزشمند، دارای محدودیت‌هایی است که در تفسیر نتایج باید در نظر گرفته شوند:
1) این مطالعه تنها بر دادههای اقتصادی ایران در سال ۱۴۰۰ تا 1403 تمرکز داشته و نتایج ممکن است برای دوره‌های زمانی دیگر تفاوت داشته باشند. برای بررسی روندهای بلندمدت، تحقیقات آینده می‌توانند از دادههای چندین ساله استفاده کنند.
2) این تحقیق عمدتاً از متغیرهای کمی استفاده کرده است، در حالی که عواملی مانند سیاست‌های دولت، سطح پذیرش فناوری توسط صنایع و میزان همکاری‌های بین‌المللی می‌توانند بر نتایج اثرگذار باشند. تحقیقات آینده می‌توانند این عوامل را نیز در نظر بگیرند.
3) ایران به دلیل تحریم‌های اقتصادی، با محدودیت‌هایی در تجارت بین‌المللی مواجه است. این عامل ممکن است بر یافتههای تحقیق تأثیر گذاشته باشد و بررسی تأثیر تحریم‌ها بر تجارت مبتنی بر هوش مصنوعی می‌تواند زمینه‌ای برای تحقیقات آتی باشد.
4) این مطالعه فقط روی ایران متمرکز بوده است، در حالی که مقایسه تأثیر هوش مصنوعی بر تجارت در سایر کشورها می‌تواند دیدگاه گسترده‌تری ارائه دهد. پیشنهاد میشود که تحقیقات آینده این مقایسه را انجام دهند.
این پژوهش نشان داد که هوش مصنوعی می‌تواند تأثیرات قابل‌توجهی بر تجارت بین‌المللی ایران داشته باشد و عواملی نظیر آمادگی دولت، ثبت اختراعات مرتبط، کسری بودجه و عضویت در WTO از جمله متغیرهای کلیدی در این زمینه هستند. با توجه به نتایج این تحقیق، پیشنهاد میشود که سیاست‌گذاران و فعالان اقتصادی اقدامات لازم برای بهبود زیرساخت‌های دیجیتال، مدیریت مالی بهتر و تسهیل قوانین مرتبط با مالکیت فکری را در دستور کار قرار دهند. علاوه بر این، با توجه به محدودیت‌های تحقیق، انجام مطالعات جامع‌تر در این حوزه می‌تواند به درک بهتر اثرات هوش مصنوعی بر تجارت بین‌المللی کمک کند.
9-منابع و مآخذ
- Achar, Sandesh, 2019. "Early Consequences Regarding the Impact of Artificial Intelligence on International Trade," American Journal of Trade and Policy, Asian Business Consortium, vol. 6(3), pages 119-126.
- Aslan M.F., Sabanci K. A novel proposal for deep learning-based diabetes prediction: converting clinical data to image data. Diagnostics. 2023;13:796. doi: 10.3390/diagnostics13040796.
- Bonsay, J. O., Cruz, A. P., Firozi, H. C., & Camaro, P. J. C. (2021). Artificial intelligence and labor productivity paradox: the economic impact of AI in China, India, Japan, and Singapore. Journal of Economics, Finance and Accounting Studies, 3(2), 120-139.
- Brougham, D., & Haar, J. (2018). Smart technology, artificial intelligence, robotics, and algorithms (STARA): Employees' perceptions of our futureworkplace.Journal of Management and Organization,24(2), 239-257.
- Brynjolfsson, E., Hui, X., & Liuy, M. (2018). Does Machine Translation Affect International Trade? Evidencefrom a Large Digital Platform. MIT and NBER
Goldfarb, A., & Trefler, D. (2018). AI and International Trade. NBER Working Paper No. 24254. Available at:https://www.nber.org/papers/w24254
- Chan, E. (2020). Neural Network AI is the Future of the Translation Industry. Synced. https://syncedreview.com/2020/05/20/neural-network-ai-is-the-future-of-the-translation-industry/
- Ciuriak, D., Ptashkina, M., & Rodionova, V. (2022). THE TECHNOLOGY NEXUS OF AI. International Negotiation and Political Narratives: A Comparative Study, 119.
