4차 산업혁명 시대의 무역경영 분야에서 머신러닝 활용 방안에 관한 연구

박영현

4차 산업혁명 시대의 무역경영 분야에서 머신러닝 활용 방안에 관한 연구

추천

검색

A Study on the Use of Machine Learning in International Trade Business

자료유형: 학술저널

저자정보: 박영현 (경남대학교)

저널정보: 한국무역경영학회 한국무역경영연구 무역경영연구 제30호 KCI등재

발행연도: 2023.4

수록면: 39 - 55 (17page)

이용수

4차 산업혁명 시대의 무역경영 분야에서 머신러닝 활용 방안에 관한 연구

초록· 키워드

오류제보하기

1956년 미국 다트머스 대학교에서 개최된 학회에서 미국 인지심리학자이자 컴퓨터과학자인 존 매카시(John McCarthy)가 인공지능(Artificial Intelligence; AI)이라는 용어를 처음 사용한 이래로 인공지능은 자연어처리나 다층 신경회로망의 도입과 함께 크게 성장하였다. 21세기 이후로는 딥러닝(Deep Learning)이 발표되면서 비지도 학습방법이 가능하게 되었으며, 국내에서는 2016년 알파고와 이세돌 9단의 바둑 대결이 이루어지면서 크게 화제가 되기도 하였다. 이미 인공지능은 일부 분야에 있어서 인간의 수준을 뛰어넘는 능력을 발휘하고 있으며, 최근에는 생성형 인공지능의 등장으로 창작 영역에 있어서도 다양한 가능성을 제시하고 이에 대한 대중의 관심과 신뢰도 크게 증가하고 있는 추세이다. 이와 같이 다양한 분야에서 인공지능 활용 가능성과 적용 방법에 대해 논의하고 있으며, 무역 분야에 있어서도 산업 측면에서 인공지능에 대한 호의적인 접근이 이루어지고 있다. 인공지능에 긍정적인 측에서는 인공지능의 발전이 스스로 가장 적절한 바이어를 찾아서 계약을 체결하고 무역서류를 만들어 송부하는 등의 무역 전반의 업무를 AI가 대체할 수 있을 것으로 기대하고 있다. 또한 결제 사기나 선적 사기와 같은 무역 사기 등을 원천 차단하여 무역 리스크를 경감시키고 무역 및 산업동향을 분석하고 예측하는데도 기여할 것으로 여겨진다. 이러한 인공지능을 구현하기 위해 필요한 것이 머신러닝과 빅데이터로, 기존 방식처럼 명시적으로 컴퓨터를 프로그래밍하는 대신에 컴퓨터가 데이터를 통해 학습하고 경험을 통해 개선하도록 훈련시키는 것이다. 머신러닝의 하위 구성요소로는 딥러닝과, 신경망(Neural networks)이 있다. 머신러닝에서 알고리즘은 대규모 데이터 세트에서 상관관계와 패턴을 찾고 분석을 통해 최적의 의사결정과 예측을 수행하도록 하는데, 이때 머신러닝의 학습을 위해 필요한 학습자료가 빅데이터라고 할 수 있다. 따라서 인공지능을 위해서 머신러닝과 빅데이터는 서로 필수적이며 보완적인 상호관계에 있다. 다만, 무역경영 분야에 있어서 머신러닝에 대한 연구는 아직 활성화가 되어 있지 않으며, 일부 연구가 이루어지고는 있으나 그 범주나 활용은 아직 미비하다고 할 수 있다. 이에 본 연구에서는 인공지능, 머신러닝, 딥러닝에 대한 선행연구를 통해 인공지능에 대한 기존의 연구 동향을 분석하고, 무역경영 분야에 대한 머신러닝의 활성화 방안과 정책적 제언을 제시하여 이 분야에 대한 후속 연구에 기여하고자 한다.

Since John McCarthy first used the term artificial intelligence (AI) at a conference held at Dartmouth College in 1956, artificial intelligence has grown along with the introduction of natural language processing and multilayer neural networks. Since the 21st century, deep learning has been announced, and unsupervised learning methods have become possible. Artificial intelligence is already demonstrating its ability to exceed human levels in some fields, and with the recent emergence of generative artificial intelligence, it presents various possibilities in the creative field, and the public's interest and trust in it are greatly increasing. am. In this way, the possibility of using artificial intelligence and how to apply it are being discussed in various fields, and a favorable approach to artificial intelligence is being made in the industrial aspect in the field of trade. What is needed to implement this artificial intelligence is machine learning and big data, which trains computers to learn from data and improve through experience, instead of explicitly programming computers as in the traditional way. Subcomponents of machine learning include deep learning and neural networks. In machine learning, algorithms find patterns and correlations in large-scale data sets and make optimal decisions and predictions based on analysis. At this time, big data is the learning material necessary for learning machine learning. Therefore, for artificial intelligence, machine learning and big data are essential and complementary to each other. However, research on machine learning in the field of trade management has not yet been activated, and although some studies are being conducted, its scope and application are still insufficient. Therefore, in this study, through previous research on artificial intelligence, machine learning, and deep learning, we analyzed the existing research trends on artificial intelligence, and suggested ways to activate machine learning in the field of trade management and policy proposals to improve our understanding of this field. I would like to contribute to follow-up research.

#머신러닝 #무역경영 #인공지능 #Machine Learning #Trade Business #Artificial Intelligence

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박영현

소속기관 경남대학교

주요연구분야 사회과학 > 무역학

논문수 3 이용수 218

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)