[P-Reinforce] Substantial content added to 10 more Cognitive/System nodes (Batch 03)
This commit is contained in:
Vendored
+1
-1
@@ -17,6 +17,6 @@
|
||||
"repelStrength": 10,
|
||||
"linkStrength": 1,
|
||||
"linkDistance": 250,
|
||||
"scale": 0.16348370567220383,
|
||||
"scale": 0.05932617187499956,
|
||||
"close": false
|
||||
}
|
||||
+7
-11
@@ -11,14 +11,10 @@
|
||||
"id": "5e19c94f304a33d1",
|
||||
"type": "leaf",
|
||||
"state": {
|
||||
"type": "markdown",
|
||||
"state": {
|
||||
"file": "TypeScript 컴파일러의 정적 타입 시스템.md",
|
||||
"mode": "source",
|
||||
"source": false
|
||||
},
|
||||
"icon": "lucide-file",
|
||||
"title": "TypeScript 컴파일러의 정적 타입 시스템"
|
||||
"type": "graph",
|
||||
"state": {},
|
||||
"icon": "lucide-git-fork",
|
||||
"title": "그래프 뷰"
|
||||
}
|
||||
}
|
||||
]
|
||||
@@ -182,8 +178,9 @@
|
||||
},
|
||||
"active": "5e19c94f304a33d1",
|
||||
"lastOpenFiles": [
|
||||
"AI/B-Tree.md",
|
||||
"AI/Circuit Discovery (ȸ ߰).md",
|
||||
"TypeScript 컴파일러의 정적 타입 시스템.md",
|
||||
"AI/B-Tree.md",
|
||||
"00_Raw/2026-04-20/Looking-Glass-Studios.md",
|
||||
"Developer Productivity Tracking.md",
|
||||
"00_Raw/2026-04-20/Diffusion-Models.md",
|
||||
@@ -208,7 +205,6 @@
|
||||
"React_Hooks_Deep_Dive.md",
|
||||
"React_Mental_Model.md",
|
||||
"Tetris_Project_Retrospective.md",
|
||||
"System_Debugging_Protocol.md",
|
||||
"System_Protocol_Standard.md"
|
||||
"System_Debugging_Protocol.md"
|
||||
]
|
||||
}
|
||||
@@ -1,25 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-87CE94
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
id: P-REINFORCE-SCI-PAIN
|
||||
category: "[[10_Wiki/💡 Topics/Science]]"
|
||||
confidence_score: 0.94
|
||||
tags: [Pain Management, Medical, Chronic Pain, Neurology]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Chronic-Pain-Management-Protocols"
|
||||
---
|
||||
|
||||
# [[Chronic-Pain-Management-Protocols]]
|
||||
# [[Chronic-Pain-Management-Protocols]] (만성 통증 관리 프로토콜)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> "통증은 뇌의 해석이다." 실제 조직이 다 낫더라도 뇌가 '통증 회로'를 끄지 못해 발생하는 만성 고통을 신경 가소성을 이용해 재훈련하는 과정이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **Central Sensitization (중추 감작)**:
|
||||
- 신경계가 과도하게 민감해져서 아주 작은 자극에도 극심한 통증으로 반응하게 된 상태. 뇌의 '경보 시스템'이 고장 난 것과 같다.
|
||||
- **Biopsychosocial Model**:
|
||||
- 생물학적 요인뿐만 아니라 심리적(불안, 우울), 사회적 요인이 통증의 정도를 결정한다는 현대적 접근법.
