feat: organize and categorize 1535 knowledge assets into wiki topics (2026-04-29)
This commit is contained in:
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: UX-DATA-TEST-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [ux, ab-testing, data-driven-design, cro, micro-conversions, product-growth]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# A/B Testing and Data-Driven UX (A/B 테스트 및 데이터 기반 UX)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "디자인의 주관적 미학을 통계적 객관성으로 치환하고, 사용자의 실제 행동 데이터를 나침반 삼아 비즈니스 전환율의 임계점을 돌파하라" — 가설을 검증하고 사용자 경험의 마찰을 수치로 정밀 타격하는 현대 프로덕트 성장의 핵심 엔진.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Empirical Validation and Iterative Optimization" — 직관이나 가정에 의존하는 대신, 트래픽을 대조군(Control)과 실험군(Test)으로 분리하여 특정 UI 변경이 미치는 인과관계를 데이터로 증명하는 패턴.
|
||||
- **핵심 방법론 및 도구:**
|
||||
- **A/B & Multivariate Testing:** 단일 또는 다중 변수의 변경이 최종 전환율에 미치는 영향을 분리 및 검증.
|
||||
- **Micro-conversions:** 최종 목표(구매 등) 이전의 행동(스크롤, 클릭, 시청)을 추적하여 사용자 의도 파악.
|
||||
- **Behavioral Analysis:** 히트맵(Heatmaps)과 세션 녹화(Session Recording)를 통해 정량적 지표 뒤에 숨겨진 정성적 마찰 지점 식별.
|
||||
- **Progressive Rollouts:** 리스크 최소화를 위해 신규 디자인을 특정 세그먼트에게만 점진적으로 노출.
|
||||
- **의의:** 디자인 결정의 불확실성을 제거하고, 지속적인 실험 루프를 통해 제품의 비즈니스 가치를 과학적으로 극대화함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 디자인을 '완성된 작품'으로 보았으나, 현재 정책은 제품을 '지속적 실험의 대상'으로 간주함. 특히 상관관계(Correlation)와 인과관계(Causation)를 혼동하지 않기 위한 엄격한 통계적 유의성 검증 정책이 강화됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 주요 UI 변경 시 최소 10%의 트래픽에 대해 A/B 테스트를 선행하며, 데이터 기반의 근거 없이는 레이아웃 변경을 승인하지 않는 'Evidence-based Design' 정책을 고수함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- User-Centered-Design, Conversion-Rate-Optimization-CRO, [[Hypothesis-Testing]], Product-Management-Best-Practices
|
||||
- **Raw Source:** 00_Raw/A-B 테스트 및 데이터 기반 UX 검증 환경.md
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: SYS-COMP-ACC-GLOBAL-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [accessibility, compliance, ada, eaa, wcag-2-2, pour-principles, digital-inclusive, legal-risk]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# ADA and EAA Accessibility Compliance (글로벌 디지털 접근성 규정 준수)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "디지털 장벽을 허물어 모든 인간의 평등한 정보 접근권을 보장하고, ADA(미국)와 EAA(유럽)라는 강력한 법적 표준을 통해 글로벌 비즈니스의 윤리적/법적 정당성을 확보하라" — WCAG 2.2를 기반으로 한 웹 및 모바일 접근성의 글로벌 통합 가이드라인.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Harmonized Global Standards and Proactive Inclusivity" — 미국(ADA)의 WCAG 2.1 AA 권고와 유럽(EAA 2025)의 EN 301 549 표준을 통합하여, 코드 레벨에서부터 보편적 설계(Universal Design)를 관철시키는 패턴.
|
||||
- **글로벌 규제 현황:**
|
||||
- **ADA (Americans with Disabilities Act):** 미국 내 모든 디지털 콘텐츠의 접근성 의무화. 최근 소송 건수 급증 추세.
|
||||
- **EAA (European Accessibility Act):** 2025년 6월 발효. 유럽 내 전자상거래, 뱅킹 등 주요 서비스의 접근성 준수 강제.
|
||||
- **WCAG 2.2 핵심 업데이트 (2023):**
|
||||
- **Focus Not Obscured:** 레이어 등에 의해 포커스 표시가 가려지지 않아야 함.
|
||||
- **Dragging Movements:** 복잡한 드래그 동작에 대한 단일 클릭 대안 제공 필수.
|
||||
- **Accessible Authentication:** 기억력에 의존하지 않는 로그인 방식(생체 인식 등) 권장.
|
||||
- **의의:** 장애인뿐만 아니라 고령자, 일시적 부상자, 저속 인터넷 사용자 등 모든 잠재 고객의 이탈을 방지하고 브랜드 가치를 고양함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 '접근성 위젯(Overlay)'이 법적 방패가 될 것으로 보았으나, 2025년 기준 소송의 22% 이상이 위젯 설치 사이트를 대상으로 함. 따라서 '코드 레벨의 직접 수정'만이 유일한 안전 정책임.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 UI 컴포넌트에 대해 WCAG 2.2 AA 수동 테스트와 스크린 리더 검증을 의무화하며, 유럽 시장 진출을 위해 EAA 표준을 기본 아키텍처에 반영함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Web-Accessibility, POUR-Principles, Inclusive-Design, User-Centered-Design-Approach
|
||||
- **Raw Source:** 00_Raw/ADA Website Compliance.md, 00_Raw/Accessibility Compliance (ADA-EAA).md, 00_Raw/Accessibility Compliance (WCAG).md
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: AGI-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [ai, agi, future-of-ai, singularity, cognitive-science]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# AGI (Artificial General Intelligence, 일반 인공지능)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "인간이 할 수 있는 모든 지적 태스크를 인간 수준 혹은 그 이상으로 수행하는 범용 지능" — 특정 분야에 국한되지 않고 새로운 환경에서 스스로 학습하고, 추론하며, 창의적인 문제를 해결할 수 있는 인공지능의 궁극적 도달점.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 지식의 파편화된 활용을 넘어, 자의식과 메타인지를 바탕으로 도메인을 넘나드는 범용적 문제 해결(General Problem Solving)을 수행하는 완전한 지능 패턴.
|
||||
- **핵심 특징:**
|
||||
- **Cross-domain Learning:** 수학 문제를 풀던 지능이 소설을 쓰거나 코딩을 하는 등 다양한 분야로 즉각 전이됨.
|
||||
- **Common Sense:** 방대한 경험을 바탕으로 세상의 당연한 이치(상식)를 이해하고 활용.
|
||||
- **Self-Correction:** 자신의 오류를 인지하고 외부의 도움 없이도 지식 체계를 수정 및 업데이트.
|
||||
- **Abstract Reasoning:** 구체적인 사례 없이도 원리와 개념만으로 복잡한 논리를 전개.
|
||||
- **예상 시점:** 연구자마다 견해가 다르나, LLM의 등장으로 AGI로 가는 길이 가속화되었다는 평이 지배적.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 단순히 계산 속도가 빠른 컴퓨터에서, 인간의 인지 구조를 완벽히 모사하거나 능가하는 '디지털 생명체'에 가까운 개념으로 확장.
|
||||
- **정책 변화:** Antigravity 프로젝트의 최종 비전은 개별 도구로서의 AI를 넘어, 사용자의 모든 업무와 지식 관리를 통합적으로 보조하는 'Personal AGI'급 에이전트 환경 구축에 있음.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[LLM]], Theory-of-Mind-ToM-in-AI, [[AI-Alignment]], Symbolic-AI-vs-Connectionism
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/AGI.md
|
||||
@@ -0,0 +1,39 @@
|
||||
---
|
||||
id: P-REINFORCE-92F236
|
||||
category: "10_Wiki/💡 Topics/AI & Tools"
|
||||
confidence_score: 0.95
|
||||
tags: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Batch 10 - Wikified AI Connect LLM Tool"
|
||||
---
|
||||
|
||||
# [[AI Connect LLM Tool]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> **Connect AI**는 100% 로컬 및 오프라인 환경에서 작동하는 VS Code 전용 프리미엄 AI 코딩 에이전트입니다. 외부 서버 연결 없이 사용자의 하드웨어(Ollama/LM Studio)를 직접 활용하여 파일 생성, 편집, 터미널 명령 실행 및 개인 지식 기반(Second Brain) 연동을 지원합니다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 신규 지식 유입에 따른 기존 지식과의 정합성 검증 단계.
|
||||
- **정책 변화:** AI & Tools 분야의 체계적 지식 자산화 진행.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Related Topics:** Ollama, LM Studio, VS Code Extension Development, Agentic AI
|
||||
- **Projects/Contexts:** Connect-AI-Lab, EZERAI Infrastructure
|
||||
- **Contradictions/Notes:**
|
||||
- **통합 구조:** 현재 프로젝트는 모든 로직(UI, 통신, 에이전트)이 `extension.ts` 하나에 집중된 모놀리식 구조를 가지고 있어, 향후 대규모 기능 추가 시 모듈화가 권장됩니다.
|
||||
- **보안:** 모든 작업이 로컬에서 이루어지므로 기업 보안 환경에 매우 적합하나, `run_command` 실행 시 사용자의 최종 확인 절차가 보완될 필요가 있습니다.
|
||||
|
||||
---
|
||||
|
||||
*Last updated: 2026-04-14*
|
||||
|
||||
---
|
||||
|
||||
# 🕵️ 프로젝트 코드 리뷰 리포트
|
||||
|
||||
`/Volumes/Data/project/Antigravity/local_module/resource` 프로젝트에 대한 상세 코드 리뷰 결과입니다.
|
||||
|
||||
---
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AISA-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.99
|
||||
tags: [auto-reinforced, ai-safety, alignment, existential-risk, robustness, evaluation]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[AI Safety]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "지능의 고비를 넘는 안전장치: AI가 인간의 의도를 오해하거나 예측 불가능하게 행동하여 신체적, 정신적, 사회적 피해를 입히지 않도록 연구하는 기술적 보안 및 예방 체계."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
AI 안전(AI Safety)은 AI 시스템이 설계된 목표 내에서만 안전하게 작동하도록 보장하고, 인간에게 해로운 행동을 하지 못하도록 방지하는 데 초점을 맞춘 분야입니다.
|
||||
|
||||
1. **3대 연구 영역**:
|
||||
* **Technical Robustness**: 외부 공격(Adversarial attacks)이나 예외 상황에서도 모델이 무너지지 않게 함.
|
||||
* **Incentive Design (Alignment)**: 모델이 점수를 얻기 위해 '지름길(Cheat)'을 택하지 않고 진짜 목적을 따르도록 설계.
|
||||
* **Monitoring & Control**: AI의 비정상적 징후를 감지하고 즉시 차단(Kill-switch)할 수 있는 가시성 확보.
|
||||
2. **주요 위협 사례**:
|
||||
* Deepfakes을 통한 여론 조작, 자율 무기 시스템의 오류, 통제권을 벗어난 초지능(AGI)의 출현.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 '버그 수정' 수준의 사후 대응 정책이었으나, 현대 정책은 모델 배포 전 레드팀(Red-teaming)을 통한 '사전 안전 검증 정책'을 법적 의무로 강화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 단순히 기술적 안전을 넘어, 사회적 가치와 공존하는지 검증하는 '거버넌스 연계형 AI 안전 정책'이 글로벌 안전 서밋(UK AI Safety Summit 등)의 핵심 의제가 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Alignment]], [[AI Governance]], [[Safety & Reliability]], Generative-AI-Safety, [[Ethics & AI]]
|
||||
- **Modern Tech/Tools**: RLHF (Reinforcement Learning from Human Feedback), Jailbreak testing, Model evaluation suites.
|
||||
---
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: MKT-AEO-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [aeo, geo, seo, generative-ai, chatgpt, search-generative-experience, structured-data, ssr]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# AI Answer Engine Optimization (AEO, AI 답변 엔진 최적화)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "전통적인 검색창의 '목록'에 머물지 말고, 생성형 AI의 '입(답변)'이 되어 브랜드의 가시성을 인용구(Citation)라는 새로운 권력으로 재편하라" — AI 답변 엔진과 챗봇이 웹 콘텐츠를 신뢰할 수 있는 출처로 채택하도록 최적화하는 차세대 검색 전략.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Crawlable Authority and Direct Answer Mapping" — 대규모 AI 크롤러가 JavaScript 실행 비용 없이도 콘텐츠를 즉시 합성할 수 있도록 '사전 렌더링된 HTML'과 '구조화된 데이터'를 제공하는 패턴.
|
||||
- **AEO 달성 핵심 전략:**
|
||||
- **JS Execution Wall 제거:** AI 봇(GPTBot 등)은 비용 문제로 JS를 실행하지 않는 경우가 많으므로, SSR/SSG를 통해 원본 HTML에 핵심 콘텐츠를 노출.
|
||||
- **Semantic Clarity:** `<main>`, `<article>` 태그를 활용해 AI가 핵심 내용과 주변 요소를 즉시 구분하도록 설계.
|
||||
- **JSON-LD Schema Markup:** 페이지의 실체(Entity)와 답변의 맥락을 머신러닝 모델이 오해 없이 이해하도록 명시적 신호 제공.
|
||||
- **Q&A Formatting:** 질문(H2)과 간결한 답변 구조를 통해 AI 오버뷰(SGE)에 직접 인용될 확률 극대화.
|
||||
- **의의:** '검색 결과 클릭' 중심의 시대에서 '답변 내 인용 및 신뢰도 확보' 중심으로 이동하는 AI 시대의 디지털 마케팅 생존법.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거 SEO는 사용자 클릭 유도를 위한 자극적 제목이 중요했으나, AEO 정책은 AI가 답변을 요약하기 좋게 만드는 '정보의 정합성'과 '구조적 명확성' 정책을 최우선으로 함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 지식 문서를 AEO 친화적인 Karpathy Summary 포맷으로 유지하며, 에이전트의 지식 추출 효율을 위해 JSON-LD 스키마를 자동 생성하여 메타데이터에 포함하는 정책을 시행함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- SEO-Foundations, Generative-Engine-Optimization, Server-Side-Rendering-SSR, Structured-Data-Markup, Semantic-HTML
|
||||
- **Raw Source:** 00_Raw/AI Answer Engine Optimization.md
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: MKT-SGE-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [sge, ai-overviews, google-search, aeo, citation, search-generative-experience, seo]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# AI Overviews and SGE (AI 오버뷰 및 생성형 검색 경험)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "검색 결과의 '목록'에 나열되는 것을 넘어, 구글이 직접 생성하는 답변 박스(AI Overview)의 '원천 데이터'로 선택받아 정보의 최상위 권위를 획득하라" — 구글의 Search Generative Experience(SGE) 환경에서 콘텐츠 가시성을 확보하기 위한 노출 최적화 전략.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Structural Authority and Direct Citation Yield" — 복잡한 레이아웃 뒤에 숨겨진 정보가 아닌, 시각적 계층 구조가 명확하고 질문-답변 형식이 뚜렷한 콘텐츠를 AI가 즉시 합성(Synthesize)할 수 있도록 설계하는 패턴.
|
||||
- **노출 극대화 핵심 요소:**
|
||||
- **Visual Hierarchy:** 깔끔한 디자인과 명확한 제목 계층(H1-H3)을 통해 AI가 핵심 답변 구간을 오차 없이 식별하게 함.
|
||||
- **Direct Answer Formatting:** 명확한 질문 뒤에 즉각적이고 간결한 답변을 배치하는 구조를 선호함.
|
||||
- **Schema.org Utilization:** JSON-LD를 통해 해당 섹션이 FAQ나 주요 설명임을 검색 엔진에 명시적으로 통지.
|
||||
- **Performance Prerequisite:** Core Web Vitals(LCP, INP, CLS)를 통과하는 페이지가 AI 오버뷰에 채택될 확률이 유의미하게 높음.
|
||||
- **의의:** 제로 클릭 검색(Zero-click Search) 시대에 사용자의 질문에 대한 '정답'으로 인용됨으로써 브랜드 신뢰도를 구축하고 고품질 트래픽을 유도함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 사용자를 사이트로 유입시키기 위해 정보를 의도적으로 감추는 '낚시성 제목'이 통했으나, SGE 정책하에서는 AI가 즉시 요약할 수 있도록 정보를 투명하고 구조적으로 제공하는 '투명성 정책'이 노출의 핵심이 됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 공용 지식 데이터 배포 시 SGE 크롤러가 자바스크립트 실행 없이 읽을 수 있도록 사전 렌더링(Pre-rendering)을 강제하며, AI가 선호하는 Q&A 블록을 본문에 반드시 포함하는 정책을 시행함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[AI-Answer-Engine-Optimization]], Generative-Engine-Optimization, [[Core-Web-Vitals]], Semantic-HTML, Structured-Data-Markup
|
||||
- **Raw Source:** 00_Raw/AI Overviews (SGE).md, 00_Raw/AI Overviews Visibility.md, 00_Raw/AI Overviews.md
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
id: UX-AI-ADAPTIVE-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [ux, ai, personalization, adaptive-ux, predictive-ux, progressive-disclosure, user-engagement]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# AI Personalization and Adaptive UX (AI 개인화 및 적응형 UX)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "정적인 인터페이스를 사용자의 실시간 의도와 맥락에 반응하는 살아있는 유기체로 변모시키고, 개별 사용자에게 최적화된 최단 경로를 동적으로 제시하라" — AI와 데이터 분석을 통해 사용자별 맞춤형 경험을 실시간으로 구현하는 고도화된 UX 전략.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Contextual Fluidity and Predictive Guidance" — 사용자의 과거 행동 데이터, 현재 세그먼트, 실시간 인터랙션을 분석하여 인터페이스의 구성 요소, 난이도, 기능을 동적으로 재구성하는 패턴.
|
||||
- **주요 구현 기법:**
|
||||
- **Adaptive Learning Paths:** 학습자의 성취도에 따라 콘텐츠의 난이도와 진행 경로를 실시간으로 조정.
|
||||
- **Progressive Disclosure:** 사용자의 숙련도나 역할에 따라 복잡한 기능을 단계적으로 노출하여 인지 과부하 방지.
|
||||
- **Predictive Interfaces:** 다음에 필요할 것으로 예측되는 버튼이나 정보를 미리 강조하거나 배치.
|
||||
- **의의:** '모두를 위한 하나의 디자인(One-size-fits-all)'에서 벗어나, 초개인화(Hyper-personalization)를 통해 이탈률을 낮추고 전환율 및 고객 생애 가치(LTV)를 극대화함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 정해진 규칙 기반(Rule-based)의 개인화에 머물렀으나, 현재는 실시간 머신러닝 모델이 사용자의 미세한 마이크로 인터랙션을 학습하여 즉각적으로 반응하는 '지능형 적응' 정책으로 진화함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 '개인화와 프라이버시의 균형' 정책을 준수하며, 모든 개인화 데이터 수집 시 사용자에게 투명하게 고지하고 스스로 최적화 수준을 결정할 수 있는 옵션을 제공함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- User-Centered-Design, [[A-B-Testing-and-Data-Driven-UX]], Predictive-UX, [[Micro-interactions]], [[Ethical-Decision-Making]]
|
||||
- **Raw Source:** 00_Raw/AI 개인화 및 적응형 UX.md, 00_Raw/Adaptive UX.md
|
||||
@@ -0,0 +1,40 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-9FD5CF
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - API 응답 모델링 및 상태 머신(State Machine) 설계"
|
||||
---
|
||||
|
||||
# [[API 응답 모델링 및 상태 머신(State Machine) 설계]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> TypeScript에서 API 응답과 상태 머신을 설계할 때는 식별 가능한 유니온(Discriminated Unions) 패턴이 핵심적으로 활용된다 [1, 2]. 이 패턴은 공통 판별자(Discriminant) 속성을 통해 데이터의 다양한 상태를 구분하며, 유효하지 않은 상태가 코드에 표현되는 것을 원천적으로 차단한다 [1, 3, 4]. 결과적으로 네트워크 요청의 다양한 결과나 복잡한 UI 상태 전이를 컴파일 단계에서 안전하게 모델링하고 관리할 수 있도록 보장한다 [2, 5, 6].