- ergstrand, J. H. (1985). The gravity equation in international trade: Some microeconomic foundations andempirical. The Review of Economics and Statistics, 67(3), 474–481.
Egger, P. H., & Toubal, F. (2016). Common Spoken Languages and International Trade. In V. Ginsburgh & S.Weber (Eds.), The Palgrave Handbook of Economics and Language. Palgrave Macmillan.
Vemuri, V. K., & Siddiqi, S. (2009). Impact of commercialization of the Internet on international trade:A panel study using the extended gravity model. The International Trade Journal, 23(4), 458–484.
Tay, C. (2020). Comparison of the Impact of ICT between Bilateral Trade in Goods and Services, Journal ofSystem and Management Sciences, 10(1), 1-31.
- F¨orster, M., Klier, M., Kluge, K. & Sigler, I. (2020). Fostering Human Agency: A Process for the Design of User-Centric XAI Systems. ICIS 2020 Research Papers.
- Garg, S., Mahajan, N., & Ghosh, J. (2022). Artificial Intelligence as an emerging technology in Global Trade: the challenges and Possibilities. In Handbook of Research on Innovative Management Using AI in Industry 5.0 (pp. 98-117). IGI Global
- Gelan, T. M., & Assefa, B. G. (2022). AI Adoption in Ethiopian Manufacturing: Prospects and Barriers (No. 8803). EasyChair.
- Huang, C., & Wang, X. (2019).Financial innovation based on artificial intelligence technologies. In Proceedings of the 2019 International Conference on Artificial Intelligence and Computer Science (pp. 750-754).
- Irion, K. and J. Williams (2019), “Prospoective Policy Study on Artificial Intelligence and EU Trade Policy”, Institute for Information Law, https://www.ivir.nl/projects/prospective-policystudy-on-artificial-intelligence-and-eu-trade-policy/.
- Jaax, A., F. Gonzales and A. Mourougane (2021), “Nowcasting Aggregate Services Trade”, OECD Trade Policy Papers, https://doi.org/10.1787/0ad7d27c-en.
- Jindal K., Upadhyay R., Padhy P.K., Longo L. In: Artificial Intelligence-Based Brain-Computer Interface. Bajaj V., Sinha G., editors. Academic Press; 2022. 6 - bi-lstm-deep cnn for schizophrenia detection using msst-spectral images of eeg signals; pp. 145–162.
- Kanenga, H. (2016). Understanding Sino-Zambia Trade Relations: Trends, Determinants and Policy Implications.World Journal of Social Sciences and Humanities, 2(2), 52–77.
Agrawal, A., J. Gans and A. Goldfarb (2017), The Economics of Artificial Intelligence: An Agenda, National Bureau of Economic Research University of Chicago Press.
- Kapoor, R., & Ghosal, I. (2022). Will Artificial Intelligence Compliment or Supplement Human Workforce in Organizations? A Shift to a Collaborative Human–Machine Environment. International Journal on Recent Trends in Business and Tourism (IJRTBT), 6(4), 19-28.
- Lewer, J. J., & Berg, H. V. (2007). Religion and International Trade: Does the Sharing of a Religious CultureFacilitate the Formation of Trade Networks? American Journal of Economics and Sociology, 66(4), 765–794.doi:10.1111/j.1536-7150.2007.00539.x
- Li, B., B. Hou and W. Yu (2017), Applications of artificial intelligence in intelligent manufacturing: a review, Frontiers Inf Technol Electronics Eng 18, 86-96, https://doi.org/10.1631/FITEE.1601885.