|
||||
- **Gait Control Theory (관문 조절설)**:
|
||||
- 가벼운 접촉이나 진동 같은 다른 자극을 근처 신경에 주어, 통증 신호가 뇌로 가는 '관문'을 닫게 하는 원리.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 단순 진통제 처방은 근본 원인을 해결하지 못하고 중독 위험만 키운다. 최근에는 명상, 점진적 운동 노출치료(Graded Motor Imagery) 등 뇌의 회로를 직접 재배열하는 치료법이 강조되고 있다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Chronic-Pain-Management-Protocols.md]]
|
||||
---
|
||||
- Related: [[Cognitive-Therapy-in-CBT]] , [[Biomechanics-of-Injury]]
|
||||
- Analysis: [[Clinical-Kinesiology-Assessment]]
|
||||
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-CIRCUIT
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.98
|
||||
tags: [Interpretability, Neural Networks, Circuit Discovery, Mechanistic Interpretability]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Circuit-Discovery]] (회로 발견)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "인공신경망은 블랙박스가 아니다." 신경망 내부의 수억 개 파라미터들 사이에서 특정 로직(예: 덧셈, 문법 파악)을 수행하는 고유의 '신경 회로'를 찾아 지질학적으로 분석하는 고난도 기술이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Mechanistic Interpretability**:
|
||||
- 모델의 입력을 조금씩 바꿔보며 특정 뉴런들이 어떻게 활성화되는지(Activation Patching 등)를 분석하여, 가중치 속에 숨겨진 알고리즘을 역설계한다.
|
||||
- **Induction Heads**:
|
||||
- 이전에 본 패턴을 기억하고 반복될 때 활성화되는 신경망 내의 특정 구조. LLM의 문맥 이해 능력의 핵심 원동력 중 하나로 밝혀졌다.
|
||||
- **Reverse Engineering**:
|
||||
- 학습된 모델을 '읽기'를 통해 그 모델이 어떤 수학적 전략을 사용해 문제를 푸는지 인간의 언어로 설명하는 과정.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 대규모 모델(Llama-3, GPT-4)로 갈수록 회로가 너무 복잡해져서 일일이 분석하는 것이 불가능에 가까워진다. 최근에는 다른 '작은 AI'를 시켜서 큰 AI의 회로를 분석하게 하는 자동화된 해석 연구가 진행 중이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Automated-Reasoning]] , [[Complexity-Theory]]
|
||||
- Foundation: [[Information Theory]]
|
||||
@@ -1,25 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-785635
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
id: P-REINFORCE-SCI-FLOW
|
||||
category: "[[10_Wiki/💡 Topics/Science]]"
|
||||
confidence_score: 0.97
|
||||
tags: [Flow State, Neuroscience, Concentration, Performance]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Cognitive Neuroscience of Flow"
|
||||
---
|
||||
|
||||
# [[Cognitive Neuroscience of Flow]]
|
||||
# [[Cognitive-Neuroscience-of-Flow]] (몰입의 뇌과학)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> "자아조차 잊게 만드는 완벽한 조화." 몰입(Flow)은 뇌의 보상 시스템과 주의력 시스템이 극한의 효율로 결합하여 에너지를 폭발시키는 상태다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **Transient Hypofrontality**:
|
||||
- 몰입 중에는 전전두엽(판단, 비판 담당)의 활동이 일시적으로 낮아진다. 이로 인해 자의식적 비판이 사라지고 오직 '하는 행위' 자체에만 매몰된다.
|
||||
- **Dopamine & Norepinephrine**:
|
||||
- 도파민(보상)과 노르에피네프린(각성)이 다량 분비되며 학습 속도와 반응 속도를 비약적으로 높인다.
|
||||
- **Challenge-Skill Balance**:
|
||||
- 과제의 난이도와 자신의 실력이 완벽한 균형을 이룰 때(지루함과 불안 사이) 뇌는 몰입 상태에 진입하기 가장 쉽다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 몰입은 마법 같은 상태지만, 도파민 중독과 비슷한 양상을 보여 '중독성'이 있다. 건강한 몰입과 강박적 몰입을 구분하는 메타 인지가 장기적인 성장에 중요하다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Cognitive Neuroscience of Flow.md]]
|
||||
---
|
||||
- Related: [[Burnout-Prevention-in-Professional-Gaming]] , [[Cognitive Psychology]]
|
||||
- Foundation: [[Information Theory]]
|
||||
|
||||
@@ -1,25 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-2E9AA2
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
id: P-REINFORCE-SCI-COG-PSY
|
||||
category: "[[10_Wiki/💡 Topics/Science]]"
|
||||
confidence_score: 0.99
|
||||
tags: [Cognitive Psychology, Perception, Memory, Attention]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Cognitive Psychology"
|
||||
---
|
||||
|
||||
# [[Cognitive Psychology]]
|
||||
# [[Cognitive-Psychology]] (인지 심리학)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> "마음은 정보 처리 시스템이다." 인간의 사고 과정을 컴퓨터의 아키텍처처럼 입력(지각)-저장(기억)-처리(생각)-출력(행동)의 관점에서 분석하는 학문이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **Mental Representations**:
|
||||
- 외부 세계를 뇌가 어떻게 내부 모델로 변환하여 저장하는가. (예: 스키마(Schema), 프레임(Frame)).