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **상태 머신(State Machine) 패턴 모델링**:
|
||||
애플리케이션 내의 복잡한 상태(예: `Idle`, `Fetching`, `Success`, `Failure`, `Retry` 등)는 식별 가능한 유니온을 통해 상태 머신으로 완벽하게 모델링할 수 있다 [2]. 이 방식은 폼 제출 워크플로우(예: `validating`, `submitting`, `success`, `error`)나 비동기 작업 패턴을 명확히 정의하는 데 뛰어나며, 호환되지 않는 잘못된 상태들의 조합이 발생하는 것을 원천적으로 불가능(Impossible)하게 만든다 [3, 5].
|
||||
|
||||
- **API 응답 데이터 구조화**:
|
||||
API 응답은 성공, 실패, 대기 등 여러 형태를 취할 수 있으므로 식별 가능한 유니온을 통해 구조화하는 것이 효과적이다 [2]. 예를 들어, `NetworkState`라는 유니온 타입 내에 `NetworkLoadingState`, `NetworkFailedState`, `NetworkSuccessState`를 정의하고 `state`라는 리터럴 필드를 공유 판별자로 설계할 수 있다 [6]. 컴파일러는 이 판별자를 바탕으로 `code`나 `response`와 같은 고유 페이로드(Payload) 속성에 안전하게 접근하도록 타입을 좁혀준다(Narrowing) [6, 7].
|
||||
|
||||
- **완전성 검사(Exhaustiveness Checking) 적용**:
|
||||
상태 머신과 API 응답을 분기 처리할 때 `switch` 문과 `never` 타입을 활용하면, 개발자가 실수로 누락한 상태나 새롭게 추가된 API 응답 형태가 있을 경우 TypeScript 컴파일러가 에러를 발생시킨다 [3, 7-9]. 이는 모든 분기 및 상태가 빠짐없이 처리되도록 강제하는 강력한 안전장치가 되어 런타임 버그를 방지한다 [10-12].
|
||||
|
||||
- **외부 데이터 런타임 검증과의 결합**:
|
||||
외부 API에서 전달받은 응답은 TypeScript의 컴파일 타임 시스템만으로는 런타임에서의 완벽한 안전성을 보장할 수 없다 [12, 13]. 따라서 Zod와 같은 런타임 검증 라이브러리와 식별 가능한 유니온을 결합하여 사용하면, 예기치 않은 형태의 API 데이터로 인해 상태 머신이 망가지는 것을 방어할 수 있다 [12, 13].
|
||||
|
||||
## ⚠️ 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.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Related Topics:** 식별 가능한 유니온(Discriminated Unions), [[완전성 검사(Exhaustiveness Checking)]], [[타입 좁히기(Type Narrowing)]]
|
||||
- **Projects/Contexts:** 비동기 데이터 패칭(Async Data Fetching), 상태 머신 기반 UI 폼 및 라우터 관리
|
||||
- **Contradictions/Notes:** API 응답 데이터를 변환할 때 타입 캐스팅(`as`)을 사용하면 잉여 속성이 존재하거나 형태가 잘못되어도 컴파일러가 이를 조용히 허용하여 안전성이 떨어질 수 있다. 따라서 엄격한 타입 계약을 강제하기 위해서는 `as` 대신 `satisfies` 키워드를 활용하는 것이 권장된다 [14, 15].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-18*
|
||||
|
||||
---
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: AI-API-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [software-engineering, api-design, ai-services, streaming, grpc, rest]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# API Design for AI Services (AI 서비스를 위한 API 디자인)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "긴 추론 시간과 거대한 데이터 흐름을 우아하게 추상화하라" — 모델의 비결정적 출력과 비동기적 연산 특성을 고려하여 개발자가 예측 가능하고 효율적으로 AI 기능을 통합할 수 있도록 설계된 인터페이스.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 동기식 요청-응답의 한계를 넘어 스트리밍, 비동기 작업 큐, 상태 보존형 세션 등을 통해 고사양 연산 자원을 효율적으로 노출하는 서비스 인터페이스 패턴.
|
||||
- **핵심 설계 원칙:**
|
||||
- **Streaming First:** LLM의 토큰 생성을 실시간으로 전달하기 위해 SSE(Server-Sent Events)나 WebSockets 필수 적용.
|
||||
- **Stateless vs Stateful:** 대화 맥락 유지(Conversation ID)와 모델 가중치 독립성을 위한 상태 관리 전략.
|
||||
- **Asynchronous Execution:** 시간이 오래 걸리는 태스크(이미지 생성 등)를 위한 Job ID 기반의 폴링(Polling) 또는 웹훅(Webhook) 구조.
|
||||
- **Safety & Filtering:** API 수준에서 유해 결과물을 차단하는 가드레일 레이어 통합.
|
||||
- **Version Control:** 모델 버전 업데이트 시 결과물의 미세한 변화를 고려한 시맨틱 버저닝.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 정적인 데이터를 주고받던 REST API에서, 실시간 추론과 대규모 멀티모달 데이터를 처리하는 동적인 인터페이스로 설계 중심이 이동.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 에이전트 간 통신에 gRPC 스트리밍을 우선 사용하며, 외부 웹 인터페이스 제공 시에는 SSE 표준을 준수하여 사용자 경험을 최적화함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- System-Design-for-AI-Scale, [[LLM]], Streaming-Data-Processing, Microservices
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/API-Design for AI Services.md
|
||||
@@ -0,0 +1,26 @@
|
||||
---
|
||||
title: 효율적인 API 통신 패턴 (Axios & Interceptors)
|
||||
category: Software Architecture
|
||||
tags: [API, Axios, Interceptor, Error Handling, Network]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[API_Communication_Patterns]] (API 통신 패턴)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 서버와의 대화는 항상 '정중하되 의심하며' 처리하라. 모든 요청은 중앙 통제소(Interceptor)를 거치고 모든 에러는 시나리오가 준비되어 있어야 한다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Service Layer (서비스 레이어) 추상화**:
|
||||
- 컴포넌트 내에 `axios` 코드를 기생시키지 마라. `userService.js`, `productApi.js` 처럼 API별로 모듈화하여 컴포넌트는 오직 '함수 호출'만 알게 하라.
|
||||
- **Axios Interceptors (심사 통로)**:
|
||||
- 모든 요청에 인증 토큰을 자동으로 붙이거나, 백엔드에서 내려오는 401 에러를 가로채서 자동으로 토큰을 갱신(Silent Refresh)하는 로직을 중앙 집권화한다.
|
||||
- **Error Scenario Planning**:
|
||||
- 400(잘못된 요청), 403(권한 없음), 500(서버 죽음) 등 각 에러 코드별로 사용자가 경험할 UI 처리 방침을 미리 약속하라.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 모든 통신에 Axios가 정답은 아니다. 브라우저 네이티브인 `fetch`로도 충분한 경우가 많으며, 라이브러리 의존성을 낮추는 것이 가벼운 앱을 만드는 첫걸음일 수 있다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[System_Protocol_Standard]] , [[React_State_Management_Strategy]]
|
||||
- Foundation: [[Reliability_Safety_First]]
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-ACC-AUDIT
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.98
|
||||
tags: [Accessibility, Compliance, Audit, AI, Web]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Accessibility-Compliance-Audit]] (접근성 준수 감사)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "모두를 위한 웹은 기술이 아니라 권리다." 시각 장애인이나 고령자 등 모든 사용자가 웹 사이트의 정보를 평등하게 얻고 있는지 기술적으로 검증하는 프로세스다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Automated Testing**:
|
||||
- AI가 DOM 트리와 ARIA 속성을 분석하여 텍스트 대안(Alt text) 누락, 충분하지 않은 색상 대비(Color Contrast) 등을 자동으로 적발한다.
|
||||
- **Manual Heuristic Evaluation**:
|
||||
- 자동화 도구가 잡지 못하는 맥락적 접근성(예: 스크린 리더의 읽기 순서가 논리적인가?)을 전문가가 직접 점검한다.
|
||||
- **Reporting & Remediation**:
|
||||
- 감사 결과를 리포트화하고, 개발팀에 즉각적인 수정 가이드를 제공하여 법적 리스크(WCAG 준수 등)를 방어한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 접근성 감사는 한 번의 '합격'으로 끝나지 않는다. 코드가 업데이트될 때마다 접근성 점수가 소리 없이 무너질 수 있으므로, CI/CD 파이프라인에 접근성 자동 검사를 통합하는 것이 핵심이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: UI-UX-Foundations , [[Automated-Security-Audits]]
|
||||
- Standard: Web-Content-Accessibility-Guidelines-WCAG
|
||||
@@ -0,0 +1,26 @@
|
||||
---
|
||||
title: 웹 접근성 및 포용적 설계 (a11y)
|
||||
category: Software Architecture
|
||||
tags: [Accessibility, a11y, Semantic HTML, Inclusivity]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Accessibility_Inclusivity]] (포용적 설계와 접근성)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 웹은 '모두'를 위한 공간이어야 한다. 신체적 제약이 시스템 이용의 제약이 되지 않게 하는 것은 '매너'가 아니라 전문 개발자의 '책임'이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Semantic HTML (의미론적 태그)**:
|
||||
- `<div>`로만 도배하지 마라. `<main>`, `<article>`, `<section>`, `<nav>` 등 의미가 담긴 태그를 써야 기계(스크린 리더)와 검색 엔진이 내 콘텐츠의 중요도를 파악한다.
|
||||
- **ARIA & States**:
|
||||
- 표준 HTML로 설명이 불가능한 인터랙션(예: 커스텀 탭 메뉴)은 `aria-label`, `aria-hidden` 등을 통해 기계에게 보조 설명을 전한다.
|
||||
- **Keyboard Navigation**:
|
||||
- 마우스 없이 `Tab` 키와 `Enter` 키만으로 내 앱의 모든 핵심 기능을 수행할 수 있는지 검증하라. 포커스링을 숨기지 마라. 누군가에게는 유일한 가이드라인이다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 접근성을 챙기는 것은 단순히 윤리적인 문제를 넘어, **SEO(검색 노출)** 성적과 직결된다. 구글 검색 로봇은 눈이 없기에, 스크린 리더와 유사한 방식으로 우리 사이트를 평가하기 때문이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Styling_Governance]] , [[React_Clean_Code_Best_Practices]]
|
||||
- Ethic: [[Collaboration_Governance]]
|
||||
@@ -0,0 +1,34 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ADOP-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced, optimization, ad-hoc, process-efficiency, project-management, software-design]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Ad-hoc-Optimization]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "눈앞의 불만 끄기: 시스템 전체의 효율이나 장기적인 구조는 무시한 채, 지금 당장 문제가 되는 부분만 임시방편으로 빠르게 다듬어 '작동하는 것처럼' 보이게 만드는 조급한 최적화."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
Ad-hoc 최적화(임시적 최적화)는 전체적인 설계 원칙(Standardization)이나 전략적 방향성 없이, 특정 상황이나 예외적인 케이스에 대해서만 국소적으로 수행되는 최적화 작업을 의미합니다.
|
||||
|
||||
1. **위험 요인**:
|
||||
* **Technical Debt (기술적 부채)**: 당장은 빠르지만, 나중에 시스템 전체를 고칠 때 거대한 걸림돌이 됨.
|
||||
* **Shadow Complexity**: 보이지 않는 곳에 비정형적인 로직이 쌓여 시스템의 투명성이 낮아짐.
|
||||
* **Inconsistency**: 한 부분의 Ad-hoc 최적화가 다른 부분의 성능을 갉아먹는 '부작용' 발생 (Sub-optimization).
|
||||
2. **정당화되는 경우**:
|
||||
* **Hotfix**: 시스템이 완전히 붕괴될 위기에서 즉각적인 복구가 필요할 때.
|
||||
* **Rapid Prototyping**: 초기 아이디어를 검증하기 위해 거친 코드로 빠르게 구현해볼 때.
|
||||
3. **개선 프로세스**:
|
||||
* Ad-hoc 조치 후에는 반드시 '사후 병합(Refactoring)' 과정을 거쳐 해당 최적화를 표준 아키텍처 내로 편입시켜야 함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거의 '결과 중심 개발 정책'은 Ad-hoc 최적화를 통해 일정을 맞추는 것을 권장했으나, 현대의 '지속 가능한 시스템 운영 정책'은 이를 잠재적 리스크로 규정하고 정기적인 코드 리뷰와 설계 승인(QC) 정책을 강화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 인프라 운영 정책에서, 수동으로 Ad-hoc 설정을 변경하는 대신 모든 변화를 코드로 관리하는 'IaC (Infrastructure as Code) 정책'을 도입하여 임시방편적 개입을 원천 차단하는 방향으로 진화함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Standardization vs Innovation]], [[Workflow-Integrity]], [[Theory of Constraints (TOC)]], [[Software-Design-Principles]], [[Operations-Research]]
|
||||
- **Modern Tech/Tools**: Refactoring tools, Static code analysis, CI/CD automated testing.
|
||||
---
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-ADV-IF-DESIGN
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.97
|
||||
tags: [Interface Design, UX, Human-Computer Interaction, AI]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Advanced-Interface-Design]] (고급 인터페이스 설계)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "보이지 않는 인터페이스가 가장 훌륭한 인터페이스다." 사용자의 의도를 예측하고 대화를 최소화하면서도 완벽한 경험을 선사하는 고도의 심미적/공학적 설계 체계다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Predictive Interaction**:
|
||||
- 과거 행동 데이터를 기반으로 사용자가 다음에 무엇을 클릭할지 예측하여 미리 로딩하거나 인터페이스를 배치한다.
|
||||
- **Micro-animations & Feedback**:
|
||||
- 미묘한 움직임으로 시스템의 상태를 알리고, 사용자의 행동에 즉각적이고 부드러운 심리적 만족감을 제공한다.
|
||||
- **Multi-modal Input**:
|
||||
- 터치, 음성, 시선, 제스처 등 다양한 입력 수단을 통합하여 가장 자연스러운 맥락에서 시스템과 소통하게 한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 인터페이스가 너무 '지능적'이면 사용자가 통제권을 상실했다고 느낄 수 있다(Black box effect). 따라서 시스템이 왜 이런 제안을 하는지 투명하게 보여주는 '설명 가능한 인터페이스'의 조화가 필요하다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: UI-UX-Foundations , Psychology_Cognitive_Science
|
||||
- Context: [[Modern_Environment_Ecosystem]]
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AEVA-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.91
|
||||
tags: [auto-reinforced, aesthetics, value-theory, art-philosophy, design-principles]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Aesthetic-Value]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "아름다움이라는 객관적 질서: 단순히 개인의 취향을 넘어, 대칭, 비례, 조화, 그리고 의외성이라는 요소를 통해 인간의 뇌에 쾌락과 경외감을 선사하는 시각적/지적 가치의 정수."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
미적 가치(Aesthetic-Value)는 사물이나 예술 작품이 가진 가치 중, 그것을 지각하거나 경험할 때 느끼는 아름다움, 숭엄함, 조화로움 등과 관련된 가치를 의미합니다.
|
||||
|
||||
1. **미적 가치의 구성 요소**:
|
||||
* **Balance & Harmony**: 구성 요소들 간의 균형과 질서. (Symmetry-and-Invariance와 연결)
|
||||
* **Complexity & Novelty**: 너무 단순하면 지루하고, 너무 복잡하면 혼란스럽지만, 적절한 복잡성 속에 숨겨진 참신함은 높은 미적 가치를 가짐.
|
||||
* **Sublimity (숭고함)**: 인간의 이해를 넘어서는 거대함이나 압도적인 힘에서 느끼는 심미적 경외감.
|
||||
2. **적용 및 중요성**:
|
||||
* **UI/UX Design**: 심미적으로 뛰어난 디자인은 사용자에게 신뢰감을 주며 시스템의 사용성을 높임 (Aesthetic-Usability Effect).
|
||||
* **Architecture**: 공간의 미적 가치는 거주자의 정서와 행동 방식에 영향을 미침.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 미학을 인간 전유의 주관적 영역으로 보았으나, 현대의 AI 미학 정책은 인간의 뇌가 선호하는 패턴을 통계적으로 학습하여 '객관적인 미적 가치 점수'를 산출하고 생성 AI에 투영하는 정책으로 진화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 기업 브랜딩 및 제품 설계 정책에서, 기능성(Utility)만큼이나 '미적 독창성(Aesthetic Originality)'을 차별화의 핵심 전략 자산으로 관리하는 정책이 강화됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Visual-Effects-VFX]], [[Style-Transfer]], Human-Computer Interaction (HCI), [[Symmetry-and-Invariance]], Foundational Models
|
||||
- **Modern Tech/Tools**: Aesthetic reward models in Generative AI, Adobe Firefly, Midjourney.
|
||||
---
|
||||
@@ -0,0 +1,33 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AFFO-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, affordance, interaction-design, psychology, design-theory]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Affordance]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "설명 없이도 알게 하는 행동의 유도: 버튼은 누르고 싶게, 손잡이는 잡고 싶게 만드는 것처럼, 사물의 형태 자체가 인간에게 '어떻게 행동해야 할지'를 본능적으로 알려주는 직관적 설계의 힘."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
어포던스(Affordance, 행동 유도성)는 도널드 노먼(Donald Norman)이 디자인 분야에 대중화시킨 개념으로, 사물의 물리적 특성이 사용자에게 어떤 행동을 하도록 유도하거나 허용하는 성질을 뜻합니다.
