chore(wiki): Thinking & Reasoning 토픽 대대적 확장 + Premium/Logic Tree 통합

- 10_Wiki/Topics/Thinking & Reasoning/ 다수 신규 토픽 추가
  (3C, 4P, 5 Whys, 7S, 80/20 법칙, 인과관계, 디자인 씽킹 변형 등)
- Premium/Logic Tree/ 11개 파일 → Thinking & Reasoning 으로 흡수
- Premium/Thinking & Reasoning/ 동기화 갱신
- memory/long_term.json + .DS_Store 자동 갱신

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

10_Wiki/Topics/Thinking & Reasoning/연역법.md

@@ -5,100 +5,60 @@ category: "10_Wiki/Topics"
 status: "draft"
 verification_status: "conceptual"
 canonical_id: ""
-aliases: ["Deduction", "연역 추론"]
+aliases: []
 duplicate_of: ""
 source_trust_level: "B"
-confidence_score: 0.95
-created_at: 2026-05-20
-updated_at: 2026-05-20
+confidence_score: 0.85
+created_at: 2026-05-24
+updated_at: 2026-05-24
 review_reason: ""
 merge_history: []
-tags: ["research", "논리적 추론", "logic"]
+tags: ["research", "mutually exclusive collectively exhaustive 원칙"]
 raw_sources: ["NotebookLM Synthesis"]
-applied_in: ["AWS IAM Access Analyzer", "Amazon VPC Reachability Analyzer", "Amazon Verified Permissions"]
+applied_in: []
 github_commit: ""
 ---
 
 # [[연역법]]
 
 ## 🎯 한 줄 통찰 (One-line insight)
-이미 확립된 보편적 전제로부터 구체적인 결론을 필연적으로 이끌어내어 논리적 확실성을 보증하는 하향식(Top-down) 추론 메커니즘 [1-3].
+보편적으로 검증된 일반론을 전제로 삼아 구체적인 사실에 대한 필연적 결론을 100% 확신으로 도출하는 논증 체계 [1-4]
 
 ## 🧠 핵심 개념 (Core concepts)
-- **하향식 흐름 (Top-down Flow):** 어원적으로 '~로부터(de-)'와 '이끌다(ducere)'가 결합된 것으로, 보편적 규칙에서 특정 구체적 사례로 나아가는 방향성을 가짐 [2, 4].
-- **논리적 필연성 (Necessity):** 전제가 참이고 추론 구조가 올바르다면, 결론은 반드시(necessarily) 참이어야 하며 이를 부정하는 것은 자기모순을 유발함 [3, 5, 6].
-- **타당성(Validity)과 건전성(Soundness):** 논증의 구조가 추론 규칙을 준수하면 '타당'하며, 타당한 논증의 전제가 실제로도 참일 때 '건전'한 논증으로 완성됨 [7, 8].
-- **삼단논법(Syllogism):** 대전제(보편 규칙), 소전제(특정 사례), 추론(필연적 결론)의 3단계 계층 구조를 통해 지식을 검증함 [8, 9].
+- **일반론 (General Theory):** 누구도 부정할 수 없도록 보편적으로 검증된 원리나 법칙으로, 연역적 추론의 출발점이 되는 대전제이다 [1, 3].
+- **논리적 인과관계:** "~하기 때문에 ~한 결론에 이를 수 있다"는 형식으로 근거와 주장을 연결하는 흐름이다 [1, 3].
+- **100% 보장성:** 전제가 되는 일반론이 참일 경우, 거기서 도출되는 주장의 진위 여부는 논리적으로 100% 보장된다 [2, 4].
+- **전문적 식견:** 연역법을 사용하기 위해 근거로 제시할 적절한 일반론을 추출하려면 해당 분야의 높은 수준의 지식이 필요하다 [1, 3].
 
 ## 🧩 추출된 패턴 (Extracted patterns)
-- **규칙-사례-결과 패턴:** "모든 A는 B이다(규칙) → C는 A이다(사례) → 고로 C는 B이다(결과)"라는 표준화된 정합성 검증 패턴을 따름 [8-10].
-- **정적 형식 검증 패턴:** 수학적 모델과 논리 공식을 기반으로 시스템이 도달 가능한 모든 상태를 탐색하여 발생 불가능한 상태를 물리적으로 보증하는 설계 패턴 [11, 12].
-- **과학적 피드백 루프:** 귀납적으로 수립된 가설을 연역적 정합성을 통해 정교화하고 실험 데이터와 대조하여 검증하는 상호작용 체계 [8].
+- **3단 논법 패턴:** 보편적 원리(대전제) → 구체적인 개별 사실(소전제) → 필연적 결론의 구조를 따른다 [1, 3, 5, 6].
+- **검증 도구 활용 패턴:** MECE(미시) 기법과 로직 트리를 통해 정보를 분석한 뒤, 이를 논리적으로 전달하기 위해 연역법을 활용하여 설득력을 강화한다 [7, 8].
+- **설득 구조 패턴:** 보고 시 보편적 원리에서 시작하여 하위 단계로 내려감으로써 의사결정권자에게 논리적 빈틈이 없음을 증명한다 [1, 3].
 