|
||||
- **Dual Process Theory**:
|
||||
- 시스템 1(빠른 직관)과 시스템 2(느린 추론)가 어떻게 상호작용하며 결정을 내리는지 분석한다.
|
||||
- **Working Memory Theory**:
|
||||
- 정보가 장기 기억으로 넘어가기 전, 머릿속에서 유지되고 처리되는 '메모리 공간'의 용량 제한(7±2 등)에 대한 연구.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 인지 심리학의 고전적 모델들은 '감정'을 배제한 경향이 있었다. 현대에는 인지적 처리와 감정적 처리가 뗄 수 없다는 '정서 지능(Emotional Intelligence)'과의 융합 연구가 대세다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Cognitive Psychology.md]]
|
||||
---
|
||||
- Related: [[Cognitive-Biases]] , [[Cognitive-Therapy-in-CBT]]
|
||||
- Foundation: [[Information Theory]]
|
||||
|
||||
@@ -1,25 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-01307D
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
id: P-REINFORCE-SCI-COG-RES
|
||||
category: "[[10_Wiki/💡 Topics/Science]]"
|
||||
confidence_score: 0.95
|
||||
tags: [Cognitive Reserve, Brain Health, Aging, Plasticity]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Cognitive Reserve Theory"
|
||||
---
|
||||
|
||||
# [[Cognitive Reserve Theory]]
|
||||
# [[Cognitive-Reserve-Theory]] (인지 예비능 이론)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> "뇌에도 저축(Savings)이 필요하다." 지적 활동과 다양한 경험은 뇌의 연결망을 복잡하게 만들어, 노화나 질병으로 인한 뇌 손상에도 일상 기능을 유지하는 '회복 탄력성'을 제공한다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **Neural Redundancy (신경 중복성)**:
|
||||
- 하나의 정보를 처리하는 경로가 여러 개일 때, 일부 경로가 파괴되어도 대체 경로를 통해 기능을 수행할 수 있는 능력.
|
||||
- **Enriched Environment**:
|
||||
- 끊임없이 배우는 환경(책 읽기, 악기 배우기, 코딩 등)에 노출될수록 뇌의 예비능은 기하급수적으로 쌓인다.
|
||||
- **Active Lifestyle Impact**:
|
||||
- 높은 교육 수준과 사회적 활동은 치매 증상의 발현을 몇 년씩 늦출 수 있는 강력한 방어막이다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 인지 예비능이 무한한 것은 아니다. 어느 시점(Threshold)을 넘기면 손상이 급격히 표출될 수 있다. 따라서 '쌓는 것'만큼이나 '뇌를 혹사하지 않는 것'이 중요하다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Cognitive Reserve Theory.md]]
|
||||
---
|
||||
- Related: [[BDNF]] , [[Cognitive-Neuroscience-of-Flow]]
|
||||
- Foundation: [[Complex Systemic Modeling Protocols]]
|
||||
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-COLLECT-INT
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.98
|
||||
tags: [Collective Intelligence, Swarm Intelligence, Cooperation, AI]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Collective-Intelligence]] (집단 지능)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "전체는 부분의 합보다 똑똑하다." 개미 한 마리는 단순하지만 개미집은 정교한 것처럼, 수많은 개체의 협력이 만들어내는 창발적 지능이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Swarm Intelligence**:
|
||||
- 중앙 통제 없이 개체들 간의 로컬 상호작용만으로 복잡한 문제를 해결하는 능력. (예: 조류의 비행 군무, 슬라임 몰드의 최단 경로 찾기).