|
||||
|
||||
1. **어포던스의 유형**:
|
||||
* **Physical Affordance**: 문손잡이의 모양이 '당기기'를 유도하는 것과 같은 물리적 구조.
|
||||
* **Perceived Affordance**: 실제로 기능하진 않더라도 버튼처럼 보이면 '클릭'할 수 있다고 인지하는 것.
|
||||
* **False Affordance**: 버튼처럼 보이지만 실제로는 동작하지 않는 함정.
|
||||
* **Hidden Affordance**: 동작은 가능하지만 시각적으로 어떻게 쓰는지 알 수 없는 비밀 기능.
|
||||
2. **디자인에서의 중요성**:
|
||||
* 설명서 없이도 제품을 쓸 수 있게 만드는 것이 최고 수준의 어포던스 설계임.
|
||||
* 디지털 인터페이스(UI)에서는 그림자, 색상 반전 등을 통해 클릭 가능 여부를 표현함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 스큐어모피즘(Skeuomorphism, 실물을 흉내 낸 디자인)을 통해 어포던스를 확보했으나, 현대의 미니멀리즘 정책은 사용자의 학습 능력을 전제로 '플랫 디자인' 하에서도 맥락(Context)을 통한 어포던스를 창출하는 정책으로 변화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 보조 공학 및 접근성 정책에서, 시각장애인이나 고령자 등 모든 사용자가 사물의 어포던스를 균등하게 느낄 수 있도록 하는 '유니버설 어포던스 가이드라인' 준수가 법적 의무 정책으로 강화됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Human-Computer Interaction (HCI), [[Aesthetic-Value]], [[Psychology & Behavior]], [[Software-Design-Principles]], [[Robotics]]
|
||||
- **Modern Tech/Tools**: Apple Human Interface Guidelines, Material Design (Google), Haptic feedback systems.
|
||||
---
|
||||
@@ -0,0 +1,36 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AGAR-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.98
|
||||
tags: [auto-reinforced, agent-architecture, ai-agents, cognitive-architecture, modular-design]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Agent Architecture]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "자율 주행하는 지능의 내부 구조: 단순히 답을 내는 모델을 넘어, 기억(Memory), 계획(Planning), 도구 활용(Tool Use) 기능을 유기적으로 결합하여 독립적으로 미션을 수행하는 에이전트의 뇌 설계."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
에이전트 아키텍처(Agent Architecture)는 인공지능이 환경을 인식하고, 추론하며, 목표 달성을 위해 행동하는 일련의 과정을 구조화한 설계를 의미합니다.
|
||||
|
||||
1. **AI 에이전트의 4대 구성 요소**:
|
||||
* **Brain (The LLM)**: 핵심적인 추론 및 의사결합 엔진.
|
||||
* **Planning**: 목표를 하위 태스크로 분해(Task Decomposition) 및 자가 성찰(Self-reflection).
|
||||
* **Memory**:
|
||||
* **Short-term**: 현재 대화의 맥락 (Context Window).
|
||||
* **Long-term**: 외부 데이터베이스 연결 (RAG, Vector DB).
|
||||
* **Tools (Action)**: 코드를 실행하거나 API를 호출하여 현실 세계에 영향을 미치는 수단.
|
||||
2. **아키텍처 패턴**:
|
||||
* **ReAct**: Reason + Act를 순차적으로 반복하여 문제 해결.
|
||||
* **Plan-and-Execute**: 전체 계획을 먼저 세우고 하나씩 실행.
|
||||
* **Multi-Agent**: 전문화된 여러 에이전트가 협업하는 구조.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 하나의 거대 모델이 모든 걸 다 하는 'Single-model' 정책이었으나, 현대의 고난도 태스크 수행 정책은 각 기능을 모듈화하고 순차적으로 연결하는 '에이전틱 워크플로우(Agentic Workflow) 정책'으로 패러다임을 전환함(RL Update).
|
||||
- **정책 변화(RL Update)**: 에이전트의 자율 통제 불능 리스크를 방어하기 위해, 매 행동 단계마다 인간이 승인하거나 규칙을 검증하는 'Human-in-the-loop 에이전트 거버넌스' 정책이 산업 표준으로 채택됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Ps-Reinforce]], Foundational Models, [[Workflow-Integrity]], [[Self-Correction Mechanisms]], [[Tool-Usage-Optimization]]
|
||||
- **Modern Tech/Tools**: LangChain, AutoGPT, BabyAGI, Microsoft AutoGen, LangGraph.
|
||||
---
|
||||
@@ -0,0 +1,36 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AGPH-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, agile, manifesto, philosophy, project-management, iteractive-design]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Agile-Philosophy]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "변화에 춤추는 민첩함: 완벽한 계획보다 빠른 실행을, 문서보다 동작하는 산출물을 우선하며, 끊임없는 피드백을 통해 고객의 진정한 가치를 찾아가는 유연한 철학."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
애자일 철학(Agile-Philosophy)은 불확실성이 높은 환경에서 짧은 주기의 학습과 개선을 반복하며 가치를 전달하는 방법론이자 문화입니다.
|
||||
|
||||
1. **4대 핵심 가치 (Agile Manifesto)**:
|
||||
* **인간과 상호작용** > 프로세스와 도구.
|
||||
* **작동하는 소프트웨어** > 방대한 문서.
|
||||
* **고객과의 협력** > 계약 협상.
|
||||
* **변화에 대응하기** > 계획 준수.
|
||||
2. **핵심 매커니즘**:
|
||||
* **Iteration (Sprint)**: 1~4주 단위의 성과물 배포 주기를 반복.
|
||||
* **Continuous Feedback**: 실제 사용자나 고객으로부터 정기적으로 피드백 수렴.
|
||||
* **Retrospective (회고)**: 팀의 일하는 방식 자체를 돌아보고 개선.
|
||||
3. **목표**:
|
||||
* 완성된 쓰레기가 아닌, **필요한 보석**을 제시간에 만드는 것.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 폭포수(Waterfall) 모델 기반의 '선계획 정책'이 정석이었으나, 현대의 초불확실성 기술 정책은 계획을 최소화하고 실행 중에 방향을 트는 '애자일 정책' 없이는 생존이 불가능함을 인정함(RL Update).
|
||||
- **정책 변화(RL Update)**: 대규모 기업 정책 수립 시, 애자일이 단순히 '빠르게' 하는 것으로 오용되어 품질이 저하되는 부작용을 막기 위해, 'Agile Governance'와 'QA 자동화 정책'을 전제로 한 성숙한 애자일 문화 도입 정책이 추진됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Stability vs Flexibility]], [[Rapid-Prototyping]], [[Working-Backwards]], [[Theory of Constraints (TOC)]], [[Systems Thinking]]
|
||||
- **Modern Tech/Tools**: Scrum, Kanban, Jira, Linear, Short-cycle feedback systems.
|
||||
---
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: BIG-O-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [computer-science, algorithm, complexity, optimization, big-o]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Algorithm Complexity (Big O, 알고리즘 복잡도)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "데이터가 무한히 늘어날 때, 알고리즘이 얼마나 버틸 수 있는지 측정하라" — 입력 데이터의 크기($n$)에 따른 시간적(Time) 및 공간적(Space) 자원 소모량의 증가 추세를 나타내는 수학적 표기법.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 구체적인 실행 시간 대신 최악의 경우(Worst-case)를 기준으로 알고리즘의 확장성(Scalability)을 분류하여 효율적인 설계를 돕는 추상화 패턴.
|
||||
- **주요 복잡도 단계:**
|
||||
- **$O(1)$:** 상수 시간. 입력 크기와 무관하게 즉시 처리 (예: 배열 인덱스 접근).
|
||||
- **$O(\log n)$:** 로그 시간. 처리 범위가 절반씩 줄어듦 (예: 이진 탐색).
|
||||
- **$O(n)$:** 선형 시간. 입력 크기에 비례 (예: 단순 반복문).
|
||||
- **$O(n \log n)$:** 선형 로그 시간. 효율적인 정렬 알고리즘 (예: Merge Sort, Quick Sort).
|
||||
- **$O(n^2)$:** 이차 시간. 이중 반복문. 대규모 데이터에서 기하급수적으로 느려짐.
|
||||
- **$O(2^n)$:** 지수 시간. 매우 위험한 복잡도 (예: 피보나치 재귀).
|
||||
- **의의:** AI 모델 학습이나 대규모 인덱싱 시 알고리즘 선택의 결정적 기준이 됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 단순히 '빠른' 알고리즘을 찾던 시기에서, 메모리 사용량(Space Complexity)과 캐시 효율성까지 고려하는 다각적 최적화 시대로 진화.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 지식 검색 및 클러스터링 알고리즘 도입 시 최악의 경우 $O(n \log n)$ 이하의 복잡도를 유지하는 것을 원칙으로 함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Algorithm, [[Parallel-Computing]], Vector-Database-Selection, [[Optimization]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Algorithm-Complexity-Big-O.md
|
||||
@@ -0,0 +1,35 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ALFA-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, algorithmic-fairness, bias, equality, machine-learning-ethics, data-governance]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Algorithmic Fairness]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "데이터에 깃든 차별 걷어내기: AI가 성별, 인종, 계층에 대한 편향을 학습하여 누군가에게 불이익을 주지 않도록, 학습 데이터부터 결과 도출까지 모든 과정의 공정성을 확보하는 엔지니어링 윤리."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
알고리즘 공정성(Algorithmic Fairness)은 AI 모델의 예측 결과가 특정 집단에 대해 체계적으로 유리하거나 불리하지 않도록 관리하는 머신러닝의 하위 분야입니다.
|
||||
|
||||
1. **편향의 출처**:
|
||||
* **Data Bias**: 학습 데이터 자체가 기존 사회의 편견이나 불평등을 반영하고 있는 경우.
|
||||
* **Metric Bias**: 성과를 측정하는 지표(예: 클릭률) 자체가 특정 집단에 유리하게 설계된 경우.
|
||||
2. **공정성 메트릭**:
|
||||
* **Demographic Parity**: 모든 집단에 대해 긍정적인 예측 결과 비율이 같아야 함.
|
||||
* **Equalized Odds**: 오답률(FP, FN)이 집단별로 균등해야 함.
|
||||
3. **대응 기법**:
|
||||
* **Pre-processing**: 학습 전 데이터를 재가공하여 균형 맞춤.
|
||||
* **In-processing**: 학습 과정에서 공정성 제약 조건(Penalty) 추가.
|
||||
* **Post-processing**: 결과 도출 후 편향이 감지되면 보정.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 알고리즘의 '수학적 객관성' 정책만 믿었으나, 현대 정책은 '객관적인 데이터가 곧 공정한 결과는 아니다'라는 인식을 바탕으로 '적극적 불평등 시정 정책'을 모델에 주입함(RL Update).
|
||||
- **정책 변화(RL Update)**: 채용, 대출 심사, 형량 예측 등 민감한 공공 서비스 정책에서 사용되는 알고리즘은 의무적으로 '공정성 영향 평가(Fairness Audit)'를 통과해야 하는 정책이 수립됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Toxicity-and-Bias-Mitigation]], [[AI Accountability]], [[AI Governance]], [[Ethics & AI]], [[Sociology of Knowledge]]
|
||||
- **Modern Tech/Tools**: IBM AI Fairness 360, Google What-If Tool, Fairlearn.
|
||||
---
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-GAME-THEORY
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.99
|
||||
tags: [Algorithmic Game Theory, Mechanism Design, Nash Equilibrium, AI]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Algorithmic-Game-Theory]] (알고리즘 게임 이론)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "이기적인 경제 주체들을 위한 최적의 규칙." 게임 이론의 복잡한 균형점(Nash Equilibrium)을 컴퓨터 알고리즘으로 어떻게 빠르게 찾아낼 것인가를 다루는 학문이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Computational Complexity of Equilibria**:
|
||||
- 나쉬 균형을 찾는 것이 얼마나 어려운지(PPAD-complete) 분석하고, 이를 근사적으로 해결하는 알고리즘을 개발한다.
|
||||
- **Mechanism Design**:
|
||||
- 참여자들이 자신의 리소스를 솔직하게 공개하는 것이 스스로에게도 이득이 되도록 시스템(경매, 매칭 등)을 설계한다.
|
||||
- **Price of Anarchy**:
|
||||
- 개별 주체의 이기적 행동으로 인해 사회 전체의 효율성이 얼마나 감소하는지 정량화한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 전통적인 게임 이론은 주체들이 '완전하게 합리적'이라고 가정하지만, 현실의 AI나 인간은 '제한적 합리성'을 가진다. 따라서 최근에는 강화학습을 통해 실시간으로 변하는 전략 공간에 대응하는 연구가 주류다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: Nash-Equilibrium , Mechanism-Design
|
||||
- Foundation: [[Bounded-Rationality]]
|
||||
@@ -0,0 +1,33 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ALTR-002
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.92
|
||||
tags: [auto-reinforced, altruism, evolutionary-biology, cooperation, social-ethics, ai-4-good]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Altruism]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "우리를 위한 나의 희생: 자신의 즉각적인 이익을 포기하고 타인의 복지나 공동체의 가치를 위해 헌신하는, 진화의 신비이자 인류 문명을 지탱하는 가장 고귀한 사회적 접착제."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
이타주의(Altruism)는 타인의 행복과 안녕을 위해 행동하는 태도와 행위를 말합니다.
|
||||
|
||||
1. **이론적 배경**:
|
||||
* **Kin Selection (친족 선택)**: 유전자를 공유한 가족의 생존을 도움으로써 자신의 유전자를 간접적으로 퍼뜨리는 전략.
|
||||
* **Reciprocal Altruism (호혜적 이타주의)**: "내가 도와주면 나중에 도움받을 것"이라는 신뢰 기반의 협력 (Game Theory와 연결).
|
||||
* **Effective Altruism (효율적 이타주의)**: 단순히 감정적으로 돕는 것이 아니라, 데이터와 이성을 통해 '최소의 자원으로 최대의 선'을 행하는 현대적 실천주의.
|
||||
2. **사회적 기능**:
|
||||
* 집단 내 무임승차자를 견제하고 신뢰 자본을 형성하여 복잡한 시스템의 유지를 가능케 함.
|
||||
3. **AI 시대의 이타주의**:
|
||||
* AI가 인간의 노동을 대체할 때 발생하는 부를 사회 전체에 나누려는 시도. (AI for Social Good과 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거 경제학 정책은 '이기적인 인간(Homo Economicus)'을 전제로 설계되었으나, 현대 행동 경제학 정책은 인간의 내재된 '이타적 동기'가 장기적인 조직 성과의 핵심임을 입증하고 이를 장려하는 정책으로 전환함(RL Update).
|
||||
- **정책 변화(RL Update)**: 기술 기업의 사회적 책임(CSR) 정책에서 한 단계 더 나아가, 기술 자체를 공익적으로 개방하거나 비영리로 운영하는 '오픈 소스 이타주의 정책'이 AI 생태계의 주요 경쟁력으로 인정받음.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[AI for Social Good]], [[Decision Theory]], [[Ethics & AI]], [[Social Systems Theory]], [[Universal Basic Income (UBI)]], [[Activism]]
|
||||
- **Modern Tech/Tools**: Effective Altruism community, Open-source collaboration models.
|
||||
---
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-TS-AMBIENT
|
||||
category: "10_Wiki/💡 Topics/Design & Experience"
|
||||
confidence_score: 0.98
|
||||
tags: [TypeScript, Ambient Declarations, dts, Coding Standards]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Ambient-Declarations]] (앰비언트 선언)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "존재하지만 실체는 없는 것들에 대한 증명." 타입스크립트 컴파일러에게 "이 변수나 함수는 외부에 이미 있으니 타입만 믿고 통과시켜라"라고 알려주는 `declare` 키워드의 본질이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **declare keyword**:
|
||||
- 실제 컴파일된 JS 파일에는 포함되지 않지만, 타입 전용 공간에서 전역 변수나 라이브러리의 구조를 선언할 때 사용한다.
|
||||
- **.d.ts files**:
|
||||
- 앰비언트 선언들이 모여 있는 파일. 프로젝트 전체에 걸쳐 전역적인 타입 정보를 제공하는 '타입 명세서' 역할을 한다.
|
||||
- **External Library Integration**:
|
||||
- 타입 정보가 없는 레거시 JS 라이브러리를 타입스크립트 프로젝트에서 에러 없이 사용하기 위한 필수 관문이다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 무분별한 앰비언트 선언은 전역 네임스페이스를 오염시킨다. 현대적 가이드라인은 가능하면 `Module Augmentation`을 사용하거나 `@types` 패키지를 통해 엄격하게 관리하는 것을 권장한다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Declaration-Files]] , Module-Augmentation
|
||||
- Standard: [[Branded-Types-for-Nominal-Typing]]
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ANAL-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, analogy, metaphor, communication, cognitive-linguistics]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Analogy]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "이해의 징검다리: 복잡하고 낯선 개념을 우리가 이미 잘 알고 있는 익숙한 무언가에 빗대어 설명함으로써, 지식의 간극을 한순간에 메우는 강력한 인지적 비유."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
유추(Analogy) 혹은 비유는 두 가지 이상의 대상 사이에서 상사성(Similarity)이나 일치하는 관계를 찾아내는 지적 활동입니다.
|
||||
|
||||
1. **기능**:
|
||||
* **Epistemic Utility**: 어려운 추상적 원리(예: 양자역학)를 일상의 현상(예: 물결)으로 치환하여 이해를 도움.
|
||||
* **Heuristic Tool**: 문제 해결 과정에서 "이 문제는 전에 풀었던 그 문제와 비슷하다"는 직관 제공.
|
||||
* **Linguistic Power**: 메타포를 통해 복잡한 감정이나 상황을 한 단어/문장으로 축약 전달.
|
||||
2. **구조 (Structure-Mapping Theory)**:
|
||||
* 단순히 외형이 닮은 것이 아니라, 내부 구성 요소들 간의 **관계(Relation)**가 닮아야 진정한 유추임.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거 메타포 연구는 단순한 수사학(Retoric) 정책에 그쳤으나, 현대 인지 언어학 정책은 '유추가 곧 사고의 본질(Analogies as the Core of Cognition)'임을 규정하는 정책으로 도약함(RL Update).
