해상에서의 안전한 의사소통은 선박 운항의 핵심 요소로, 국제해사기구(IMO)는 SMCP(Standard Marine Communication Phrases)를 제정하여 선내외 교신에서 활용할 수 있도록 하였다. SMCP를 포함한 해사영어는 효과적이고 정확한 의사소통을 위해 일반 영어와는 다 른 문법적, 어휘적, 구조적 특성을 반영하고 있으며, 간결성과 명확성에 초점이 맞추어져 표준화되어 있다. 이러한 맥락에서 본 연구는 상 용 LLM 모델의 해사영어 활용 능력을 PHP Text Similarity 알고리즘과 BERT 기반 모델을 활용하여 평가하였다. 먼저 ChatGPT, Google Gemini, Meta LLaMA 3 70B Instruct 모델을 대상으로 SMCP 기반 문장 구성, 용어 정의, 빈칸 채우기 문제를 포함한 총 60문항을 활용하여 성능을 비교 분석하였다. 이후 해사고등학교 학생들의 시험 결과와 LLM 모델의 결과를 비교하여, LLM이 실제 해기사 교육 수준과 비교 했을 때 어느 정도의 해사영어 이해 및 문장 구성 능력을 갖추었는지 평가하였다. 대체적으로 LLM 모델들은 높은 정답률을 보였으나, 표 준화된 문구를 정확하게 활용하거나 관용적으로 사용되는 해사영어 표현을 이해하고 적용하는 데 한계점이 있음을 확인하였다. 본 연구 는 해기교육기관 및 실무 현장에서 상용 LLM 모델의 해사영어 활용 가능성을 평가하는 기초 자료로 활용될 수 있을 것으로 기대되며, 향 후 보다 정교한 모델을 대상으로 추가연구가 필요하다.

This study presents a novel methodology for analyzing disease relationships from a network perspective using Large Language Model (LLM) embeddings. We constructed a disease network based on 4,489 diseases from the International Classification of Diseases (ICD-11) using OpenAI’s text-embedding-3-small model. Network analysis revealed that diseases exhibit small-world characteristics with a high clustering coefficient (0.435) and form 16 major communities. Notably, mental health-related diseases showed high centrality in the network, and a clear inverse relationship was observed between community size and internal density. The embedding-based relationship analysis revealed meaningful patterns of disease relationships, suggesting the potential of this methodology as a novel tool for studying disease associations. Results suggest that mental health conditions play a more central role in disease relationships than previously recognized, and disease communities show distinct organizational patterns. This approach shows promise as a valuable tool for exploring large-scale disease relationships and generating new research hypotheses.

생성형 인공지능의 급속한 발전은 사회 전반에 광범위한 영향을 미치며, 일상생활을 포함한 다양한 분야 에 활용되고 있다. 본 연구에서는 인공지능 기술의 발전 동향을 대규모 언어모델(Large Language Models, LLM)을 중심으로 살펴보고 생성형 인공지능 기반 솔루션이 정치 및 공공 부문의 효율성과 서비스 최적화 에 기여하고 있음을 확인하였다. 본 연구는 미국, 싱가포르, 인도 등의 사례분석을 통해 인공지능 도구가 선거의 확장성과 시민과의 상호작용 개선에 역할 할 수 있다는 것을 주장한다. 동시에, 대규모 언어모델의 실사용 과정에서 제기되는 편향성, 허위정보 확산, 규제 공백 등의 쟁점들을 고찰할 필요가 있음을 지적한 다. 요컨대, 생성형 인공지능은 민주주의 발전과 공공서비스 증진에 대한 가능성을 제공하지만, 기술의 지속 가능하고 적실한 활용을 위해 투명성, 공정성과 책임성을 고려한 사용이 요구된다.

최근 ChatGPT로 대표되는 인공지능의 급격한 발전은 인공지능 에 대한 낙관과 비관이 엇갈리는 가운데 기독교 선교가 새롭고도 실제적 인 방향을 모색해야 할 필요성을 제기했다. 이를 위해 본 연구는 행위자 -네트워크 이론을 주요 이론적 틀로 활용하여 인공지능을 단순한 도구가 아닌 인간과 상호작용하는 행위자로 인식한다. 이러한 관점에서 현재 인공지능 기술의 최전선에 있는 거대 언어 모델의 기술적 특성과 작동원리를 상세히 분석하여 인공지능이 인간과 맺는 관계에 주목한다. 이러한 이해를 토대로 인공지능과의 선교적 접점을 모색하기 위한 방안은 첫째, 인공지능을 선교 현장으로 인식하는 것, 둘째, 인간에게만 주어진 선교적 삶을 사는 것. 셋째, 인공지능을 선교사역의 협력자로 받아들이는 것, 넷째, 오픈소스 거대 언어 모델을 활용한 선교적 목적의 인공지능을 개발하는 것이다. 본 연구는 인공지능 시대의 기독교 선교 가 단순히 인공지능을 도구로 활용하는 차원을 넘어, 인공지능과의 협력적 관계를 통해 새로운 선교의 지평을 열어가야 함을 제안한다. 이는 데이비드 보쉬가 주장한 것처럼, 선교는 각 시대의 변화에 따라 새로운 패러다임으로 변화되어야 한다는 관점에 기반한다.

In the integrated ancient East Asian sphere, literature is an explicit expression of unity. However, due to differences in perspectives, there are huge contrasts and disharmony in contemporary East Asia surrounding historical issues. Using artificial intelligence, specifically the retrieval-enhanced generative model, to build an intelligent research platform for Yanxinglu, and completing research auxiliary work that includes named entity recognition, relationship extraction, and knowledge graph construction, the study of East Asian history can be enhanced. This paper focuses on the construction of the LLM-RAG model and rules in the construction of the Yanxinglu knowledge base, and discusses the time process and precautions for the refined processing of the Yanxinglu text data.