 ## 📖 세부 내용 (Details)
-연역법은 지식의 확장보다는 **지식의 확실성을 검증**하는 데 최적화된 도구이다 [1, 3]. 귀납법이 관찰을 통한 확률적 개연성을 다루는 것과 달리, 연역법은 전제의 진실성에 결론이 전적으로 기속되는 구조적 완결성을 지향한다 [3, 13]. 
+- **정의 및 기본 원리:**
+  연역법(演繹法)은 '논함이 이치에 맞다'는 논리의 본질을 구현하는 방식으로, 보편적 원리를 사용하여 주장을 펼친다 [1, 3]. 이는 세상의 일반적인 도리나 흐름, 특히 인과관계를 축으로 한 논증 방식이다 [1, 3, 7, 8].
 
-1. **구성 요소와 구조:** 연역 추론은 논리적 기초가 되는 '전제', 명확한 순서를 따르는 '논리적 구조', 그리고 필연적 결과인 '결론'으로 구성된다 [7]. 결론에 도달한 후에는 전제가 유지되는 한 추가적인 검증이 필요 없는 정적 확실성을 제공한다 [14].
-2. **응용 분야:** 높은 정밀도가 요구되는 수학적 증명, 법률 조항의 구체적 사건 적용, 소프트웨어 명세 검증, 금융 모델 평가 등에 광범위하게 사용된다 [4, 15, 16].
-3. **인지적 측면:** 인간의 인지 체계 중 '심사숙고형 연쇄적 사고'인 **시스템 2(System 2)** 모델링과 연결되며, 복잡한 과업을 하향식 마이크로 태스크로 해체하여 처리하는 방식의 근간이 된다 [17].
-4. **계산론적 보증:** 현대 컴퓨팅에서는 SMT(Satisfiability Modulo Theories) 솔버를 중핵으로 배치하여 클라우드 보안 인프라의 완전무결성을 수학적으로 입증하는 '증명 보안(Provable Security)' 기술로 진화했다 [11, 12].
+- **추론 방식의 특징:**
+  - **논증의 예시:** "사람은 죽는다(일반론) / 나는 사람이다(사실) / 그러므로 나는 죽는다(필연적 결론)"와 같은 형식을 취하며, 전제와 사실이 일치하면 결론을 의심할 여지가 없다 [1, 3].
+  - **전문성 요구:** 보편적인 일반론을 정확히 추출하여 대전제로 삼기 위해서는 전문가적인 식견이 반드시 뒷받침되어야 한다 [1, 3].
+
+- **귀납법과의 비교:**
+  - **방향성:** 연역법은 일반론에서 구체적 사실로 나아가는 반면, 귀납법은 구체적 데이터에서 일반적인 경향성(가설)을 찾아낸다 [2, 4-6].
+  - **확실성:** 귀납법은 주장의 가능성을 100% 보장할 수 없으나, 연역법은 전제가 참이라는 조건하에 결과가 100% 확실하다는 강점을 가진다 [2, 4].
 
 ## ⚖️ 모순 및 업데이트 (Contradictions & updates)
-- **수학적 귀납법의 재정의:** 명칭에는 '귀납'이 포함되어 있으나, 구조적으로는 참인 명제들의 연쇄를 연역적으로 입증하므로 실제로는 엄밀한 **연역적 무결성**을 지닌다 [8].
-- **연역주의자(Deductivists)의 반론:** 모든 오류의 원인은 연역적 부당성에 있다고 주장하며, 자연어의 비형식적 오류들도 숨겨진 가정을 명시화하면 결국 형식적 오류(연역 실패)로 바꿀 수 있다고 본다 [18].
-- **셜록 홈즈의 추론:** 흔히 연역법의 대명사로 불리나, 실제로는 불완전한 단서에서 가설을 세우는 **귀추법**이나 관찰 기반의 **귀납법**적 요소를 혼용하는 경우가 많다는 학술적 지적이 존재한다 [19, 20].
+- **논리적 한계:** 연역법은 결론의 확실성을 보장하지만, 대전제가 되는 일반론 자체를 추출하는 것이 어렵거나 일반론이 잘못되었을 경우 전체 논증이 붕괴될 위험이 있다 [1-4]. 
+- **보완적 관계:** 소스 데이터에 따르면 효과적인 분석을 위해서는 연역법과 귀납법을 상황에 맞게 혼용하며, 특히 데이터가 풍부한 경우 귀납적 추론을 통해 가설을 세운 뒤 연역적 논리로 검증하는 과정이 필요함을 시사한다 [2, 4].
 