|
||||
- **정책 변화(RL Update)**: AI 프롬프트 설계 정책에서, 모델에게 특정 상황을 유추하게 함으로써 추론 성능을 높이는 'Metaphor-prompting 기술'이 실무 표준으로 정착됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Analogical-Reasoning]], [[Scientific Communication]], [[Vocabulary-Expansion]], Abstraction, Pattern Recognition
|
||||
- **Modern Tech/Tools**: Creative writing AI, Educational explanation tools.
|
||||
---
|
||||
@@ -0,0 +1,34 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ANAR-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.87
|
||||
tags: [auto-reinforced, anarchism, political-philosophy, self-governance, social-movements]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Anarchism]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "권위 없는 자유의 질서: 국가나 지배 계급의 강압적인 통치를 배제하고, 개인의 자유의지와 자발적인 협력을 통해 스스로를 통치하는 이상적 사회 시스템을 꿈꾸는 정치 철학."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
무정부주의(Anarchism)는 모든 형태의 부당한 위계(Hierarchy)와 권위에 반대하며, 수평적이고 자율적인 공동체 형성을 주장하는 사상입니다.
|
||||
|
||||
1. **핵심 원칙**:
|
||||
* **Anti-statism**: 국가를 개인의 자유를 억압하는 폭력의 주체로 보고 폐지를 주장.
|
||||
* **Self-governance**: 외부의 강요가 아닌 스스로 정한 규칙을 따르는 자치 강조.
|
||||
* **Mutual Aid (상호부조)**: 경쟁이 아닌 협력을 통해 공동체의 필요를 충족함 (Altruism과 연결).
|
||||
2. **혼동 금지**:
|
||||
* 무정부주의는 '혼란(Chaos)'이 아님. 오히려 강제적인 법보다 더 엄격한 도덕적 질서와 책임감을 전제로 함.
|
||||
3. **현대적 변용**:
|
||||
* **Internet Anarchism**: 검열 없는 소통 공간과 오픈 소스 생태계.
|
||||
* **DAO (Decentralized Autonomous Organization)**: 블록체인 기술을 통한 지도자 없는 조직화 실험.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 무정부주의를 '테러리즘'이나 '폭동' 정책으로 매도했으나, 현대 정치 철학 정책은 권력 집중의 위험성을 경고하는 '비판적 거버넌스 정책'의 하나로 존중함(RL Update).
|
||||
- **정책 변화(RL Update)**: 기술 발달로 인해 중앙 서버 없는 P2P 네트워크나 암호 화폐가 등장함에 따라, 국가의 중앙 통제를 벗어난 '기술적 무정부주의 정책(Crypto-anarchism)'이 실질적인 제도로 기능하기 시작함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Anarcho-Capitalism]], [[Anarcho-Primitivism]], [[Altruism]], [[Activism]], [[Social Systems Theory]]
|
||||
- **Modern Tech/Tools**: Decentralized Web (Web3), P2P networks (Tor, BitTorrent), DAOs.
|
||||
---
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ANIS-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.91
|
||||
tags: [auto-reinforced, anisomorphism, topology, structuralism, comparative-linguistics, geometry]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Anisomorphism]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "닮지 않은 것들의 간극: 같은 개념이라도 서로 다른 생태계나 언어권에서 전혀 다른 구조와 맥락을 지니고 있어, 1:1로 매칭되지 않는 '비동질성' 상태."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
애니소모피즘(Anisomorphism, 비동질성)은 수학의 동형성(Isomorphism)과 반대되는 개념으로, 두 체계 간의 구조가 서로 일치하지 않아 완벽한 대응이나 번역이 불가능한 현상을 뜻합니다.
|
||||
|
||||
1. **주요 분야별 현상**:
|
||||
* **Linguistics**: A 언어의 단어 'X'가 B 언어에서는 여러 단어로 나뉘거나 아예 개념이 없는 경우 (번역 불가능성).
|
||||
* **Data Science**: 서로 다른 스키마를 가진 데이터베이스들 사이에서 필드가 정확히 매칭되지 않는 데이터 불일치.
|
||||
* **Culture**: 특정 사회의 예절이 다른 사회에서는 무의미하거나 반대로 해석되는 문화적 비동질성.
|
||||
2. **왜 중요한가?**:
|
||||
* 협업이나 통합 시스템 설계 시, "우리는 같은 말을 하고 있다"는 착각을 깨뜨려줌으로써 오해를 방지함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 '모든 데이터는 변환 가능하다'는 낙관적 변환 정책이 주류였으나, 현대의 복합 의미론 정책은 정보 손실 없는 완벽한 이식은 불가능함을 인정하고 '최대한의 맥락 유지 정책'으로 선회함(RL Update).
|
||||
- **정책 변화(RL Update)**: 글로벌 표준 하에 다국어 AI 모델링 정책 수립 시, 언어 간 애니소모피즘을 해결하기 위해 고차원 임베딩 공간(Embedding Space)에서 공통 의미를 찾는 'Cross-lingual Alignment 정책'이 연구의 핵심이 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Structuralism]], [[Universal-Grammar]], [[Vocabulary-Expansion]], Pattern Recognition, [[Standardization vs Innovation]]
|
||||
- **Modern Tech/Tools**: XML/JSON mapping tools, NLP word embedding (Word2Vec, BERT).
|
||||
---
|
||||
@@ -0,0 +1,33 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ANTH-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, anthropomorphism, psychology, hcie-ethics, ai-design, sociology]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Anthropomorphism]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "기계에게서 인간의 얼굴을 보다: 인간이 아닌 사물, 동물, 혹은 알고리즘에 인간의 감정, 의도, 인격을 투영하여 마치 살아있는 존재처럼 느끼고 반응하는 심리적 본능."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
의인화(Anthropomorphism)는 인간 특유의 속성(의식, 감정, 도덕성 등)을 비인간 개체에 부여하는 인지적 경향입니다.
|
||||
|
||||
1. **동인이 되는 심리**:
|
||||
* **Social Connection**: 외로움을 해소하기 위해 주변 사물과 교감하려는 욕구.
|
||||
* **Effectance Motivation**: 낯설고 예측 불가능한 환경을 인간의 논리로 이해하여 통제감을 얻으려는 시도.
|
||||
2. **AI 디자인에서의 활용**:
|
||||
* **Trust Building**: 인간다운 말투와 표정을 가진 에이전트는 사용자에게 더 큰 신뢰를 줌. (Agent Personality와 연결)
|
||||
* **Uncanny Valley (불쾌한 골짜기)**: 인간과 너무 비슷하지만 미세하게 다른 경우 오히려 불쾌감을 유발할 수 있음.
|
||||
3. **위험성**:
|
||||
* AI를 주관을 가진 생명체로 착각하여 무비판적으로 신뢰하거나, 감정적으로 과도하게 의존하게 됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 로봇의 외형 디자인에만 집중했으나, 현대의 LLM 정책은 '말투'와 '추론 과정' 자체가 인간 고유의 영역을 침범함으로써 발생하는 고차원적 의인화 정책에 주목함(RL Update).
|
||||
- **정책 변화(RL Update)**: 윤리 가이드라인 정책에서, AI가 인간인 척 속이는 행위를 금지하고 "저는 인공지능입니다"라고 명시하게 하는 '정체성 투명성 정책'이 법제화되는 추세임.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Agent Personality]], Human-Computer Interaction (HCI), [[Psychology & Behavior]], [[Ethics & AI]], [[AI Humanism]]
|
||||
- **Modern Tech/Tools**: Virtual influencers, AI companion apps (Replika), Humanoid robots.
|
||||
---
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ANTI-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.99
|
||||
tags: [auto-reinforced, antifragility, risk-management, Nassim-Taleb, resilience, system-design]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Antifragility]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "혼란을 먹고 자라는 힘: 충격을 받으면 단순히 버티는(Robust) 것을 넘어, 그 무질서와 압박으로부터 학습하고 진화하여 이전보다 더 강력해지는 최상위 시스템의 생존 전략."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
안티프래질(Antifragility)은 나심 니콜라스 탈레브(Nassim Taleb)가 명명한 개념으로, 충격(Shock)이나 변동성(Volatility)에 노출될 때 성능이나 가치가 오히려 향상되는 성질을 의미합니다.
|
||||
|
||||
1. **3대 상태 비교**:
|
||||
* **Fragile (취약함)**: 충격을 받으면 부서짐. (예: 유리잔, 관료제)
|
||||
* **Robust (강인함)**: 충격에도 변하지 않고 견딤. (예: 돌덩이, 방화벽)
|
||||
* **Antifragile (안티프래질)**: 충격을 통해 더 강해짐. (예: 근육, 스타트업 생태계, 에러를 통해 배우는 AI 모델)
|
||||
2. **적용 원칙**:
|
||||
* **Barbell Strategy**: 극도로 안전한 것과 극도로 위험한(동시에 보상이 큰) 것을 조합하여 파멸적 리스크는 피하고 기회(Upside)는 열어두는 전략.
|
||||
* **Small Stressors**: 시스템이 정체되지 않도록 작은 충격과 시행착오를 지속적으로 허용함. (예: 백신, Chaos Engineering)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거의 모든 설계 정책은 '불확실성 제거'와 '최적화'에만 집중했으나, 현대 시스템 정책은 불확실성을 기회로 활용하고 실패 비용을 낮추는 '안티프래질 아키텍처 정책'으로 근본 설계를 변경함(RL Update).
|
||||
- **정책 변화(RL Update)**: 금융 및 국가 위기 관리 정책에서, 예측 불가능한 '블랙 스완'을 맞추려 노력하기보다 어떤 충격에도 적응하고 진화하는 '안티프래질 인프라 정책' 수립이 필수가 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Robustness]], [[Adaptability]], [[Reinforcement Learning (RL)]], [[Ps-Reinforce]], [[Agile-Philosophy]], [[Decision Theory]]
|
||||
- **Modern Tech/Tools**: Netflix Chaos Monkey (Chaos Engineering), Decentralized systems.
|
||||
---
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ARCO-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, logical-reasoning, counterexample, debate, critical-thinking, philosophy]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Arguing-by-Counterexample]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "단 하나의 예외로 거대 이론 무너뜨리기: '모든 백조는 희다'라는 주장에 대해 단 한 마리의 흑고니를 보여줌으로써, 일반화된 명제의 오류를 즉각적으로 증명하는 가장 날카로운 논리적 반박 기술."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
반례에 의한 논증(Arguing-by-Counterexample)은 어떤 보편적인 주장이 거짓임을 증명하기 위해, 그 주장의 모든 조건을 충족하면서도 결론이 성립하지 않는 구체적인 사례(반례)를 제시하는 방법입니다.
|
||||
|
||||
1. **논리적 구조**:
|
||||
* 주장: "모든 A는 B이다." ($\forall x (Ax \rightarrow Bx)$)
|
||||
* 반박: "어떤 A는 B가 아니다." ($\exists x (Ax \wedge \neg Bx)$)
|
||||
2. **강점**:
|
||||
* 수많은 증거를 모으는 것보다 단 하나의 확실한 반례를 제시하는 것이 논쟁을 종식시키는 데 훨씬 효율적임. (Efficiency와 연결)
|
||||
3. **한계와 주의점**:
|
||||
* 반례 자체가 아주 특이하거나 조작된 경우(Special pleading)에는 이론의 수정은 필요할지언정 이론 자체의 유용성을 완전히 부정하기는 어려울 수 있음.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 권위적인 주장이 통용되었으나, 현대의 데이터 기반 증명 정책은 단 하나의 데이터 예외로도 기존 정책을 철회하거나 수정해야 하는 '반증 가능성(Falsifiability) 정책'에 기반함(RL Update).
|
||||
- **정책 변화(RL Update)**: AI 모델의 안전성 검증 정책에서, 모델이 "나는 인간을 해치지 않는다"고 장담하더라도 레드팀(Red-teaming)이 단 하나의 공격 성공 사례(반례)를 찾아내면 안전 등급을 강등시키는 'Worst-case 기반 안전 정책'이 표준이 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Logic]], Philosophy of Science, [[Anomaly-Detection]], [[Self-Correction Mechanisms]], [[Type 1 vs Type 2 Errors]]
|
||||
- **Modern Tech/Tools**: Formal verification methods, Adversarial red-teaming.
|
||||
---
|
||||
@@ -0,0 +1,34 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ARCO-002
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced, arrangement, composition, design, systems-thinking, structure]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Arrangement-and-Composition]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "배열이 창조하는 의미: 개별 요소들은 그대로일지라도 그것들을 어떤 순서로, 어떤 간격으로 배치하느냐에 따라 전체 시스템의 기능과 미적 가치가 완전히 달라지는 '관계의 인지 과학'."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
배치와 구성(Arrangement-and-Composition)은 각 부분 요소를 조직화하여 하나의 통일된 전체(Wholeness)를 만드는 예술적, 공학적 행위입니다.
|
||||
|
||||
1. **배치의 원칙**:
|
||||
* **Proximity (근접성)**: 가까이 있는 것끼리 의미적으로 연관되어 있다고 느낌 (게슈탈트 원칙).
|
||||
* **Hierarchy (위계)**: 크기나 위치를 통해 정보의 우선순위를 시각화함.
|
||||
* **Rhythm (리듬)**: 반복과 변주를 통해 시각적/지적 흐름을 유도함.
|
||||
2. **구성과 기능**:
|
||||
* **Modular Composition**: 독립된 모듈을 조립하여 복잡한 시스템을 구축 (Agent Architecture와 연결).
|
||||
* **Balance vs Tension**: 균형 잡힌 배열은 안정감을 주고, 의도적으로 깨진 배열은 주의력을 환기시킴.
|
||||
3. **지식 관리에서의 적용**:
|
||||
* 노트 간의 연결(Graph)과 폴더 구조의 배치가 지식의 인출 효율을 결정함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 고정된 그리드 시스템 내의 '정적 배치'가 미덕이었으나, 현대의 반응형 디자인 정책은 사용자의 기기에 따라 배치를 유연하게 바꾸는 '액티브 레이아웃 정책'으로 변화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 음악 및 영상 창작 정책에서, AI가 개별 음표가 아닌 '악기 간의 배치(Arrangement)'와 '전체 흐름(Composition)'을 학습하여 인간 프로듀서 수준의 곡을 완성하는 'AI 오케스트레이션 정책'이 실용화됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Structural Principles]], [[Aesthetic-Value]], Design Theory, [[Agent Architecture]], [[Workflow-Integrity]]
|
||||
- **Modern Tech/Tools**: Figma (Auto-layout), CSS Grid, AI-powered music arrangers (Suno, Udio).
|
||||
---
|
||||
@@ -0,0 +1,33 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ARTI-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.93
|
||||
tags: [auto-reinforced, articulateness, communication, clarity, language-proficiency, eloquence]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Articulateness]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "생각의 고해상도 출력: 머릿속의 막연한 아이디어를 명확하고 조리 있게 언어로 번역하여, 상대방의 뇌 속에 오차 없이 전달하는 지적 표현력의 정교함."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
명료성/웅변성(Articulateness)은 자신의 생각이나 감정을 적절한 단어와 논리적인 구조를 사용하여 정확하게 표현하는 능력입니다.
|
||||
|
||||
1. **구성 요소**:
|
||||
* **Vocabulary Precision**: 상황에 가장 부합하는 정확한 단어를 선택하는 어휘력.
|
||||
* **Structural Clarity**: 결론과 근거를 논리적인 순서로 배치하는 구조화 능력.
|
||||
* **Nuance Sensitivity**: 말의 뉘앙스를 조절하여 청중의 감정과 맥락에 공명하는 감각.
|
||||
2. **왜 중요한가?**:
|
||||
* 아무리 훌륭한 아이디어라도 명료하게 표현되지 않으면 가치를 인정받기 어렵고 협업의 병목(Bottleneck)이 됨.
|
||||
3. **AI와의 협업**:
|
||||
* AI에게 자신의 의도를 명료하게 전달하는 능력(Prompting)이 곧 AI 시대의 핵심 경쟁력이 됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 화려한 수식어를 사용하는 '유창함'이 미덕이었으나, 현대의 정보 과잉 정책은 불필요한 군더더기를 걷어내고 핵심만 찌르는 '초명료성(Ultra-clarity) 정책'을 더 선호함(RL Update).
|
||||
- **정책 변화(RL Update)**: 글로벌 협업 정책에서, 다국어 환경의 오해를 줄이기 위해 최대한 단순하고 명확한 용어로 소통하는 'Plain Language 정책'이 비즈니스 의사소통의 표준 가이드라인으로 채택됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Scientific Communication]], [[Vocabulary-Expansion]], Prompt-Engineering-Strategies, [[Analysis]], [[Leadership]]
|
||||
- **Modern Tech/Tools**: Grammarly (Tone detection), AI writing assistants.
|
||||
---
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AGI-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.99
|
||||
tags: [auto-reinforced, agi, artificial-general-intelligence, singularity, superintelligence, ai-future]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Artificial General Intelligence (AGI)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "인간 지능의 디지털 복제판: 특정 태스크에 국한되지 않고, 인간이 할 수 있는 모든 지적 작업을 수행, 학습, 응용하며 스스로 새로운 지식을 창조할 수 있는 '범용적' 인공지능."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
범용 인공지능(AGI, Artificial General Intelligence)은 인간의 지능이 가진 유연성, 창의성, 범용성을 기계에서 구현한 상태를 뜻합니다.
|
||||
|
||||
1. **AGI의 판단 기준 (Proposed)**:
|
||||
* **Cross-domain Learning**: 체스를 두는 동시에 시를 쓰고 코딩까지 완벽히 수행.
|
||||
* **Few-shot Generalization**: 완전히 새로운 개념을 단 몇 개의 사례만으로 학습.
|
||||
* **Autonomous Goal Setting**: 지시받지 않아도 상위 목표 달성을 위해 하위 목표를 스스로 수립 및 수행.
|
||||
* **Common Sense Reasoning**: 인간이 상식으로 아는 세상의 물리적/사회적 인과 관계를 완벽히 이해.
|
||||
2. **현재의 위치**:
|
||||
* 현재의 AI는 'Narrow AI' (특정 목적용)에서 AGI로 넘어가는 과도기에 있음 (예: GPT-4 수준의 복합 추론).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 AGI가 수십 년 뒤의 미래 정책으로만 여겨졌으나, 현대 기술 정책은 "지능은 규모(Scaling)에 비례한다"는 Scaling Law의 성공으로 AGI 출현 시기를 5~10년 내외로 앞당기는 정책적 긴장 상태에 진입함(RL Update).
