DOI: https://doi.org/10.1057/s41599-024-04319-0
تاريخ النشر: 2025-01-03
المؤلف: Qiang Wang وآخرون
الموضوع الرئيسي: الطاقة والبيئة والنمو الاقتصادي
نظرة عامة
تستكشف هذه الدراسة دور الذكاء الاصطناعي (AI) في تعزيز الكفاءة الاقتصادية الخضراء لصيد الأسماك البحرية في الصين، باستخدام بيانات بانل من 11 مقاطعة وبلدية ساحلية بين عامي 2009 و2020. من خلال استخدام طريقة الانتروبيا ونموذج EBM الفائق الكفاءة، تحسب الدراسة مؤشر الذكاء الاصطناعي وتقيّم الكفاءة الاقتصادية الخضراء. تشير النتائج إلى أنه بينما تحسن الذكاء الاصطناعي بشكل كبير خلال فترة الدراسة، فإن الكفاءة الاقتصادية الخضراء لصيد الأسماك البحرية قد تقلبت، مما يكشف عن تفاوتات إقليمية كبيرة. ومن الجدير بالذكر أن الذكاء الاصطناعي يُظهر تحسينًا كبيرًا في هذه الكفاءة، حيث تم تحديد التمويل الأخضر، والانفتاح التجاري، واستثمار البحث والتطوير كمتغيرات معدلة حاسمة تسهل تطوير الذكاء الاصطناعي وتأثيره الإيجابي.
تؤكد الاستنتاجات على الإمكانات التحويلية للذكاء الاصطناعي في تحويل ممارسات الصيد التقليدية نحو أساليب أكثر استدامة وتركز رقميًا. تؤكد الدراسة أن الذكاء الاصطناعي يُحسن تخصيص الموارد، ويعزز عمليات الإنتاج، ويقلل من الأضرار البيئية، مما يحسن من القدرة التنافسية في السوق والكفاءة العامة. علاوة على ذلك، تسلط التحليل الضوء على التأثيرات التآزرية للتمويل الأخضر، والانفتاح التجاري، واستثمار البحث والتطوير، التي تعزز فوائد الذكاء الاصطناعي. تؤكد الأبحاث أن تأثير الذكاء الاصطناعي على الكفاءة الاقتصادية الخضراء يعتمد على مستويات هذه العوامل المعدلة، مما يشير إلى أن زيادة الاستثمار في الموارد المالية والتكنولوجية أمر ضروري لتعزيز الاستدامة في صيد الأسماك البحرية.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور الحاسم للاقتصاد البحري في التنمية المستدامة العالمية، لا سيما من خلال قدرة المحيطات على امتصاص حوالي 23% من انبعاثات الكربون السنوية. تؤكد على أهمية صيد الأسماك البحرية المستدام، الذي يواجه تحديات بسبب الممارسات التقليدية التي تسهم في التلوث والانهيار البيئي. في الصين، يتم التأكيد على الحاجة إلى تحقيق التوازن بين النمو الاقتصادي والحفاظ على البيئة البحرية، حيث لم تعالج المبادرات الحكومية الحالية بشكل كافٍ عدم الكفاءة واستهلاك الطاقة العالي في القطاع. يظهر مفهوم الكفاءة الاقتصادية الخضراء كقياس حيوي لتقييم استدامة صيد الأسماك البحرية، مع دمج قيود الموارد وآثار البيئة.