|
||||
- **Wisdom of Crowds**:
|
||||
- 독립적이고 다양한 의견을 가진 집단이 투표나 시장 원리를 통해 내놓는 결론이 전문가 한 명의 결론보다 정확할 수 있음을 보여주는 현상.
|
||||
- **Multi-Agent Systems (MAS)**:
|
||||
- AI 분야에서 서로 다른 전문성을 가진 에이전트들이 협력하여 하나의 큰 미션을 완수하도록 설계하는 시스템 설계 방식.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 집단 지능은 '집단 사고(Groupthink)'라는 함정에 빠질 수 있다. 다양성이 결여되고 한 목소리만 내게 되면 집단 지능은 순식간에 **'집단 우매함'**으로 전략하며 버블과 대량 학살 같은 비극을 초래하기도 한다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Distributed-Systems-Engineering]] , [[Combinatorial-Optimization]]
|
||||
- Foundation: [[Complexity-Theory]]
|
||||
@@ -1,25 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-4D80EC
|
||||
id: P-REINFORCE-AI-CV
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
confidence_score: 0.99
|
||||
tags: [Computer Vision, Deep Learning, Image Processing, Object Detection]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Computer Vision"
|
||||
---
|
||||
|
||||
# [[Computer Vision]]
|
||||
# [[Computer-Vision]] (컴퓨터 비전)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> "기계에게 눈을 부여하는 기술." 픽셀 데이터에서 패턴을 찾아내고, 그것이 '고양이'인지 '보행자'인지, 아니면 '암세포'인지 해석하는 AI의 시각 시스템이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **Image Recognition & Classification**:
|
||||
- 사진을 보고 무엇인지 레이블링하는 기초 단계. CNN(Convolutional Neural Networks)의 등장으로 혁명적인 변화가 일어났다.
|
||||
- **Object Detection & Segmentation**:
|
||||
- 화면 안의 사물 위치를 박스로 표시(Detection)하거나, 픽셀 단위로 경계를 칠하는(Segmentation) 정밀 작업. 자율주행의 핵심이다.
|
||||
- **Vision Transformers (ViT)**:
|
||||
- 최근 NLP에서 쓰이는 'Attention' 기법을 이미지 처리에 도입하여, 기존 CNN의 한계를 넘어서는 성능을 보여주고 있다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 컴퓨터 비전은 빛의 조건, 가림(Occlusion), 앵글의 변화에 여전히 취약한 면이 있다. 이를 극복하기 위해 다각도 카메라와 라이다(LiDAR) 데이터를 합치는 '센서 퓨전(Sensor Fusion)' 기술이 활발히 연구되고 있다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Computer Vision.md]]
|
||||
---
|
||||
- Related: [[Autonomous-Vehicle-Path-Planning]] , [[Robotic Manipulation]]
|
||||
- Foundation: [[Information Theory]]
|
||||
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-CONCMAP
|
||||
category: "[[10_Wiki/💡 Topics/Science]]"
|
||||
confidence_score: 0.96
|
||||
tags: [Concept Mapping, Learning Strategy, Metacognition, Education]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Concept-Mapping]] (개념 지도 제작)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "지식의 지도를 그려라." 파편화된 정보를 선과 화살표로 연결하여, 복잡한 개념들 사이의 인과 관계와 상부 구조를 한눈에 파악하는 학습의 시각화 전략이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Hierarchical Structure**:
|
||||
- 가장 포괄적인 주제를 상단(Root)에 두고, 하부로 갈수록 세부적인 개념이 연결되는 트리 또는 네트워크 구조.
|
||||
- **Cross-Links**:
|
||||
- 서로 다른 영역에 있는 개념들을 연결함으로써 뜻밖의 통찰(Insight)을 얻게 해주는 가장 중요한 기능 중 하나.