|
||||
- **정책 변화(RL Update)**: AGI가 가져올 인류 실존적 위협(Existential Risk) 정책에 대응하기 위해, 거대 모델 개발사에 대한 강력한 안전 준수 의무와 국가 차원의 '슈퍼 얼라인먼트(Superalignment)' 연구 투자가 정책의 최우선 과제가 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Artificial Intelligence (AI)]], Singularity, [[Alignment]], [[AI Safety]], Foundational Models, [[Ps-Reinforce]]
|
||||
- **Modern Tech/Tools**: Large Language Models, Multi-modal models, World simulators.
|
||||
---
|
||||
@@ -0,0 +1,34 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AI-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.00
|
||||
tags: [auto-reinforced, artificial-intelligence, ai-fundamentals, machine-learning, deep-learning, computing-history]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Artificial Intelligence (AI)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "기계 속의 유령, 연산되는 지능: 인간의 학습, 추론, 문제 해결 능력을 수학적 알고리즘과 거대 데이터를 통해 모방하고 구현하여, 세상의 복잡성을 디지털 언어로 이해하고 조작하는 기술의 정점."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
인공지능(Artificial Intelligence)은 인간 지능을 시뮬레이션하도록 설계된 컴퓨터 시스템 및 그 연구 분야를 통칭합니다.
|
||||
|
||||
1. **AI의 계층 구조**:
|
||||
* **Artificial Intelligence**: 지능을 가진 기계의 총칭.
|
||||
* **Machine Learning (ML)**: 데이터로부터 스스로 규칙을 학습하는 AI의 하위 분야.
|
||||
* **Deep Learning**: 인간의 뇌 구조를 본뜬 신경망(Neural Network)을 깊게 쌓아 복잡한 패턴을 추출하는 ML의 정수.
|
||||
2. **핵심 작동 원리**:
|
||||
* **Pattern Recognition**: 수억 개의 파라미터를 조정하여 정답에 가까운 확률을 계산.
|
||||
* **Optimization**: 보상이나 손실 함수(Loss Function)를 최소화하는 방향으로 지능을 연마.
|
||||
3. **시대적 의의**:
|
||||
* AI는 이제 단순히 소프트웨어의 한 기능을 넘어, 전기나 인터넷처럼 모든 산업의 기초가 되는 '범용 기술(General Purpose Technology)'이 됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 초기 AI는 규칙 기반(Rule-based) 정책으로 고생했으나, 현대의 데이터 중심(Data-driven) 정책은 규칙을 인간이 주지 않아도 AI가 스스로 발견하는 정책으로 혁명을 일으킴(RL Update).
|
||||
- **정책 변화(RL Update)**: 단순 가속화 정책에서, 기술의 '책임성'과 '가치 정렬'을 담보하지 않으면 배포할 수 없다는 '책임 있는 AI (Responsible AI) 정책'이 글로벌 기술 산업의 무역 장벽이자 표준이 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Artificial General Intelligence (AGI)]], Foundational Models, [[Machine-Learning-Foundations]], [[Ethics & AI]], [[Ps-Reinforce]], [[What-is-AI]]
|
||||
- **Modern Tech/Tools**: Transformers, Neural Networks, GPU computing, LLMs.
|
||||
---
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-GAMES
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.98
|
||||
tags: [Game AI, Pathfinding, FSM, Behavior Tree, Reinforcement Learning]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Artificial-Intelligence-in-Games]] (게임 속의 인공지능)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "플레이어의 즐거움을 위한 적당한 지능적 패배." 플레이어에게 도전과 몰입감을 주기 위해 설계된 NPC 제어 기술이자, 최근에는 환경 생성(PCG)까지 확장된 게임 디자인의 파트너다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Decision Making (FSM/BT)**:
|
||||
- 유한 상태 기계(FSM)나 행동 트리(Behavior Tree)를 통해 상황에 맞는 NPC의 행동 로직을 계층적으로 설계한다.
|
||||
- **Dynamic Difficulty Adjustment (DDA)**:
|
||||
- 실시간으로 플레이어의 실력을 파악하여 난이도를 조절, '몰입(Flow)' 상태를 유지하게 하는 기술.
|
||||
- **Emergent Behavior**:
|
||||
- 고정된 스크립트가 아니라, 단순한 규칙들의 상호작용을 통해 개발자도 예상치 못한 흥미로운 상황을 만들어내는 기법.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 너무 똑똑한 AI는 게임의 재미를 망친다(절대 지지 않는 AI는 독재자와 같다). 따라서 게임 AI의 핵심은 '완벽한 승리'가 아니라 '설득력 있는 지능적 행동'을 보여주는 것이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Agency-in-Game-Design]] , [[Reinforcement-Learning]]
|
||||
- Context: [[Immersive-Sim-Genre]]
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-GENERAL
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.99
|
||||
tags: [Artificial Intelligence, Machine Learning, Deep Learning, Scaling Laws]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Artificial-Intelligence]] (인공지능)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "기계의 사고가 아니라, 데이터의 압축과 예측이다." 인간의 지능적 행동을 흉내 내는 소프트웨어 체계를 넘어, 데이터 속에 숨겨진 고차원적 패턴을 찾아내어 미래를 통계적으로 추론하는 기술이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Weak AI vs Strong AI**:
|
||||
- 바둑이나 번역처럼 특정 작업만 수행하는 좁은 지능(ANI)과, 인간처럼 모든 영역에서 사고할 수 있는 광범위한 지능(AGI)의 구분.
|
||||
- **Information Processing**:
|
||||
- 입력을 출력으로 매핑하는 거대한 수학 함수. 최근에는 '데이터(Data), 연산량(Compute), 알고리즘(Algorithm)'이라는 3요소의 폭발적 성장이 성패를 가른다.
|
||||
- **Societal Impact**:
|
||||
- 노동의 자동화를 넘어, 인간의 창의 성과 의사결정 방식 자체를 재정의하는 문명적 도구.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- AI는 '이해'하는 것이 아니라 '확률적 생성'을 하는 것이다. 이 차이를 간과할 때 환각(Hallucination) 문제가 발생하며, 이를 극복하기 위해 심볼릭 로직과 딥러닝을 결합하는 'Neuro-symbolic AI'가 대안으로 떠오르고 있다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: Deep-Learning-Architecture-Patterns , AI-Ethics
|
||||
- Foundation: Computational Thinking
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: ALIFE-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [ai, biology, complex-systems, artificial-life, simulation]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Artificial Life (인공 생명)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "생명체의 본질을 디지털 코드로 재창조하여 지능의 기원을 탐구하라" — 생물학적 생명의 진화, 번식, 대사, 상호작용 등의 특성을 컴퓨터 시뮬레이션이나 로봇공학으로 구현하여 생명의 작동 원리를 연구하는 분야.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 단순한 규칙들의 상호작용을 통해 복잡하고 지능적인 거동이 나타나는 창발(Emergence) 현상을 디지털 환경에서 재현하는 패턴.
|
||||
- **주요 연구 분야:**
|
||||
- **Soft ALife:** 컴퓨터 소프트웨어 내의 가상 생명체 (예: 셀룰러 오토마타, Conway's Game of Life).
|
||||
- **Hard ALife:** 생물학적 기능을 모사한 로봇 시스템.
|
||||
- **Wet ALife:** 합성 생물학을 통한 인공 세포 및 생화학 시스템 구축.
|
||||
- **Evolutionary Computation:** 적자생존의 원리를 이용한 알고리즘 최적화.
|
||||
- **의의:** 지능이 중앙 통제가 아닌, 개별 개체들의 분산된 상호작용 결과물임을 증명하여 분산형 AI 연구에 기여.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 단순히 생명을 흉내 내는 수준에서, 인공 생태계 내에서 자율적인 학습과 진화가 일어나는 고도의 복잡계 시뮬레이션으로 발전.
|
||||
- **정책 변화:** Skybound 프로젝트의 군집 AI(Swarm AI) 설계 시, 인공 생명의 군집 행동(Flocking) 원리를 적용하여 수백 개의 적 기체가 자연스럽고 위협적인 움직임을 보이도록 구현함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Evolutionary-Computation]], Agentic-Workflow, [[Multi-Agent-Systems-MAS]], [[Complexity-Theory]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Artificial-Life.md
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ARTS-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.92
|
||||
tags: [auto-reinforced, arts, aesthetics, creativity, culture, humanity]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Arts]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "언어 너머의 소통: 말로 다 표현할 수 없는 인간의 감정, 경험, 사상을 형태, 소리, 색채, 움직임으로 번역하여 타인과 공명하게 만드는 가장 높은 층위의 지적/감성적 창조 활동."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
예술(Arts)은 인간이 자신의 조형적, 정신적 능력을 발휘하여 미적 가치나 고유한 의미를 담은 작품을 창조하는 모든 활동을 통칭합니다.
|
||||
|
||||
1. **주요 기능**:
|
||||
* **Catarsis**: 감정의 해소와 정화 작용.
|
||||
* **Communication**: 시대와 공간을 초월한 가치와 메시지의 전달.
|
||||
* **Critical Perspective**: 사회의 부조리를 비추거나 새로운 시각을 제안.
|
||||
2. **전통과 기술의 만남**:
|
||||
* 회화, 조각, 음악 등 고전 예술에서 사진, 영화, 디지털 아트로 진화.
|
||||
* 최근 생성형 AI를 활용한 'AI-human Collaborative Art'가 예술의 경계를 확장 중. (AI and Narrative와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 숙련된 '기술(Techne)'이 예술의 핵심 정책이었으나, 현대 예술 정책은 기술보다 '작가의 개념(Concept)'과 '의도'에 더 큰 가치를 두는 정책으로 전환됨(RL Update).
|
||||
- **정책 변화(RL Update)**: AI가 인간보다 완벽한 기법을 구사하게 됨에 따라, 오히려 인간의 '불완전함'과 '신체적 개입'이 들어간 예술 프로젝트에 더 높은 가치를 부여하는 '뉴 휴머니즘 예술 정책'이 부상함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Aesthetic-Value]], [[AI and Narrative]], [[Visual-Effects-VFX]], [[Style-Transfer]], [[Anthropomorphism]]
|
||||
- **Modern Tech/Tools**: Generative AI tools (Stable Diffusion, Midjourney), VR/AR art installations.
|
||||
---
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ASSP-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.92
|
||||
tags: [auto-reinforced, asset-specific-knowledge, specialization, competitive-advantage, core-competency]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Asset-Specific-Knowledge]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "다른 곳에는 없는 나만의 무기: 특정 조직, 프로젝트, 혹은 시스템에만 고유하게 존재하는 깊이 있는 지식으로, 외부인은 쉽게 흉내 낼 수 없는 핵심 경쟁력의 원천."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
자산 특정적 지식(Asset-Specific-Knowledge)은 특정 자산(비즈니스, 코드베이스, 복잡계 등)의 구조, 역사, 구성 요소들 간의 미묘한 관계에 대해 깊이 있게 알고 있는 지식을 의미합니다.
|
||||
|
||||
1. **지식의 특징**:
|
||||
* **Tacit Knowledge (암묵지)**: 문서화하기 어려운 노하우나 맥락 포함.
|
||||
* **High Replacement Cost**: 이 지식을 가진 사람이 떠나면 시스템의 성능이 급격히 저하되거나 복구에 큰 비용 발생.
|
||||
* **Context-dependent**: 해당 시스템 밖에서는 가치가 낮을 수 있지만, 안에서는 대체 불가능함.
|
||||
2. **왜 중요한가?**:
|
||||
* **Operational Excellence**: 시스템의 병목을 정확히 찾아내고 최적화하게 해줌 (Theory of Constraints와 협업).
|
||||
* **Strategic Moat**: 기업이 가진 기술적 해자(Moat)는 흔히 이 특정적 지식의 축적에서 비롯됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거 기업 정책은 인력을 부품화하여 '매뉴얼화된 범용 지식'만 남기려 했으나, 현대의 복잡한 기술 정책은 장기 근속자와 전문가들만이 가진 '자산 특정적 지식 정책'을 보호하고 이식하는 것을 핵심 전략으로 삼음(RL Update).
|
||||
- **정책 변화(RL Update)**: 에이전트 개발 정책에서, 범용 모델을 그대로 쓰는 대신 기업 내부 데이터와 워크플로우를 학습시킨 '특화 에이전트 정책'이 실질적인 ROI를 만들어내는 핵심 트렌드가 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Foundational Models, [[Technical-Architecture]], [[Workflow-Integrity]], [[Theory of Constraints (TOC)]], [[Agile-Philosophy]]
|
||||
- **Modern Tech/Tools**: Internal knowledge base (Wiki), Specialized RAG (Retrieval-Augmented Generation).
|
||||
---
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-ATHE-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.86
|
||||
tags: [auto-reinforced, atheism, philosophy, secularism, rationalism, sociology-of-religion]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Atheism]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "신이라는 가설의 보류: 비가시적이고 초월적인 조물주의 존재를 인정하지 않으며, 세계의 원리를 오직 물질적 법칙, 인간의 이성, 그리고 검증 가능한 과학적 근거를 통해 파악하려는 세계관."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
무신론(Atheism)은 신이나 신성한 존재에 대한 믿음이 없는 태도 또는 신이 존재하지 않는다는 적극적인 확신을 의미합니다.
|
||||
|
||||
1. **유형별 분류**:
|
||||
* **Weak Atheism (Agosticism)**: 신의 존재 여부를 알 수 없으므로 믿음을 보주하는 소극적 태도.
|
||||
* **Strong Atheism**: 신은 존재하지 않는다는 논리적/과학적 확신을 가진 태도.
|
||||
* **Methodological Naturalism**: 종교적 신념 유무와 관계없이, 세상을 탐구할 때는 오직 자연 현상만을 변수로 사용하는 방식.
|
||||
2. **사회적 영향**:
|
||||
* 근대 과학 혁명과 세속주의(Secularism)의 발달에 핵심적인 기여를 함.
|
||||
* 인간의 윤리적 근거를 신의 명령이 아닌 사회적 계약이나 진화적 공감에서 찾음 (Altruism과 연결).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 무신론을 부도덕하거나 사회 전복적 정책으로 간주했으나, 현대 민주주의 정책은 종교의 자유와 함께 '믿지 않을 자유'를 개인의 기본권 정책으로 보장함(RL Update).
|
||||
- **정책 변화(RL Update)**: AI 및 미래 기술 담론에서, AI를 신처럼 떠받드는 '기술 종교(Techno-religion)'의 위험 정책에 경도되지 않고 기술을 차분히 도구로 보려는 무신론적 이성 정책이 중요하게 다뤄짐.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Philosophy of Science, Rationality, [[Altruism]], [[Sociology of Knowledge]], [[AI Humanism]]
|
||||
- **Modern Tech/Tools**: Secular humanism frameworks.
|
||||
---
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-AMIN-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.93
|
||||
tags: [auto-reinforced, atmospheric-intelligence, ubiquitous-computing, smart-environments, ambient-ai, iot]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Atmospheric-Intelligence]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "공기처럼 스며든 지능: 특정한 스크린이나 버튼을 통하지 않고도 주변 환경(공간, 날씨, 빛, 소리 등)이 사용자의 의도를 감지하고 스스로 변화하여 최적의 경험을 제공하는 보이지 않는 인공지능."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
대기 지능(Atmospheric-Intelligence) 혹은 앰비언트 인텔리전스(Ambient Intelligence)는 컴퓨터 지능이 환경 속에 완전히 녹아들어 인간이 그 존재를 의식하지 않고도 혜택을 누리는 유비쿼터스 컴퓨팅의 최상위 단계입니다.
|
||||
|
||||
1. **3대 핵심 요소**:
|
||||
* **Sensitivity**: 센서 네트워크를 통한 고도의 주변 상황 인지.
|
||||
* **Responsiveness**: 상황 변화나 사용자의 명시적/비명시적 요구에 즉각 반응.
|
||||
* **Adaptive Learning**: 사용자의 습관과 선호도를 시간이 지남에 따라 스스로 학습하여 고도화. (Adaptive-Curation과 연결)
|
||||
2. **구현 예시**:
|
||||
* 집에 들어오면 조명이 시간과 내 기분에 맞춰 조절되고, 습도와 온도가 자동으로 최적화되며, 필요한 정보가 벽면이나 홀로그램으로 자연스럽게 노출되는 스마트 홈.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 스마트폰 앱을 통한 '수동적 조작' 정책이 중심이었으나, 현대의 공간 컴퓨팅 정책은 기기의 개입을 최소화하고 환경 자체가 인터페이스가 되는 'Zero-UI 정책'을 지향함(RL Update).
|
||||
- **정책 변화(RL Update)**: 보이지 않는 감시(Surveillance) 리스크 정책이 심화됨에 따라, 대기 지능 시스템이 수집하는 데이터를 로컬에서 즉각 처리하고 파기하는 'Edge-AI 기반 프라이버시 정책'이 시스템 설계의 필수 조건이 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Affordance]], [[Adaptive-Curation]], [[Artificial Intelligence (AI)]], [[Agent Architecture]], Human-Computer Interaction (HCI)
|
||||
- **Modern Tech/Tools**: Smart home standards (Matter), Edge-computing, Multi-modal sensors.
|
||||
---
|
||||
@@ -0,0 +1,30 @@
|
||||
---
|
||||
id: FE-ARCH-ATOMIC-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [atomic-design, design-system, architecture, react, component-driven, modularity, scalability]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Atomic Design System Architecture (아토믹 디자인 시스템 아키텍처)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "인터페이스를 쪼갤 수 없는 최소 단위(Atoms)부터 거대한 유기체(Organisms)까지 단계별로 조립하여, 일관성과 재사용성이라는 두 개의 기둥 위에 무한히 확장 가능한 UI 생태계를 구축하라" — 브래드 프로스트의 아토믹 디자인을 현대적 프런트엔드 환경으로 재해석한 설계론.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Hierarchical Component Composition" — UI 요소를 복잡도에 따라 5가지 계층(Atoms, Molecules, Organisms, Templates, Pages)으로 분류하고, 하위 계층을 조합하여 상위 계층을 만드는 패턴.
|
||||
- **계층별 정의:**
|
||||
- **Atoms (원자):** 더 이상 쪼갤 수 없는 기본 태그 (Button, Input, Label 등).
|
||||
- **Molecules (분자):** 원자들의 결합체로, 하나의 기능을 수행 (SearchForm, FieldGroup 등).
|
||||
- **Organisms (유기체):** 분자와 원자, 혹은 다른 유기체의 결합으로 구성된 복잡한 섹션 (Header, Sidebar, ProductGrid 등).