تفترض الورقة أن الذكاء الاصطناعي (AI) يمكن أن يعزز بشكل كبير الكفاءة الاقتصادية الخضراء لصيد الأسماك البحرية من خلال تحسين كفاءة الإنتاج وإدارة الموارد. ومع ذلك، فإن نشر تقنيات الذكاء الاصطناعي يرافقه تحديات مثل استهلاك الطاقة العالي ومتطلبات الاستثمار الكبيرة. تهدف الدراسة إلى استكشاف العلاقة بين الذكاء الاصطناعي والكفاءة الاقتصادية الخضراء في مصايد الأسماك الساحلية في الصين، مع معالجة الأسئلة الرئيسية المتعلقة بتأثير الذكاء الاصطناعي والأدوار المعدلة للتمويل الأخضر، والانفتاح التجاري، واستثمار البحث والتطوير. باستخدام بيانات بانل من 11 مقاطعة ساحلية من 2009 إلى 2020، تستخدم الأبحاث طرق تحليل متقدمة، بما في ذلك نموذج Super-EBM ونمذجة التأثيرات الثابتة، لتقييم هذه الديناميات. من المتوقع أن توفر النتائج رؤى قيمة لصانعي السياسات وتساهم في إدارة مصايد الأسماك المستدامة على مستوى العالم.
النتائج
تؤكد نتائج الدراسة على ثبات المتغيرات المختارة من خلال اختبارات الجذر الأحادي، حيث اجتاز جميع المتغيرات اختبارات LLC وIPS وFisher-ADF وFisher-PP بعد الفرق الأول. تشير اختبارات التكامل المشترك لكاو إلى وجود علاقات طويلة الأجل بين المتغيرات، مما يثبت ملاءمتها لتحليل الانحدار. يكشف نموذج التأثيرات الثابتة أن نشر الذكاء الاصطناعي يعزز بشكل كبير الكفاءة الاقتصادية الخضراء لقطاع صيد الأسماك البحرية، مع معامل قدره 0.033 عند مستوى دلالة 5%، مما يدعم الفرضية 1. لمعالجة إمكانية الاندماج، تم استخدام نهج المتغيرات الآلية، باستخدام عدد مكاتب البريد لكل مليون شخص في عام 1988 كأداة للذكاء الاصطناعي. تؤكد النتائج وجود علاقة إيجابية بين الأداة والذكاء الاصطناعي، مع بقاء معامل الذكاء الاصطناعي إيجابيًا بشكل كبير عند مستوى 1%، مما يؤكد قوة النتائج.
تظهر التحليلات الإضافية للتأثيرات المعدلة أن التمويل الأخضر، والانفتاح التجاري، واستثمار البحث والتطوير تعزز بشكل كبير تأثير الذكاء الاصطناعي على الكفاءة الاقتصادية الخضراء. على وجه الخصوص، تعطي مصطلحات التفاعل للذكاء الاصطناعي مع التمويل الأخضر والانفتاح التجاري معاملات إيجابية، مما يشير إلى أن هذه العوامل تعزز فعالية الذكاء الاصطناعي. يكشف تحليل تأثير العتبة أن تأثير الذكاء الاصطناعي يختلف عبر مستويات مختلفة من التمويل الأخضر، والانفتاح التجاري، واستثمار البحث والتطوير. على سبيل المثال، يكون للذكاء الاصطناعي تأثير ضئيل على الكفاءة الاقتصادية الخضراء عند مستويات منخفضة من التمويل الأخضر والانفتاح التجاري، ولكن له تأثير إيجابي كبير عند مستويات أعلى. وبالمثل، يؤدي الاستثمار المحدود في البحث والتطوير إلى تأثير سلبي للذكاء الاصطناعي، بينما يؤدي زيادة الاستثمار إلى تأثير إيجابي. تؤكد هذه النتائج مجتمعة الفرضيات 2b و3b و4b، مما يبرز أهمية العوامل السياقية في تعزيز فعالية الذكاء الاصطناعي في قطاع صيد الأسماك البحرية.