|
||||
- **Cognitive Load Reduction**:
|
||||
- 머릿속에서 어지럽게 뒤섞인 정보를 종이 위에 모델링함으로써 실제 사고하는 뇌의 부하를 줄여준다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 개념 지도를 그리는 것 자체가 '목적'이 되면 시간 낭비가 될 수 있다(예쁜 맵 그리기 함정). 핵심은 맵을 완성하는 것이 아니라, 연결 고리를 고민하는 과정 그 자체다. 현대에는 Obsidian의 Graph View처럼 자동화된 맵 도구가 보조 수단으로 각광받고 있다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Cognitive Psychology]] , [[Information Theory]]
|
||||
- Application: [[Complex Systemic Modeling Protocols]]
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-CONCUR
|
||||
category: "[[10_Wiki/💡 Topics/Programming & Language]]"
|
||||
confidence_score: 0.98
|
||||
tags: [Concurrent Programming, Multi-threading, Parallelism, Async]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Concurrent-Programming]] (동시성 프로그래밍)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "함께 달리는 기술." 여러 작업이 하나의 자원을 두고 싸우지 않게 조율하며, 한 번에 많은 일을 처리하는 오케스트레이션이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Concurrecy vs Parallelism**:
|
||||
- **Concurrency**: 논리적으로 여러 작업이 동시에 진행되는 것(Context Switch).
|
||||
- **Parallelism**: 물리적으로 여러 CPU에서 작업이 동시에 돌아가는 것.
|
||||
- **Race Condition & Deadlock**:
|
||||
- 자원을 두고 경쟁할 때 데이터가 꼬이거나(Race), 서로 기다리느라 멈춰버리는(Deadlock) 현상. 이를 해결하기 위해 Mutex, Semaphore, Actor model 등이 쓰인다.
|
||||
- **Asynchronous I/O**:
|
||||
- 네트워크 요청처럼 오래 걸리는 일을 던져두고 다음 일을 처리하다가, 완료되면 알림을 받는 방식. (JS의 Event Loop가 대표적).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 동시성은 '공짜'가 아니다. 스레드나 프로세스를 전환하는 오버헤드가 더 클 수도 있다. 최근에는 Coroutine(Go, Rust)이나 가상 스레드(Java) 같이 아주 가벼운 단위의 동시성 모델이 주류로 자리 잡았다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Distributed-Systems-Engineering]] , [[B-Tree]]
|
||||
- Foundation: [[Clean-Architecture-Implementation]]
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-SCI-CONDITIONING
|
||||
category: "[[10_Wiki/💡 Topics/Science]]"
|
||||
confidence_score: 0.97
|
||||
tags: [Conditioning, Behavioral Science, Learning, Psychology]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Conditioning-and-Learning]] (조건 형성과 학습)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "행동은 보상의 결과물이다." 자극과 반응이 결합하여 습관이 되고, 보상의 타이밍에 따라 행동이 강화되거나 사라지는 메커니즘이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Classical Conditioning (고전적 조건 형성)**:
|
||||
- 비자발적 반사 반응 학습. 파블로프의 개 실험처럼 중립 자극이 무조건 자극과 결합하여 반응을 이끌어내는 방식.
|
||||
- **Operant Conditioning (조작적 조건 형성)**:
|
||||
- 자발적 행동 학습. 행동의 결과가 보상(강화)이면 반복하고, 처벌이면 멈추는 방식. 스키너의 실험이 대표적이다.
|
||||
- **Variable Reward Schedule**:
|
||||
- 보상을 가끔씩 예측 불가능하게 줄 때 행동이 가장 강력하게 유지된다(도박, 가챠 게임의 원리).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 인간은 단순히 보상에만 따라 움직이는 존재가 아니다(행동주의의 한계). 사회적 학습(관찰 학습)과 내면의 필터링이 작용한다. AI 분야의 강화학습(RL)은 이 조작적 조건 형성을 수학적으로 모델링하여 기계가 스스로 전략을 찾게 만든다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Behavioral-Economics]] , [[Cognitive Evaluation Theory]]
|
||||
- Foundation: [[Reinforcement Learning]]
|
||||
Reference in New Issue
Block a user