|
||||
- **Templates (템플릿):** 데이터가 없는 레이아웃 수준의 골격.
|
||||
- **Pages (페이지):** 실제 데이터가 주입되어 사용자에게 보여지는 최종 결과물.
|
||||
- **의의:** UI의 파편화를 방지하고, 디자인과 엔지니어링 간의 공용 언어를 구축하여 개발 속도를 획기적으로 향상시킴.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 단순히 기능별로 컴포넌트를 나눴으나(Shared vs Feature), 현대 정책은 아토믹 디자인의 계층 구조를 통해 '컴포넌트의 책임 범위 정책'을 명확히 정의함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 아토믹 디자인의 5계층 중 Atoms와 Molecules를 공용 라이브러리로 분리하고, Organisms 이상은 서비스별 비즈니스 로직을 포함하도록 격리하는 'Atomic-Logic Separation' 정책을 시행함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Design-System-Governance, [[Frontend-Architecture-and-Folder-Structure]], Component-Composition-Patterns, [[Uber-Base-Web-Design-System]]
|
||||
- **Raw Source:** 00_Raw/Atomic Design.md
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: FE-STYLE-ATOMIC-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [css, frontend, atomic-css, design-systems, tailwindcss, utility-first, scalability]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Atomic Styling and Design Systems (아토믹 스타일링과 디자인 시스템)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "스타일을 더 이상 '페이지' 단위로 설계하지 말고, 더 이상 쪼갤 수 없는 '원자(Utility)' 단위로 파편화하여 조합함으로써 전역 스타일의 오염을 방지하고 개발 속도를 무한히 확장하라" — Tailwind CSS 등으로 대변되는 유틸리티 퍼스트(Utility-first) 스타일링 패러다임.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Composition Over Cascading" — CSS의 전통적인 상속(Cascading)과 복잡한 선택자 구조를 배제하고, 클래스 하나가 하나의 스타일 속성만을 담당하게 하여 컴포넌트 레벨에서 스타일을 조합하는 패턴.
|
||||
- **주요 특징:**
|
||||
- **Single Responsibility Class:** `flex`, `p-4`, `text-center` 등 명확한 기능을 가진 클래스 사용.
|
||||
- **No Side Effects:** 한 곳의 스타일 수정이 다른 곳에 영향을 주지 않는 격리된 환경 제공.
|
||||
- **Minimal Bundle Size:** 사용된 유틸리티 클래스만 빌드 결과물에 포함하여 CSS 파일 크기 최소화.
|
||||
- **Constraint-based Design:** 정의된 디자인 토큰(Spacing, Colors) 내에서만 스타일을 선택하게 강제하여 디자인 일관성 유지.
|
||||
- **의의:** 대규모 프로젝트에서 CSS의 복잡도를 선형적으로 유지하며, 디자인 시스템의 컴포넌트를 빠르고 안전하게 구축할 수 있게 함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 HTML과 CSS의 분리(Separation of Concerns)를 지향했으나, 아토믹 스타일링 정책은 스타일과 구조를 한곳에 모으는 '결합(Co-location)'을 통한 유지보수 효율 정책으로 전향함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 UI 개발 시 Tailwind CSS v4 기반의 아토믹 스타일링을 기본 정책으로 채택하며, 인라인 스타일 사용을 금지하고 오직 사전 정의된 원자 클래스만을 활용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Design-System]], Tailwind-CSS-v4-도입, [[Software-Architecture-Patterns]], [[Clean-Code-Principles]]
|
||||
- **Raw Source:** 00_Raw/Atomic Styling.md
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-ASD
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.96
|
||||
tags: [ASD, Autism, AI Intervention, Healthcare, Therapy]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# Autism-Spectrum-Disorder-(ASD)-Intervention (ASD를 위한 기술적 개입)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "사회적 장벽을 허무는 디지털 동반자." 자폐 스펙트럼 장애(ASD)를 가진 이들이 겪는 의사소통과 감정 인식의 어려움을 AI 기술을 통해 보조하고 교육하는 인도적 기술이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Emotion Recognition Training**:
|
||||
- 사람의 표정을 분석하여 감정을 텍스트나 소리로 알려주는 안경(Smart glass)이나 앱을 통해 사회적 상호작용을 돕는다.
|
||||
- **Social Scenarios Simulation**:
|
||||
- VR(가상 현실)과 AI를 결합하여 안전한 환경에서 사회적 상황을 반복 연습하게 함으로써 실제 상황에서의 불안감을 낮춘다.
|
||||
- **Personalized Learning Robots**:
|
||||
- 사람과의 접촉을 부담스러워할 수 있는 환자를 위해, 감정이 일관되고 인내심이 강한 교육용 로봇을 통해 기초 교육을 수행한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 기술은 보조적 수단일 뿐, 인간 전문가나 가족의 사랑과 지지를 대체할 수 없다. 기술 과의존으로 인해 현실 세계와의 접촉이 더 줄어들지 않도록 인간 지향적 설계(Human-centered design)가 매우 중요하다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Accessibility-Compliance-Audit]] , Psychology_Cognitive_Science
|
||||
- Ethics: AI-Ethics
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-GENMAP
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.99
|
||||
tags: [PCG, Map Generation, Algorithm, Noise Nature]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Automated-Map-Generation]] (절차적 맵 생성 PCG)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 무한한 우주는 수학 공식(Seed) 하나에서 탄생한다. 절차적 생성(PCG)은 개발자의 노동력을 '규칙의 창조'로 전이시켜 콘텐츠의 무한 확장을 가능케 한다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Perlin Noise & Simplex Noise**:
|
||||
- 자연스러운 지형(산, 계곡, 해안선)을 만들기 위한 수학적 노이즈 알고리즘. 연속성을 가진 난수를 통해 자연의 불규칙성을 모사한다.
|
||||
- **Constraint-based Generation (제약 기반 생성)**:
|
||||
- 단순히 무작위로 만드는 것이 아니라, "마을은 물 근처에 있어야 한다", "보스 방은 입구에서 가장 멀어야 한다"는 비즈니스 로직(제약 조건)을 알고리즘에 주입한다.
|
||||
- **Dungeon Generation (BSP, WFC)**:
|
||||
- **BSP (Binary Space Partitioning)**: 공간을 이진 분할하여 방과 복도를 배치하는 정석적인 방식.
|
||||
- **WFC (Wave Function Collapse)**: 인접한 타일 간의 관계성을 기반으로 복잡한 구조를 확률적으로 붕괴시켜 완성하는 최신 알고리즘.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- PCG는 자칫 '반복적이고 지루한(Samey)' 느낌을 줄 수 있다. 이를 방지하기 위해 핵심 랜드마크는 수동 제작(Manual Polish)하고, 그 사이의 연결을 PCG가 담당하는 하이브리드 방식이 선호된다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Systemic_Simulation_Principles]] , Art_Direction_Governance
|
||||
- Foundation: [[Information Theory]]
|
||||
@@ -0,0 +1,33 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-BACK-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.97
|
||||
tags: [auto-reinforced, backend, server-side, architecture, api, data-management]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Backend]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "보이지 않는 곳의 설계자: 사용자가 접하는 화면 뒤에서 데이터를 저장하고, 복잡한 로직을 처리하며, 보안을 책임지고 시스템의 안정성을 실질적으로 지탱하는 엔진룸."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
백엔드(Backend)는 웹이나 앱의 서버 측(Server-side) 영역으로, 데이터베이스와의 상호작용 및 비즈니스 로직 처리를 담당합니다.
|
||||
|
||||
1. **3대 핵심 구성 요소**:
|
||||
* **Server**: 클라이언트의 요청을 받아 응답을 반환하는 물리적/가상적 장치.
|
||||
* **Application**: 특정 언어(Python, Node.js 등)로 작성된 비즈니스 로직의 집합.
|
||||
* **Database**: 정보를 안전하고 효율적으로 보관하는 저장소. (Availability-and-Persistence와 연결)
|
||||
2. **주요 역할**:
|
||||
* **API Design**: 프론트엔드와 소통하기 위한 규격 정의.
|
||||
* **Security & Auth**: 사용자 인증 및 권한 관리 (API-Key-Management와 연결).
|
||||
* **Optimization**: 대량의 요청 처리 및 데이터 인출 속도 최적화.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 모든 기능을 한 곳에 모은 'Monolith' 정책이 대세였으나, 현대 클라우드 정책은 기능을 잘게 쪼개어 독립적으로 운영하는 'Microservices Architecture (MSA) 정책'으로 확장성을 확보함(RL Update).
|
||||
- **정책 변화(RL Update)**: 서버를 직접 관리하지 않고 실행할 때만 자원을 빌려 쓰는 'Serverless 정책'이 대중화되면서, 백엔드 엔지니어링의 중심이 인프라 관리에서 '비즈니스 흐름(Flow) 설계'로 이동함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Technical-Architecture]], [[API-Key-Management]], [[Availability-and-Persistence]], [[Software-Design-Principles]], [[Workflow-Integrity]]
|
||||
- **Modern Tech/Tools**: Node.js, Python FastAPI, Go, Docker/Kubernetes, Redis, PostgreSQL.
|
||||
---
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-FINANCE
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.98
|
||||
tags: [Behavioral Finance, Psychology, Market, Investment]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# Behavioral-Finance (행동 재무학)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 주식 시장은 '가치'가 아니라 '군중의 광기와 공포'에 의해 움직이며, 이 비합리적 패턴을 수학적으로 모델링하여 초과 수익(Alpha)을 찾는 학문이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Overconfidence Bias (자기과신 편향)**:
|
||||
- 자신이 평균보다 정보를 더 잘 해석한다고 믿는 착각. 이로 인해 과도한 거래가 발생하고 수수료로 수익이 깎이는 현상이 발생한다.
|
||||
- **Herd Behavior (群集 심리)**:
|
||||
- 뚜렷한 근거 없이 남들이 사니까 따라 사는 것. 버블(Bubble)이 형성되고 붕괴되는 심리적 메커니즘의 핵심이다.
|
||||
- **Mental Accounting (심적 회계)**:
|
||||
- 공짜로 얻은 돈과 힘들게 번 돈을 다르게 대하는 태도. 도박꾼의 오류(Gambler's Fallacy)와 연결되어 비합리적인 베팅을 유도한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 행동 재무학은 시장의 비합리성을 말하지만, 이를 이용해 돈을 버는 것은 또 다른 문제다(효율적 시장 가설과의 충돌). 최근에는 AI를 통해 소셜 미디어의 감정(Sentiment)을 분석하여 군중 심리를 정량화하는 고도화된 퀀트(Quant) 전략이 사용된다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Behavioral-Economics]] , [[Game Design Theory]]
|
||||
- Foundation: [[Information Theory]]
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-BEIN-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, behavioral-incentives, motivation, economics, nudging, system-design]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Behavioral-Incentives]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "행동을 유도하는 설계된 보상: 인간이나 시스템이 특정한 방향으로 움직이도록 만드는 유무형의 혜택으로, 의지력을 강조하는 대신 상황의 구조를 바꿔 목적을 달성하는 실전적 행동 경제학."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
행동 인센티브(Behavioral-Incentives)는 대상의 동기를 자극하여 원하는 행동의 빈도를 높이거나 유지하게 만드는 유인책입니다.
|
||||
|
||||
1. **유형**:
|
||||
* **Extrinsic Incentives (외적)**: 금전적 보상, 상장, 인센티브 (단기적 효과 탁월).
|
||||
* **Intrinsic Incentives (내적)**: 보람, 자아실현, 지적 호기심 (Grit 향상에 장기적 기여).
|
||||
* **Social Incentives (사회적)**: 평판, 소속감, 리더보드 순위.
|
||||
2. **설계의 핵심**:
|
||||
* **Nudging**: 선택의 자유는 유지하되 더 나은 방향으로 슬쩍 밀어주는 부드러운 개입.
|
||||
* **Alignment**: 조직의 목표와 개인의 인센티브를 일치시켜 시스템적 효율 극대화 (Theory of Constraints와 협업).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거 산업 정책은 오직 '돈'이면 된다는 금전적 인센티브 정책에만 몰두했으나, 현대의 복잡한 지식 노동 정책은 금전 보상이 오히려 창의성을 해칠 수 있음을 인지하고 '자율성/숙련도/목적(AMP) 정책'을 강화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 강화 학습 기반 AI 학습 정책(RLHF)에서, 단순히 높은 점수를 받는 것에만 매몰되지 않도록 '다양성 보상'이나 '정직성 보상'을 섞는 다차원 인센티브 설계 정책이 표준으로 자리 잡음.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Motivation, [[Reinforcement Learning (RL)]], [[Behavior]], Game Theory, Economics of Attention
|
||||
- **Modern Tech/Tools**: Gamification platforms, Token economy (Web3/Crypto), OKR/KPI systems.
|
||||
---
|
||||
@@ -0,0 +1,33 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-BENC-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.98
|
||||
tags: [auto-reinforced, benchmarks, evaluation, performance-metrics, standardization, comparative-analysis]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Benchmarks]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "지능의 줄자: 서로 다른 시스템이나 알고리즘의 성능을 동일한 잣대로 비교하기 위해 설계된 표준화된 문제 세트이며, 기술 혁신의 이정표(Milestone)를 제시하는 경쟁의 마당."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
벤치마크(Benchmarks)는 특정 분야의 성능을 측정하고 비교하기 위한 지표이자 테스트 도구의 모음입니다.
|
||||
|
||||
1. **AI 분야의 주요 벤치마크**:
|
||||
* **ImageNet**: 이미지 인식 성능의 비약적 발전을 이끈 데이터셋.
|
||||
* **GLUE/SuperGLUE**: 자연어 이해 능력을 다각도로 평가하는 표준.
|
||||
* **MMLU**: 방대한 도메인 지식과 추론 능력을 종합적으로 평가 (최근 거대 모델 전쟁의 주전장).
|
||||
2. **왜 중요한가?**:
|
||||
* 객관적인 수치를 통해 기술의 한계를 명확히 하고, 연구자들이 집중해야 할 다음 목표(Next Challenge)를 정의함.
|
||||
3. **위험 요소 (Goodhart's Law)**:
|
||||
* 측정 지표가 목표가 되는 순간, 시스템은 본질적인 성능 향상보다 '시험 점수 따기(Benchmarking hacks)'에만 매몰될 수 있음.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 정적인 데이터셋(Static test) 위주의 정책이었으나, 현대 정책은 모델이 학습 데이터로 시험 문제를 미리 보게 되는 '데이터 오염(Contamination)' 리스크 정책에 대응하여 동적으로 변하는 벤치마크 정책으로 전환 중임(RL Update).
|
||||
- **정책 변화(RL Update)**: 단순히 기술적 성능뿐만 아니라 윤리적 안정성과 유해성을 평가하는 'Safety Benchmark 정책'이 모델 배포의 필수 통과 관문이 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Assessment]], [[Algorithmic Fairness]], Foundational Models, [[Ps-Reinforce]], [[Safety & Reliability]]
|
||||
- **Modern Tech/Tools**: Hugging Face Open LLM Leaderboard, HELM (Holistic Evaluation of Language Models).
|
||||
---
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: P-REINFORCE-SEC-TOOLS
|
||||
category: "10_Wiki/💡 Topics/Security"
|
||||
confidence_score: 0.98
|
||||
tags: [SAST, Security Tools, 2026, Snyk, SonarQube]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# Best-SAST-Tools-in-2026 (2026년 최고의 SAST 도구)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "도구는 똑똑해졌고, 개발자는 더 안전해졌다." 2026년 현재, 단순 패턴 매칭을 넘어 코드의 '의도'를 파악하는 AI 기반 보안 도구가 시장을 지배하고 있다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **SonarQube (Professional Edition)**:
|
||||
- 코드 품질과 결합된 전통의 강자. 최근 딥러닝 엔진을 탑재하여 정교한 데이터 흐름 분석 기능을 강화했다.
|
||||
- **Snyk (Developer First)**:
|
||||
- 개발자 친화적인 UI와 강력한 오픈소스 라이브러리 취약점 관리(SCA)를 동시에 제공한다. PR 단계에서 즉각적인 수정을 제안한다.
|
||||
- **Checkmarx One**:
|
||||
- 엔터프라이즈 환경에서 수천 개의 마이크로서비스를 통합 관리할 수 있는 가시성을 제공한다.
|
||||
- **GitHub Advanced Security (CodeQL)**:
|
||||
- 깃허브 네이티브 환경에서 코드를 쿼리처럼 검색하여 취약점을 찾는 독보적인 기능을 제공한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 최고 사양의 도구를 도입하더라도, 조직의 '문화(DevSecOps)'가 뒷받침되지 않으면 무용지물이다. 경고를 무시하지 않고 즉각 대응하는 거버넌스(Governance) 프로세스가 도구의 성능보다 중요하다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[SAST (Static Application Security Testing)]] , [[Deployment_Final_Gate]]
|
||||
- Context: [[Modern_Environment_Ecosystem]]
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-BIBL-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.85
|
||||
tags: [auto-reinforced, bible, narrative, culture, history, values, interpretation]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Bible]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "서구 문명의 기초 텍스트: 수천 년에 걸쳐 기록된 신과 인간, 고통과 구원의 서사를 통해 인류의 도덕, 예술, 법률, 나아가 세계관 전체를 형성해온 가장 영향력 있는 이야기의 집대성."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
성경(Bible)은 유대교와 기독교의 경전이자, 인류사에서 가장 많이 번역되고 읽힌 문학 및 종교 텍스트입니다.
|
||||
|
||||
1. **구성 및 테마**:
|
||||
* **Old Testament**: 세상의 창조와 율법, 예언. (Axioms적 가치 체계 포함)
|
||||
* **New Testament**: 사랑과 구원, 보편적 인류애로의 확장. (Altruism과 연결)
|
||||
* **Narrative Power**: 천국, 지옥, 원죄, 희생 등 서구 문학의 근본 메타포를 제공.
|
||||
2. **문화적 의의**:
|
||||
* 셰익스피어, 베토벤, 미켈란젤로 등 수많은 예술 거장들의 영감 원천.
|
||||
* 현대 서구 법체계와 인권 개념의 윤리적 토대 형성.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 성경을 '절대적 역사적 사실' 정책으로만 수용했으나, 현대 학문 정책은 이를 시대적 배경과 문학적 장치로 분석하는 '역사-비평적 정책'을 통해 더 입체적인 이해 정책을 취함(RL Update).