المناقشة
تؤكد المناقشة حول الكفاءة الاقتصادية الخضراء لمصايد الأسماك البحرية على أهميتها كقياس للتوازن بين الأنشطة الاقتصادية، واستخدام الموارد، وتأثير البيئة، وهو أمر حاسم للتنمية البحرية المستدامة. تركز الأبحاث الحالية بشكل أساسي على المنهجيات لحساب هذه الكفاءة، حيث تعتبر تحليل الحدود العشوائية (SFA) وتحليل تغليف البيانات (DEA) هما النهجان الرئيسيان. بينما يقتصر SFA على اعتماده على وظائف الإنتاج المحددة مسبقًا، يوفر DEA مرونة ولكنه له قيوده الخاصة، لا سيما مع النماذج التقليدية مثل CCR وBCC التي تتطلب تغييرات نسبية في المدخلات والمخرجات. لمعالجة هذه القيود، تستخدم هذه الدراسة نموذج Super-EBM، الذي يعزز دقة التقييم من خلال دمج متغيرات الفائض غير الشعاعي مع الحفاظ على نسب المدخلات والمخرجات، على الرغم من أنه قد يؤدي إلى عدد كبير من وحدات اتخاذ القرار الفعالة.
علاوة على ذلك، تسلط هذه القسم الضوء على العوامل المتعددة التي تؤثر على الكفاءة الاقتصادية الخضراء، بما في ذلك التقدم التكنولوجي، واللوائح البيئية، والظروف الاقتصادية. يتم تحديد التقدم التكنولوجي كعامل رئيسي، حيث يظهر الذكاء الاصطناعي كعامل مهم في تحسين تخصيص الموارد وتعزيز الكفاءة التشغيلية في مصايد الأسماك البحرية. كما يُلاحظ التمويل الأخضر لدوره في دعم الممارسات المستدامة وتسهيل دمج تقنيات الذكاء الاصطناعي، بينما يتم مناقشة الانفتاح التجاري كسلاح ذو حدين يمكن أن يعزز أو يعيق الكفاءة الاقتصادية الخضراء اعتمادًا على السياق. بشكل عام، تدعو الورقة إلى فهم أكثر شمولاً لهذه التفاعلات، لا سيما الدور غير المستكشف للذكاء الاصطناعي في مصايد الأسماك البحرية، وتقترح أن هناك حاجة إلى مزيد من الأبحاث لتوضيح الديناميات بين الذكاء الاصطناعي، والتمويل الأخضر، والانفتاح التجاري، واستثمار البحث والتطوير في تعزيز التنمية المستدامة داخل هذا القطاع.
DOI: https://doi.org/10.1057/s41599-024-04319-0
Publication Date: 2025-01-03
Author(s): Qiang Wang et al.
Primary Topic: Energy, Environment, Economic Growth
Overview
This study investigates the role of artificial intelligence (AI) in enhancing the green economic efficiency of marine fisheries in China, utilizing panel data from 11 coastal provinces and municipalities between 2009 and 2020. Employing the entropy method and the super-efficiency EBM model, the research calculates an AI index and assesses green economic efficiency. The findings indicate that while AI has improved significantly over the study period, the green economic efficiency of marine fisheries has fluctuated, revealing substantial regional disparities. Notably, AI is shown to significantly enhance this efficiency, with green finance, trade openness, and R&D investment identified as critical moderating variables that facilitate AI development and its positive impact.
The conclusions emphasize AI’s transformative potential in shifting traditional fisheries practices towards more sustainable, digitally-oriented approaches. The study confirms that AI optimizes resource allocation, enhances production processes, and reduces ecological harm, thereby improving market competitiveness and overall efficiency. Furthermore, the analysis highlights the synergistic effects of green finance, trade openness, and R&D investment, which amplify AI’s benefits. The research underscores that the impact of AI on green economic efficiency is contingent upon the levels of these moderating factors, suggesting that increased investment in financial and technological resources is essential for advancing sustainability in marine fisheries.