 ## 🛠️ 적용 사례 (Applied in summary)
-- **AWS IAM Access Analyzer:** 수학적 논리 모델(SMT Solver)을 기반으로 리소스 신뢰 정책과 권한 설정의 일관성을 정밀 검사하여 보안 위협을 탐지함 [12].
-- **Amazon VPC Reachability Analyzer:** 가상 네트워크 설정을 SMT 공식으로 정적 사상하여, 실제 패킷 테스트 없이도 네트워크 도달 가능성의 완전무결성을 보장함 [12].
-- **Amazon Verified Permissions:** Cedar 정책 언어 구조를 기반으로 애플리케이션 사용자 접근 권한 스키마의 정합성을 고전적 명제 논리로 검증함 [12].
+현재 발견된 실제 적용 사례가 없습니다.
 
 ## ✅ 검증 상태 및 신뢰도
 - **상태:** draft
-- **검증 단계:** conceptual (AWS의 자동 추론 엔진 실례를 통해 부분적 applied 확인) [12]
-- **출처 신뢰도:** B (Lumenalta, Merriam-Webster, AWS 공식 문서 및 학술 요약 기반)
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
 - **중복 검사 결과:** 신규 생성 (New discovery)
 
-
-## 🔗 관련 문서 링크 (Related document links)
-
-### 상위/유사 개념
-연역법을 깊이 이해하기 위해 반드시 학습해야 할 핵심 지형도입니다.
-
-#### [논리적 추론의 축]
-- [[귀납법]]
-  - 연결 이유: 연역법과 대비되는 상향식 추론으로, 개연적 지식을 생성함 [4].
-  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 확실성(Certainty)과 확률(Probability)의 논리적 경계 [21].
-- [[귀추법]]
-  - 연결 이유: 불완전한 데이터에서 최선의 설명을 찾아내는 발견의 논리 [3].
-  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 가설 수립(귀추) 후 검증(연역)으로 이어지는 지식 확장 프로세스 [8].
-
-#### [검증 및 고도화 도구]
-- [[소크라테스식 문답법]]
-  - 연결 이유: 상대의 전제에서 모순을 이끌어내어 연역적 정합성을 파괴하거나 재구축하는 기술 [22].
-  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 엘렌쿠스(검증)를 통한 지식의 한계 직면과 인지적 유연성 확보 [22, 23].
-- [[논리적 오류]]
-  - 연결 이유: 연역 논증의 구조(형식적 오류)나 내용(비형식적 오류)이 훼손되는 지점을 규정함 [24].
-  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 타당성(Validity)을 위협하는 구조적 결함의 유형 [25].
-
-### 심층 후속 질문 (Deeper Research Questions)
-- 전제가 참임에도 결론이 필연적으로 도출되지 않는 '형식적 오류'의 구조적 메커니즘은 무엇인가? [26]
-- 수학적 귀납법이 실제로는 연역 추론으로 분류되는 구조적 근거는 무엇인가? [8]
-- SMT 솔버와 같은 자동 추론 엔진이 복잡한 클라우드 보안 정책을 논리 모델로 변환하는 '정적 사상'의 원리는 무엇인가? [11, 12]
-- 연역 논증에서 '타당성(Validity)'은 확보되었으나 '건전성(Soundness)'이 결여된 경우, 이것이 실제 의사결정에 미치는 위험은 무엇인가? [7, 8]
-- 거대 언어 모델(LLM)의 '연쇄 사고(Chain-of-Thought)' 기술이 연역적 시스템 2 사고를 어느 수준까지 모사할 수 있는가? [17, 27]
-
-### 실무 적용 맥락 (Practical Application Contexts)
-- **Implementation:** 소프트웨어 개발 시 입력값과 기대 결과 사이의 무결성을 검증하는 단위 테스트 및 정적 분석 도구 설계에 활용 [4, 11].
-- **System Design:** 클라우드 인프라 접근 제어(IAM) 설계 시 모든 권한 조합이 보안 정책에 위배되지 않음을 증명하는 '증명 보안' 프레임워크 적용 [12].
-- **Operation / Maintenance:** 네트워크 장애 조치 시 VPC Reachability Analyzer 등을 활용하여 물리적 트래픽 없이 논리적 도달 불능 원인을 즉각 식별 [12].
-- **Learning Path:** 복잡한 법률 해석이나 금융 리스크 모델링 시, 전제의 오류(가정의 오류)를 먼저 식별하여 결론의 건전성을 확보하는 비판적 사고 훈련 [15, 28].
-
-### 인접 주변 주제
-- [[인지 편향]]
-  - 확장 방향: 확증 편향 등이 연역 논증의 전제 수용 단계에서 어떻게 논리를 왜곡하는지 탐구 [29, 30].
-- [[MECE]]
-  - 확장 방향: 정보를 중복과 누락 없이 분류하여 연역적 계층 구조(Pyramid Structure)를 최적화하는 방법론 [31].
-
 ## 📝 변경 이력 (Change history)
-- 2026-05-20: Initial draft generated via Datacollector_MAC P-Reinforce engine. 기초 개념 합성 및 계산론적 보증 사례 연결 완료.
+- 2026-05-24: Initial draft generated via Datacollector_MAC P-Reinforce engine.