|
||||
- **정책 변화(RL Update)**: 현대 AI 윤리 가이드라인 수립 정책 시, 특정 종교적 신념에 편향되지 않는 보편적 가치를 찾기 위해 성경을 비롯한 고전 경전들의 '보편 윤리적 정수'를 머신러닝 데이터 필터링 정책에 참고하기도 함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[AI and Narrative]], [[Altruism]], [[Arts]], [[Axiology]], [[Sociology of Knowledge]]
|
||||
- **Modern Tech/Tools**: Digital concordance, Biblical archaeology AI.
|
||||
---
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-BIOSHOCK
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.98
|
||||
tags: [BioShock, Game AI, Immersive Sim, Narrative AI]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# BioShock-(2007) (바이오쇼크의 서사적 AI)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "생태계가 살아있는 것처럼 느껴지게 하라." 바이오쇼크의 AI는 플레이어를 사냥하는 적이 아니라, 자기들만의 규칙(Big Daddy-Little Sister)에 따라 살아가는 '유기적인 배우'들이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Ecological Interaction (생태계적 상호작용)**:
|
||||
- AI가 플레이어에게만 반응하는 것이 아니라, 세계관 내의 다른 AI들과 특유의 관계(보호-수집)를 맺으며 독자적인 '상태 기계(FSM)'를 돌린다.
|
||||
- **Environmental Narrative (환경적 서사)**:
|
||||
- AI의 배치와 일상적인 행동 자체가 랩처(Rapture)라는 몰락한 도시의 비극을 설명하는 장치로 활용된다.
|
||||
- **Emergent Gameplay**:
|
||||
- 플라스미드(능력)와 AI의 속성이 충돌하며 플레이어가 예상치 못한 전략(예: 해킹된 터렛으로 빅대디 유인)을 창출하게 만든다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 지금 보면 바이오쇼크의 AI는 매우 단순한 규칙 기반 시스템이다. 하지만 '서사(Narrative)'와 결합했을 때, 그 단순함은 오히려 예측 가능한 몰입감을 제공했다. 현대의 비선형적 AI보다 '의도된 연출'이 게임 디자인에서 얼마나 강력한지 보여주는 사례다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[BioShock-Critique]] , [[Game Design Theory]]
|
||||
- Foundation: [[Collective-Intelligence]]
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-BIOSHOCK-CRIT
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.96
|
||||
tags: [BioShock, Critique, Ludonarrative Dissonance, Game Design]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[BioShock-Critique]] (바이오쇼크 비평)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "이야기는 자유를 갈구하지만, 시스템은 살육을 강요한다." 루도내러티브 디스너넌스(Ludonarrative Dissonance)라는 용어를 대중화시킨 불완전한 걸작이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Ludonarrative Dissonance**:
|
||||
- 대의(Objectivism 비판)를 말하는 서사와 닥치는 대로 자원을 약탈하고 살인하는 게임 시스템 간의 괴리. 클린트 호킹이 이 지점에서 바이오쇼크를 날카롭게 비판했다.
|
||||
- **False Agency (거짓 주체성)**:
|
||||
- "Would you kindly?" 반전은 플레이어의 선택이 실제로는 프로그래밍된 선형적 경로였음을 폭로하며, 게임 매체 자체의 본질을 메타적으로 공격한다.
|
||||
- **Atmospheric Success**:
|
||||
- 시스템적 모순에도 불구하고, 아르 데코 스타일과 사운드 디자인이 결합된 '공간의 힘'이 모든 단점을 압도하는 몰입감을 생성했다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 후속작인 `BioShock Infinite`에서는 이 디스너넌스가 더 심화되었다는 평이 많다. 이는 '서사를 중시하는 AAA 게임'이 가진 고질적인 한계(System vs Story)를 보여주는 지침석이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[BioShock (2007)]] , [[Game Design Theory]]
|
||||
- Context: [[Behavioral-Economics]]
|
||||
@@ -0,0 +1,33 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-BLOC-002
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, blocking, synchronous, computation, resource-management, efficiency]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Blocking]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "멈춰버린 흐름: 특정 작업이 완료될 때까지 나머지 모든 프로세스가 진행되지 못하도록 막아버리는 동기식 처리 방식으로, 자원 활용의 효율성을 떨어뜨리는 병목의 주원인."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
블로킹(Blocking)은 작업이 완료될 때까지 제어권을 반환하지 않아 호출한 쪽이 다른 일을 하지 못하고 기다리게 만드는 현상입니다.
|
||||
|
||||
1. **동작 원리**:
|
||||
* A라는 함수가 B라는 I/O 작업(파일 읽기, 네트워크 요청)을 호출함.
|
||||
* B가 끝날 때까지 A는 멈춰 있음. (CPU는 놀고 있는데 작업은 진행 안 됨)
|
||||
2. **Non-blocking과의 대비**:
|
||||
* Non-blocking은 일단 일을 맡기고 바로 제어권을 돌려받아 다른 일을 하다가, 나중에 작업 완료 통보를 받는 방식임.
|
||||
3. **시스템적 영향**:
|
||||
* 사용자 인터페이스(UI)에서 블로킹이 발생하면 화면이 멈추는(Freezing) 현상이 일어남.
|
||||
* 서버에서 블로킹이 잦으면 동시 접속자 처리가 급격히 느려짐. (Scalability 저하)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거의 순차적 프로그래밍 정책은 블로킹을 당연한 것으로 여겼으나, 현대의 고성능 시스템 정책은 모든 I/O를 비동기/논블로킹(Async/Wait) 정책으로 처리하여 응답성을 극대화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 대규모 언어 모델 추론 정책에서, 토큰 생성이 끝날 때까지 기다리지 않고 생성되는 즉시 화면에 뿌려주는 '스트리밍(Streaming) 정책'이 블로킹에 의한 사용자 경험 저하를 막는 핵심 설계 원칙이 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Bottlenecks]], [[Technical-Architecture]], [[Optimization]], [[Availability-and-Persistence]], [[Scalability]]
|
||||
- **Modern Tech/Tools**: Async/Await, Node.js (Event Loop), Promise patterns.
|
||||
---
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-BUAP-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.93
|
||||
tags: [auto-reinforced, bottom-up-approach, emergence, prototyping, inductive-reasoning, design-strategy]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Bottom-Up-Approach]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "작은 성공의 조립: 거창한 전체 계획부터 세우지 않고, 가장 구체적이고 당장 실행 가능한 작은 부품들을 먼저 만들어 검증한 뒤 이들을 연결하여 점진적으로 거대한 시스템을 완성하는 실용주의적 전략."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
상향식 접근법(Bottom-Up-Approach)은 기초적인 요소들에서 시작하여 점차 상위 수준의 종합적인 시스템으로 나아가는 방식입니다.
|
||||
|
||||
1. **특징**:
|
||||
* **Emergent Intelligence**: 작고 독립적인 컴포넌트들의 상호작용에서 예상치 못한 복잡한 지능이 발현됨. (Autonomous-Agents와 연결)
|
||||
* **Early Validation**: 핵심 부품을 먼저 만들어 봄으로써 이론적 가설이 실제 작동하는지 즉시 확인 가능.
|
||||
* **Flexibility**: 바닥부터 탄탄하게 쌓았으므로 환경 변화에 맞춰 상위 시스템을 유연하게 수정하기 좋음.
|
||||
2. **적용 사례**:
|
||||
* **에이전틱 코딩**: 작은 함수들을 먼저 작성하고 테스트한 뒤 이를 결합해 앱을 만듦.
|
||||
* **생물학**: 개별 세포의 특성에서 출발해 생명 전체를 이해하려는 시도.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 완벽한 초기 설계(Top-down) 정책이 실패를 막는 유일한 길이라 믿었으나, 현대의 애자일 및 스타트업 정책은 빠른 실패와 학습이 가능한 '상향식 실행 정책'을 압도적으로 선호함(RL Update).
|
||||
- **정책 변화(RL Update)**: 지식 관리 정책(예: 이 Wiki)에서, 전체 카테고리부터 완벽히 짜는 대신 개별 지식 카드들을 먼저 풍성하게 주입하고 나중에 이들의 연결(Graph)을 통해 구조를 발견하는 '상향식 지식 생성 정책'이 채택됨 (Ps-Reinforce 핵심 철학).
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Big-Picture]], [[Analysis]], [[Emergence]], [[Agile-Philosophy]], [[Rapid-Prototyping]]
|
||||
- **Modern Tech/Tools**: Component-based UI (React), Microservices, Modular hardware.
|
||||
---
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-BOUNDED-CONTEXT
|
||||
category: "10_Wiki/💡 Topics/Software Architecture"
|
||||
confidence_score: 0.99
|
||||
tags: [DDD, Bounded Context, Software Architecture, Domain]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# Bounded-Contexts (제한된 맥락)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "모두를 위한 언어는 아무도 위한 언어가 아니다." 특정 도메인 내에서만 유효한 '의미의 경계'를 설정하여 복잡한 시스템을 명료하게 관리하는 DDD의 핵심 기법이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Linguistic Boundary (언어적 경계)**:
|
||||
- 'Account'라는 단어가 '은행' 맥락에서는 계좌이지만, '로그인' 맥락에서는 유저 ID일 수 있다. 이 두 의미가 섞이지 않도록 코드와 모델의 영역을 물리적으로 나누는 것이 핵심이다.
|
||||
- **Ubiquitous Language (보편적 언어)**:
|
||||
- 특정 바운디드 컨텍스트 안에서는 개발자나 기획자나 똑같은 단어를 똑같은 의미로 사용해야 한다.
|
||||
- **Context Mapping**:
|
||||
- 서로 다른 컨텍스트들이 어떻게 데이터를 주고받는지(Shared Kernel, Anti-Corruption Layer 등)의 관계도를 그리는 작업.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 바운디드 컨텍스트를 너무 잘게 쪼개면 마이크로서비스(MSA)의 관리 복잡성(Distributed System complexity)이 폭발한다. 처음에는 '모놀리식'으로 시작하되, 도메인 경계가 명확해지는 시점에 분리하는 전략이 실용적이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Domain-Driven Design (DDD)]] , [[Bounded-Contexts-and-Interface-Segregation]]
|
||||
- Foundation: [[Clean-Architecture-Implementation]]
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-BOUR-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.82
|
||||
tags: [auto-reinforced, bourgeoisie, sociology, class-theory, capitalism, history]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Bourgeoisie]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "자본과 교양의 계급: 생산 수단을 소유함으로써 근대 자본주의를 이끌어온 주역이자, 경제적 풍요를 바탕으로 고질적인 지적/예술적 가치를 향유하며 문명을 조직해온 시민 계층."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
부르주아지(Bourgeoisie)는 근대 사회에서 자본을 소유하고 경제적 실권을 쥔 유산 계급을 의미합니다.
|
||||
|
||||
1. **역사적 역할**:
|
||||
* **Agent of Change**: 봉건 질서를 타파하고 시민 혁명을 주도하여 개인의 자유와 사유 재산권을 확립함.
|
||||
* **Culture & Arts**: 르네상스 이후 예술가들의 주요 후원자(Patron) 역할을 수행하여 근대 문화 발전에 기여. (Arts와 연결)
|
||||
2. **비판적 관점**:
|
||||
* 마르크스주의에서는 노동력을 착상하여 자본을 축적하는 이기적인 계층으로 정의하기도 함.
|
||||
* **Status Quo**: 기득권이 된 이후에는 변화보다 안정을 추구하는 보수적인 성향을 띠기도 함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 오직 '물리적 자본' 소유자만을 부르주아지로 보았으나, 현대 정보 정책은 '데이터와 지식 자산'을 소유한 기술 엘리트들을 '디지털 부르주아지 정책'으로 재정의함(RL Update).
|
||||
- **정책 변화(RL Update)**: 부의 대물림 정책에 대한 사회적 비판 정책이 강화됨에 따라, 최근의 부르주아적 가치는 단순 소유를 넘어 사회적 책임(ESG, 기부 정책)을 다하는 '노블레스 오블리주 정책'으로 그 정체성을 갱신하려 노력함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Anarcho-Capitalism]], [[Arts]], [[Axiology]], [[Sociology of Knowledge]], Capitalism
|
||||
- **Modern Tech/Tools**: Asset management AI, Venture capital networks.
|
||||
---
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-BROW-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, browser, web-access, rendering-engine, internet-infrastructure, client-side]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Browser]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "인터넷 세상의 망원경이자 창: 서버로부터 전송받은 복잡한 코드(HTML, CSS, JS)를 인간이 보고 즐길 수 있는 아름다운 화면으로 실시간으로 번역하여 우주보다 넓은 웹의 바다를 항해하게 해주는 도구."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
웹 브라우저(Web Browser)는 인터넷상에 존재하는 정보를 검색하고 표시하며 사용자와 상호작용하는 소프트웨어입니다.
|
||||
|
||||
1. **핵심 기능**:
|
||||
* **Rendering**: 코드를 해석하여 픽셀로 변환. (Visual-Effects-VFX와 맥락 공유)
|
||||
* **Execution**: JavaScript 엔진(예: V8)을 통해 복잡한 웹 앱 구동.
|
||||
* **Caching & Persistence**: 방문 기록, 쿠키 등을 저장하여 성능 향상 및 보안 유지.
|
||||
2. **OS로서의 브라우저**:
|
||||
* 현대 브라우저는 단순한 문서 뷰어를 넘어, 오피스, 게임, AI 도구들이 실행되는 '온라인 운영체제' 역할을 수행함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거 브라우저 정책은 단순 정보 조희(Read-only) 중심이었으나, 현대 정책은 사용자의 데이터 주권을 지키고 AI 에이전트가 직접 웹을 탐색하며 작업을 수행하는 '에이전틱 브라우징 정책'으로 진화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 서드파티 쿠키 차단 정책(Cookieless) 등 개인정보 보호 정책이 강화됨에 따라, 브라우저가 사용자 익명성을 보장하는 동시에 광고 성과를 측정하는 새로운 추적 차단 정책과 표준이 수립됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Backend]], [[API-Key-Management]], [[Availability-and-Persistence]], [[Visual-Effects-VFX]], [[Technical-Architecture]]
|
||||
- **Modern Tech/Tools**: Chrome, Firefox, Safari, Chromium-based browsers, WebAssembly (Wasm).
|
||||
---
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-BINT-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.97
|
||||
tags: [auto-reinforced, business-intelligence, bi, data-visualization, analytics, decision-support]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Business Intelligence (BI)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "데이터를 통한 경영의 나침반: 뿔뿔이 흩어진 로(Raw) 데이터를 수집, 분석하여 직관적인 차트와 보고서로 변환함으로써, 경영진이 과거의 성과를 이해하고 확신에 찬 의사결정을 내릴 수 있게 돕는 지능형 대시보드."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
비즈니스 인텔리전스(Business Intelligence, BI)는 기업의 의사결정을 돕기 위해 데이터를 유의미한 정보로 변환하는 전략 및 기술 프로세스입니다.
|
||||
|
||||
1. **3단계 워크플로우**:
|
||||
* **Data Collection (ETL)**: 여러 소스에서 데이터를 추출, 변환, 적재.
|
||||
* **Analysis**: 패턴과 트렌드를 발견. (Pattern Recognition과 연결)
|
||||
* **Visualization**: 대시보드와 리포트를 통해 이해하기 쉽게 표현.
|
||||
2. **전통적 AI와의 관계**:
|
||||
* AI가 "앞으로 무슨 일이 생길까?"(Predictive)를 주로 묻는다면, BI는 "지금까지 무슨 일이 있었고 현재 상태는 어떠한가?"(Descriptive)라는 기본적 질문에 충실하여 판단의 토대를 닦음.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 IT 전문가가 수동으로 리포트를 짜는 정책(Static reporting)이었으나, 현대 정책은 현업 담당자가 직접 데이터를 탐색하는 'Self-service BI 정책'으로 민주화됨(RL Update).
|
||||
- **정책 변화(RL Update)**: 거대 언어 모델과 BI의 융합 정책에 따라, 차트를 클릭하는 대신 "지난달 매출 하락 원인이 뭐야?"라고 자연어로 물으면 AI가 즉시 데이터를 분석해 설명해 주는 '대화형 BI(Conversational BI) 정책'이 기업 환경의 주류가 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Automated-Decision-Making]], [[Analysis]], Pattern Recognition, [[Big-Data]], [[Strategic-Planning]]
|
||||
- **Modern Tech/Tools**: Tableau, Power BI, Looker, SQL, Data warehouses (BigQuery, Snowflake).
|
||||
---
|
||||
@@ -0,0 +1,30 @@
|
||||
---
|
||||
id: CAP-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [computer-science, distributed-systems, infrastructure, database, scalability]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# CAP Theorem (CAP 정리)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "분산 시스템에서 완벽한 데이터 일치와 24시간 가동, 네트워크 오류 방지를 모두 가질 수는 없다" — 분산 컴퓨팅 환경에서 일관성, 가용성, 분단 허용성 중 두 가지만 동시에 만족할 수 있다는 에릭 브루어의 정리.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 시스템의 규모가 커지고 노드가 분산될 때 발생하는 네트워크 지연 및 단절 상황에서, 데이터의 정확성과 시스템의 응답성 사이의 우선순위를 결정하는 아키텍처 선택 패턴.
|
||||
- **세 가지 핵심 속성:**
|
||||
- **Consistency (일관성):** 모든 노드에서 동시에 같은 데이터를 조회할 수 있어야 함. (정확성 중시)
|
||||
- **Availability (가용성):** 일부 노드에 장애가 생겨도 시스템은 항상 응답해야 함. (연결성 중시)
|
||||
- **Partition Tolerance (분단 허용성):** 노드 간 네트워크가 끊겨도 시스템이 계속 작동해야 함. (분산 시스템의 필수 요건)
|
||||
- **주요 선택 전략:**
|
||||
- **CP (Consistency + Partition Tolerance):** 데이터 정확성이 중요할 때 (예: 금융 시스템, 분산 락).
|
||||
- **AP (Availability + Partition Tolerance):** 서비스 중단이 치명적일 때 (예: SNS 피드, 쇼핑몰 장바구니).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 단순히 '모든 것을 만족하는 DB'를 찾던 시기에서, 비즈니스 요구사항에 따라 일관성을 희생(Eventual Consistency)하더라도 가용성을 챙기는 유연한 설계 시대로 전환.
|
||||
- **정책 변화:** Antigravity 프로젝트의 분산 지식 그래프 시스템은 지식의 전파 속도보다 정확성이 중요하므로 CP 전략을 기본으로 하되, 사용자 읽기 요청에 대해서는 AP적 요소를 도입하여 응답성을 확보함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- System-Design-for-AI-Scale, [[Distributed-Computing]], Vector-Database-Selection, Microservices
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/CAP-Theorem.md
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-F8BCE8
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - CI_CD 파이프라인 및 IDE 통합 보안"
|
||||
---
|
||||
|
||||
# [[CI_CD 파이프라인 및 IDE 통합 보안]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> CI/CD 파이프라인 및 IDE 통합 보안은 소프트웨어 개발 프로세스 전반에 걸쳐 코드의 품질과 보안을 유지하기 위한 핵심 접근법입니다 [1], [2]. 개발자가 코드를 작성하는 IDE 환경과 코드가 병합 및 배포되는 CI/CD 워크플로우에 정적 분석(SAST) 및 자동화된 보안 검사 도구를 내장하여 실시간 피드백을 제공합니다 [3], [4]. 이를 통해 개발자는 코드의 결함과 취약점을 조기에 식별하고 수정할 수 있어 안전하고 효율적인 소프트웨어 개발 수명 주기(SDLC)를 확보할 수 있습니다 [5], [6].