Introduction
The introduction of this research paper highlights the critical role of the marine economy in global sustainable development, particularly through the oceans’ capacity to absorb approximately 23% of annual carbon emissions. It emphasizes the importance of sustainable marine fisheries, which face challenges due to traditional practices that contribute to pollution and ecological degradation. In China, the need to balance economic growth with marine ecological conservation is underscored, as existing government initiatives have not sufficiently addressed inefficiencies and high energy consumption in the sector. The concept of green economic efficiency emerges as a vital measure for assessing the sustainability of marine fisheries, integrating resource limitations and environmental impacts.
The paper posits that artificial intelligence (AI) can significantly enhance the green economic efficiency of marine fisheries by improving production efficiency and resource management. However, the deployment of AI technologies is accompanied by challenges such as high energy consumption and substantial investment requirements. The study aims to explore the relationship between AI and green economic efficiency in China’s coastal fisheries, addressing key questions regarding the impact of AI and the moderating roles of green finance, trade openness, and R&D investment. Utilizing panel data from 11 coastal provinces from 2009 to 2020, the research employs advanced analytical methods, including the Super-EBM model and fixed effects modeling, to assess these dynamics. The findings are expected to provide valuable insights for policymakers and contribute to sustainable fisheries management globally.
Results
The results of the study confirm the stationarity of the selected variables through unit root tests, with all variables passing the LLC, IPS, Fisher-ADF, and Fisher-PP tests after first differencing. The Kao cointegration tests further indicate the presence of long-term relationships among the variables, validating their suitability for regression analysis. The fixed effects model reveals that the deployment of AI significantly enhances the green economic efficiency of the marine fishery sector, with a coefficient of 0.033 at the 5% significance level, thereby supporting Hypothesis 1. To address potential endogeneity, an instrumental variable approach was employed, using the number of post offices per million people in 1988 as the instrument for AI. The results confirm a positive correlation between the instrument and AI, with the coefficient of AI remaining significantly positive at the 1% level, affirming the robustness of the findings.
Further analysis of moderating effects shows that green finance, trade openness, and R&D investment significantly enhance the impact of AI on green economic efficiency. Specifically, the interaction terms for AI with green finance and trade openness yield positive coefficients, indicating that these factors amplify AI’s effectiveness. The threshold effect analysis reveals that the impact of AI varies across different levels of green finance, trade openness, and R&D investment. For instance, AI has a negligible effect on green economic efficiency at low levels of green finance and trade openness, but a significant positive effect at higher levels. Similarly, limited R&D investment results in a negative impact of AI, while increased investment leads to a positive effect. These findings collectively validate Hypotheses 2b, 3b, and 4b, underscoring the importance of contextual factors in enhancing the efficacy of AI in the marine fishery sector.
Discussion
The discussion on marine fisheries green economic efficiency emphasizes its importance as a measure of the balance between economic activities, resource use, and environmental impact, crucial for sustainable marine development. Current research predominantly focuses on methodologies for calculating this efficiency, with stochastic frontier analysis (SFA) and data envelopment analysis (DEA) being the primary approaches. While SFA is limited by its reliance on predefined production functions, DEA offers flexibility but has its own constraints, particularly with traditional models like CCR and BCC that require proportional changes in inputs and outputs. To address these limitations, this study employs the Super-EBM model, which enhances assessment accuracy by incorporating non-radial slack variables while maintaining input-output proportions, although it may lead to a high number of efficient decision-making units.
Furthermore, the section highlights the multifaceted factors influencing green economic efficiency, including technological advancements, environmental regulations, and economic conditions. Technological progress is identified as a key driver, with AI emerging as a significant factor in optimizing resource allocation and enhancing operational efficiency in marine fisheries. Green finance is also noted for its role in supporting sustainable practices and facilitating the integration of AI technologies, while trade openness is discussed as a double-edged sword that can either enhance or hinder green economic efficiency depending on the context. Overall, the paper calls for a more comprehensive understanding of these interactions, particularly the underexplored role of AI in marine fisheries, and suggests that further research is needed to clarify the dynamics between AI, green finance, trade openness, and R&D investment in promoting sustainable development within this sector.