- Lipsey, R. E. (2009). Measuring international trade in services. In M. Reinsdorf & M. J. Slaughter (Eds.),International trade in services and intangibles in the era of globalization. University of Chicago Press. https://www.nber.org/books/rein09-1
- Matt Taddy, The Technological Elements of Artificial Intelligence, NBER Working Paper 24301, February 2018
- Meltzer, J. P. (2018). The impact of AI on international trade. Center of Technology Innovation at BrookingsInstitution. https://www.hinrichfoundation.com/media/2bxltgzf/meltzerai-and-trade_final.pdf
- Muhammad, A., Umar, U. A., & Adam, F. L. (2023). The impact of Artificial Intelligence and Machine learning on workforce skills and economic mobility in developing countries: A case study of Ghana and Nigeria. Journal of Technology Innovations and Energy, 2(1), 55-61.
- Nilsson, N. J. (2005). Human-level artificial intelligence? be serious!AI Magazine,26(4), 68-75.
- Pillarisetty, R., & Mishra, P. (2022). A Review of AI (Artificial Intelligence) Tools and Customer Experience in Online Fashion Retail. Int. J. E Bus. Res., 18, 1-12.
- Qian, Z. Y., & Lai, W. S. (2024). TheImpact Of Artificial IntelligenceTechnology On International Trade.Advanced International Journal ofBusiness, Entrepreneurship andSMEs, 6 (19), 153-170
Xiao, L., Cheng, X., & Mou, J. (2022). Understanding global e-commerce development duringthe COVID-19 pandemic: Technology-Organization-Environment perspective. Journalof Global Information Technology Management, 25, 1 - 6
Li, L., Wang, Y., & Zhang, Y. (2021). Analysis on the Application of Artificial Intelligence inCross-Border E-commerce. Proceedings of the 6th Annual International Conference onSocial Science and Contemporary Humanity Development (SSCHD 2020).
Alcover, C., Guglielmi, D., Depolo, M., & Mazzetti, G. (2021). “Aging-and-Tech JobVulnerability”: A proposed framework on the dual impact of aging and AI, robotics,and automation among older workers. Organizational Psychology Review, 11, 175 -201.
Jangra, G., & Jangra, M. (2022). Role of Artificial Intelligence in Online Shopping and itsImpact on Consumer purchasing behaviour and Decision. 2022 Second InternationalConference on Computer Science, Engineering and Applications (ICCSEA), 1-7.
Chitimira, H., & Ncube, P. (2021). The Regulation and Use of Artificial Intelligence and 5GTechnology to Combat Cybercrime and Financial Crime in South African Banks.Regulation of Financial Institutions eJournal
Chien-Feng Huang (Professor) (2022), "High-frequency trading through artificial intelligencefor financial innovation", Open Access Government January 2023,pp.280-281. Available at https://www.openaccessgovernment.org/article/high-frequency-trading-artificial-intelligence-financial-innovation/1 49943/.(Accessed: 08Jul 2023)
Achar, S. (2016). Software as a Service (SaaS) as Cloud Computing: Security and Risk vs. Technological Complexity.Engineering International,4(2), 79-88.
- Rotbe, Sayna; Wei Hsuan Tseng, Beatriz Merino-Barbancho, Muhammad Salman Haleem, Luis Montesinos, Leandro Pecchia, Giuseppe Fico, Alessio Botta. (2024). Evaluating impact of movement on diabetes via artificial intelligence and smart devices systematic literature review. Expert Systems with Applications Available online 9 August 2024, 125058
- Sapir, A. (2001). Domino effects in Western European trade, 1960-92, ULB Institutional Repository. ULB –Universite Libre de Bruxelles.
- Savarimuthu, B. T. R., Corbett, J., Yasir, M. & Lakshmi, V. (2020). Using Machine Learning to Improve the Sustainability of the Online Review Market. ICIS 2020 Research Papers.
- Shimo, S. (2020). Risks of Bias in AI-Based Emotional Analysis Technology from Diversity Perspectives. 2020 IEEE International Symposium on Technology and Society (ISTAS), 66-68
- Sobel Benjamin. (2017), “Artificial Intelligence’s Fair Use Crisis”, Columbia Journal of Law & the Arts 45. 68-71
- Stecher, P., Pohl, M. & Turowski, K. (2020). Enterprise architecture’s effects on organizations’ ability to adopt artificial intelligence - A Resource-based perspective. ECIS 2020 Research Papers.
- Strubell, E., A. Ganesh and A. McCallum (2019), Energy and Policy Considerations for Deep Learning in NLP, University of Massachusetts Amherst, https://arxiv.org/pdf/1906.02243.pdf.
- Wang, L., & Hu, S. (2020, January). Patent Protection for Artificial Intelligence in Europe. In 2020 International Conference on Intelligent Transportation, Big Data & Smart City (ICITBS) (pp. 591-594). IEEE.
- Wiggers, K. (2020). How Google is using emerging AI techniques to improve language translation quality. https://venturebeat.com/2020/06/03/how-googleis-using-emerging-ai-techniques-to-improve-language-translation-quality/
- Xiao, J., & Boschma, R. (2022). The emergence of artificial intelligence in European regions: the role of a local ICT base. The Annals of Regional Science, 1-27.
[1] Chan
[2] Rotbei et al
[3] Achar
[4] Wiggers
[5] Aslan M.F., Sabanci
[6] AI
[7] Brougham & Haar
[8] Rotbei et al
[9] Algo Trading
[10] Jindal
[11] Superintelligent AI
[12] Aslan M.F., Sabanci
[13] Reactive AI
[14] Savarimuthu
[15] Limited Memory AI
[16] Pillarisetty & Mishra
[17] Self-aware AI
[18] Rotbei et al
[19] Bergstrand
[20] Egger & Toubal
[21] GDP
[22] Vemuri & Siddiqi
[23] Tay
[24] Sapir
[25] Meltzer
[26] IMF
[27] World Bank
[28] Lewer & Berg
[29] Tay
[30] Qian
[31] Xiao
[32] Li
[33] Alcove
[34] Jaax
[35] Kapoor & Ghosal
[36] Irion and Williams
[37] Li
[38] Strubell
Investigating the effect of using artificial intelligence in international trade
Seyed Hassan Shojaei1, Hashem Zare2, Mehrzad Ebrahimi3
1 PhD student, Department of Management and Economics, Islamic Azad University, Shiraz branch, Iran (phd.shojaie@gmail.com)
2 Assistant Professor, Department of Management and Economics, Islamic Azad University, Shiraz branch, Iran
3 Assistant Professor, Department of Management and Economics, Islamic Azad University, Shiraz branch, Iran
Abstract
The main objective of this study is to investigate the impact of the use of artificial intelligence on Iran's international trade. The statistical population of this study includes Iranian economic data from 2021 to 2023, and the statistical sample was selected based on data available in the World Bank, International Monetary Fund, World Trade Organization, and World Intellectual Property Organization. The research method of this study is descriptive-analytical and the ordinary least squares regression model was used to analyze cross-sectional data. The research findings showed that the government readiness index for the use of artificial intelligence has a positive and significant impact on Iran's imports and exports. The coefficient of this variable in the regression of imports and exports was 0.0839 and 0.0952, respectively, which are both significant at the 99% level of significance. Also, the number of patents related to artificial intelligence had a negative (although small) impact on imports and exports, with its coefficients being -0.000018 and -0.0000171, respectively. This negative impact could be due to challenges related to intellectual property rights and the patenting process. On the other hand, the budget deficit has a negative impact on Iran’s trade; the coefficient of the budget deficit in the import and export regressions is -1.436 and -4.019, respectively, indicating a decrease in the country’s ability to increase trade due to financial constraints. Iran’s population also has a positive impact on trade, and its coefficient in the import and export regressions is 0.0027 and 0.0028, respectively, both of which are significant at the 99% level. Finally, the results of this study showed that membership in the World Trade Organization can play an important role in increasing the positive effects of AI on international trade. Developing AI infrastructure and supporting policies for related technologies can lead to increased competitiveness of Iran in international markets. Also, better management of the budget deficit and strengthening legal policies related to patents and AI innovations are among the things that can help improve Iran's trade performance.
Keywords: Artificial Intelligence, International Trade, Exports
JEL Classification: M21, C53, C82, F12