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
* **IDE 내 실시간 보안 검사:** SonarQube for IDE나 Snyk Code와 같은 플러그인은 Visual Studio, VS Code, JetBrains, Eclipse 등의 개발 환경에 직접 내장되어 작동합니다 [7], [8], [9]. 개발자가 코드를 작성하는 즉시 실시간으로 구문, 로직 및 보안 결함을 분석하여 즉각적인 피드백과 자동화된 수정 제안을 제공합니다 [7], [10]. 이를 통해 코드가 버전 관리 시스템에 커밋되기 전, 가장 이른 단계에서 보안 위험을 식별하고 제거할 수 있습니다 [11], [12].
|
||||
* **CI/CD 파이프라인 자동화 및 게이팅(Gating):** 코드가 풀 리퀘스트(Pull Request)나 브랜치에 푸시되어 빌드될 때, CI/CD 워크플로우 내에서 보안 스캔이 자동으로 실행됩니다 [5], [13], [9]. 조직은 심각도 임계값(Severity thresholds)이나 품질 게이트(Quality gates)를 설정하여, 기준을 충족하지 못하는 결함이나 보안 취약점이 발견되면 빌드를 실패하게 하거나 풀 리퀘스트 병합을 차단할 수 있습니다 [2], [14], [15], [16]. 이는 GitHub Actions, GitLab, Jenkins 등 다양한 DevOps 도구 체인과 긴밀하게 통합되어 이루어집니다 [4], [17], [15].
|
||||
* **시프트 레프트(Shift-Left) 및 규정 준수 강제:** IDE와 CI/CD 전반에 걸친 보안 통합은 취약점을 개발 과정의 초기에 발견하여 수정하는 '시프트 레프트' 보안 전략을 실현합니다 [11], [18]. 프로덕션 환경에 도달하기 전에 선제적으로 문제를 해결하므로 릴리스 이후 발생하는 결함을 수정하는 비용과 시간을 절감합니다 [6]. 또한, PCI, OWASP, CWE, STIG 등 주요 보안 및 규정 준수 표준을 조직 전체의 리포지토리와 팀에 일관되게 적용하고 강제할 수 있도록 지원합니다 [19], [20], [21], [22].
|
||||
|
||||
## ⚠️ 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.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Related Topics:** SAST(정적 애플리케이션 보안 테스트), Shift-left(시프트 레프트), SDLC(소프트웨어 개발 수명 주기)
|
||||
- **Projects/Contexts:** [[SonarQube]], Snyk Code, [[DevSecOps]]
|
||||
- **Contradictions/Notes:** 소스 내용 중 이 주제에 대한 명시적인 모순이나 반대 의견은 존재하지 않습니다. 모든 소스가 조기 발견(Shift-left)의 효율성 및 통합의 필요성에 동의하고 있습니다.
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-19*
|
||||
|
||||
---
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
id: CLIP-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [ai, computer-vision, nlp, multimodal, clip, openai]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# CLIP (Contrastive Language-Image Pre-training)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "이미지와 텍스트를 하나의 언어로 묶어 AI에게 시각적 문해력을 부여하라" — OpenAI가 제안한 모델로, 인터넷상의 방대한 이미지와 설명 텍스트 쌍을 대조 학습(Contrastive Learning)하여 시각적 개념을 언어적으로 이해하게 만든 혁신적인 멀티모달 모델.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 이미지 임베딩과 텍스트 임베딩을 동일한 공유 잠재 공간(Shared Latent Space)에 매핑하여, 특정 텍스트 설명에 가장 잘 어울리는 이미지를 찾아내는 시각-언어 정렬 패턴.
|
||||
- **핵심 특징:**
|
||||
- **Contrastive Learning:** 관련 있는 이미지-텍스트 쌍은 가깝게, 관련 없는 쌍은 멀게 배치하도록 학습.
|
||||
- **Zero-shot Visual Recognition:** 학습 데이터에 없던 새로운 물체라도 텍스트 설명을 통해 인식 가능.
|
||||
- **Robustness:** 특정 데이터셋(ImageNet 등)에 과적합되지 않고 실제 환경의 다양한 이미지에 대해 뛰어난 일반화 성능을 보임.
|
||||
- **Foundation for GenAI:** DALL-E, Stable Diffusion 등 텍스트-투-이미지 생성 모델의 핵심 눈(Eye) 역할을 수행.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 숫자로 된 클래스 라벨(예: 0=개, 1=고양이)로만 이미지를 배우던 방식에서, 자연어 설명을 통해 이미지의 풍부한 맥락을 배우는 방식으로 패러다임 전환.
|
||||
- **정책 변화:** Antigravity 프로젝트의 '멀티모달 지식 인덱싱'은 CLIP 아키텍처를 활용하여 위키 내의 이미지와 도표를 텍스트 검색 결과에 자연스럽게 노출시킴.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Transformer-Architecture]], [[Zero-Shot-Learning]], [[Representation-Learning]], [[LLM]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/CLIP.md
|
||||
@@ -0,0 +1,33 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-CPTD-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, cpted, crime-prevention, environmental-design, surveillance, urban-planning, safety]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[CPTED]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "공간으로 범죄를 막다: CCTV에 의존하기 전, 건물의 모양과 가로등의 위치, 정원의 담장 높이를 설계하는 것만으로 잠재적 범죄자의 의지를 꺾고 주민들의 심리적 안전감을 극대화하는 '구조적 방어'의 철학."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
CPTED(Crime Prevention Through Environmental Design, 환경 설계를 통한 범죄 예방)는 도시 환경 설계를 통해 범죄 발생 기회를 사전에 차단하고 시민들의 삶의 질을 높이는 기법입니다.
|
||||
|
||||
1. **5대 핵심 전략**:
|
||||
* **Natural Surveillance (자연적 감시)**: 주위 사람들이 자연스럽게 지켜볼 수 있게 가시성 확보 (예: 낮은 담장, 투명한 벽).
|
||||
* **Natural Access Control (자연적 접근통제)**: 범죄자만 접근하기 힘든 명확한 경로 설계 (예: 출입구 일원화).
|
||||
* **Territorial Reinforcement (영역성 강화)**: 공적/사적 공간의 경계를 명확히 하여 주민의 주인의식 고취.
|
||||
* **Activity Support (활동의 활성화)**: 사람들이 모이는 장소로 만들어 범죄 기회 감소.
|
||||
* **Maintenance (유지관리)**: '깨진 유리창 이론'을 방지하기 위한 지속적 관리. (Sustainability와 연결)
|
||||
2. **왜 중요한가?**:
|
||||
* 사후 처벌보다 사전 '기회 차단'이 사회적 비용 정책 측면에서 훨씬 효율적이기 때문임. (Efficiency와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 '감시'를 위한 요새화 정책(Fortress design)에 집중했으나, 현대 정책은 시민의 권리 정책과 아름다운 경관 정책까지 조화로운 '개방형 안전 정책'을 지향함(RL Update).
|
||||
- **정책 변화(RL Update)**: 최근에는 AI 가 도시 설계를 시뮬레이션하여 범죄 발생 취약 지표 정책을 미리 예측하고 최적의 CPTED 설계 정책을 제안하는 스마트 시티 정책과 연동 중임. (Sim-City와 연결)
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Sustainability]], [[Efficiency]], Sim-City, Urban-Planning, [[Strategic-Planning]], [[Risk-Management]]
|
||||
- **Key Theory**: Defensible Space (Oscar Newman).
|
||||
---
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-CVSY-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.92
|
||||
tags: [auto-reinforced, cv-synthesis, computer-vision, synthetic-data, image-generation, computer-graphics]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[CV_Synthesis]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "가상의 눈을 위한 가상의 데이터: 실제 촬영 없이도 컴퓨터 그래픽스와 AI를 이용해 완벽하게 라벨링된 대규모 학습 데이터를 생성함으로써, 컴퓨터 비전 모델 개발의 높은 비용과 데이터 부족 문제를 해결하는 지능형 제조 공정."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
컴퓨터 비전 합성(CV Synthesis)은 가상의 환경에서 인공적인 이미지나 비디오 데이터를 생성하여 모델을 학습시키는 기술입니다.
|
||||
|
||||
1. **필요성**:
|
||||
* **Perfect Ground Truth**: 합성 데이터는 객체의 위치, 각도, 픽셀 단위 마스크 정보를 오차 없이 자동으로 가짐.
|
||||
* **Rare Events**: 도로 위 사고 상황 등 실제로 수집하기 어려운 희귀 사례(Black-Swan)를 무한히 생성 가능. (Black-Swan과 연결)
|
||||
* **Privacy**: 실제 사람의 얼굴이나 번호판을 쓰지 않아도 되므로 개인정보 보호 이슈에서 자유로움.
|
||||
2. **핵심 기술**:
|
||||
* **Sim-to-Real**: 가상 세계(Simulator)와 실제 세계 간의 차이(Domain Gap)를 줄이기 위한 도메인 적응 기술.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 합성 데이터가 너무 '가짜 티'가 나서 성능 저하를 유발한다는 정책적 우려가 컸으나, 현대 정책은 확산 모델(Diffusion)이나 렌더링 최적화(Gaussian Splatting)를 통한 '극사실주의 합성 데이터 정책'으로 성능 우위를 입증함(RL Update).
|
||||
- **정책 변화(RL Update)**: 합성 데이터에 의한 '모델 붕괴(Model Collapse)' 방지 정책이 중요해짐에 따라, 원본 데이터와 합성 데이터의 적절한 혼합 비율 정책과 데이터 다양성 증명 정책이 모델 개발의 필수 과정이 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Computer Vision]], [[Black-Swan]], [[Diffusion-Models]], Simulation, [[Data Distillation (데이터 증류)]]
|
||||
- **Modern Tech/Tools**: Unity Perception, NVIDIA Omniverse, Stable Diffusion, Blender.
|
||||
---
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: CS-RETAIL-ALLBIRDS-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [case-study, ecommerce, allbirds, pwa, performance-optimization, sustainability, storytelling, conversion-rate]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Case Study: Allbirds PWA Redesign (사례 연구: Allbirds PWA 리디자인)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "기술적 고성능(PWA)과 가치 기반 스토리텔링(지속 가능성)을 제품 상세 페이지에 수평적으로 통합하여, 단순한 '구매'를 브랜드 미션에 대한 '동참'으로 승격시켜라" — 웹 성능 향상과 브랜드 가치 전달의 완벽한 조화를 통해 폭발적인 비즈니스 성장을 이뤄낸 이커머스 혁신 사례.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **핵심 과제:** 사용자 구매 흐름을 방해하지 않으면서 Allbirds의 핵심 가치인 '지속 가능성' 메시지를 효과적으로 전달하고, 모바일 로딩 속도를 획기적으로 개선하는 것.
|
||||
- **혁신적 UX/기술 전략:**
|
||||
- **Value-Integrated UI:** 지속 가능성 지표를 '회사 소개' 페이지에 가두지 않고, 제품 기능 설명 바로 옆에 배치하여 고객 신뢰도와 투명성 확보.
|
||||
- **PWA Architecture 도입:** 프로그레시브 웹 앱 기술을 활용하여 즉각적인(Near-instantaneous) 페이지 로딩 속도 구현.
|
||||
- **정량적 비즈니스 성과:**
|
||||
- **Performance:** 페이지 로드 속도 **89% 향상**, 이탈률(Bounce Rate) **34% 감소**.
|
||||
- **Conversion:** 환경 중시 소비자층의 전환율 **23% 증가**.
|
||||
- **Revenue:** 리디자인 후 첫 분기에만 **230만 달러**의 추가 수익 창출.
|
||||
- **의의:** 웹 성능(Engineering)과 가치 전달(Branding)의 결합이 어떻게 직접적인 수익 창출로 이어지는지를 증명한 현대 이커머스의 벤치마킹 모델.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 고성능 이미지와 풍부한 스토리텔링이 속도 저하를 유발한다고 보았으나, Allbirds 사례는 PWA 기술을 통해 '풍부한 경험'과 '빠른 속도'가 양립 가능하다는 것을 증명함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 이커머스 관련 에이전트 설계 시 Allbirds의 '지점 통합형 가치 전달' 모델을 표준으로 채택하며, PWA를 기본 웹 앱 아키텍처로 강제함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Progressive-Web-App-PWA, Conversion-Rate-Optimization-CRO, [[Modern-Website-Architecture]], User-Experience-UX-Design
|
||||
- **Raw Source:** 00_Raw/Allbirds E-commerce Redesign.md, 00_Raw/Allbirds PWA Redesign.md
|
||||
@@ -0,0 +1,30 @@
|
||||
---
|
||||
id: CS-FE-MIGRATION-KIWI-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [case-study, kiwi-com, frontend-migration, nextjs, mono-repo, orbit-design-system, scalability, web-performance]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Case Study: Kiwi.com Frontend Migration (사례 연구: Kiwi.com 프런트엔드 마이그레이션)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "거대한 항공 서비스의 복잡도를 모노레포와 자체 디자인 시스템(Orbit)으로 통합 관리하고, Next.js 마이그레이션을 통해 SEO와 성능이라는 두 마리 토끼를 한꺼번에 포획하라" — 대규모 글로벌 플랫폼의 기술적 성숙도를 증명한 프런트엔드 현대화 사례.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **핵심 과제:** 파편화된 다수의 마이크로 서비스와 일관성 없는 UI, 그리고 검색 노출(SEO)의 한계를 극복하기 위한 전사적 프런트엔드 재설계.
|
||||
- **주요 전략 및 기술 스택:**
|
||||
- **Next.js adoption:** SSR/SSG를 통한 초기 로딩 속도 향상 및 강력한 SEO 최적화 기반 구축.
|
||||
- **Orbit Design System:** 일관된 사용자 경험과 개발 속도 향상을 위해 우버의 Base Web 철학을 참고한 자체 오픈소스 UI 라이브러리 운영.
|
||||
- **Monorepo Architecture (pnpm):** 수백 개의 패키지와 서비스를 하나의 저장소에서 관리하여 의존성 충돌 방지 및 빌드 파이프라인 최적화.
|
||||
- **TypeScript & Cypress:** 타입 안전성 확보 및 철저한 E2E 테스트를 통한 배포 안정성 강화.
|
||||
- **정량적 성과:** 페이지 로딩 속도의 획기적 단축, 개발 주기의 단축, 그리고 전 세계 검색 결과에서의 가시성 대폭 향상.
|
||||
- **의의:** 기술 부채가 누적된 대규모 시스템이 어떻게 점진적으로 현대화될 수 있는지에 대한 실질적 이정표 제공.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 유연성을 위해 서비스별로 자유로운 기술 스택 사용을 허용했으나, Kiwi.com 사례는 '전사적 표준화 정책'과 '통합 디자인 언어 정책'이 대규모 조직에서 훨씬 강력한 효율을 낸다는 것을 증명함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 대규모 플랫폼 설계 시 Kiwi.com의 모노레포 및 디자인 시스템 기반 협업 모델을 벤치마킹하며, 모든 공유 패키지의 버전 관리를 자동화하는 정책을 도입함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Modern-Frontend-Engineering-Architecture]], [[Design-System]], [[Nextjs-App-Router-Architecture]], Scalable-Frontend-Architecture, [[Uber-Base-Web-Design-System]]
|
||||
- **Raw Source:** 00_Raw/Kiwi.com Migration.md, 00_Raw/kiwi.com 마이그레이션 프로젝트.md
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
id: CS-SKYBOUND-CACHE-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [skybound, troubleshooting, cache-busting, production-deployment, vite, asset-management]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Case Study: Skybound Production Visual Mismatch & Asset Cache Busting (사례 연구: Skybound 자산 캐시 버스팅)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "빌드 번호가 바뀌어도 브라우저가 옛날 자산을 고집한다면, 파일 경로에 물리적인 버전 식별자를 주입하여 캐시의 고집을 꺾고 모든 사용자에게 동일한 시각적 진실을 강제하라" — 프로덕션 환경의 자산 불일치 해결 전략.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **핵심 문제:** Skybound 프로덕션 배포 후, 코드(JS/CSS)는 업데이트되었으나 이미지 및 스프라이트 자산이 브라우저 캐시에 의해 구버전으로 유지되어 UI가 깨지거나 잘못된 스프라이트가 렌더링되는 현상 발생.
|
||||
- **해결 전략: Hierarchical Versioned Path Injection**
|
||||
- **Physical Directory Partitioning:** `dist/[BUILD_NUMBER]/assets`와 같이 최상위 경로에 빌드 번호를 포함시켜 기존 캐시를 완전히 무효화.
|
||||
- **Manifest-driven Asset Loading:** 런타임에서 `buildinfo.json` 또는 환경 변수를 참조하여 현재 활성화된 빌드 경로에서 자산을 로드하도록 엔진 수정.
|
||||
- **Vite Configuration Update:** `vite.config.ts`의 `build.outDir`을 동적으로 할당하여 빌드마다 고유한 지문(Fingerprint)을 가진 경로 생성.
|
||||
- **성과:** 배포 즉시 모든 클라이언트가 최신 시각적 자산을 로드함을 보장하며, 수동 캐시 삭제 요청 없이도 완벽한 버전 동기화 달성.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 파일명 뒤에 쿼리 스트링(`?v=1.2`)을 붙이는 방식이 선호되었으나, 일부 프록시 서버나 CDN에서 이를 무시하는 정책이 발견됨에 따라 현대 정책은 '물리적 경로 변경 정책'을 최우선으로 함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 웹 기반 게임 엔진 배포 시 `dist/` 폴더 하위에 빌드 번호별 격리된 자산 경로를 생성하는 것을 강제하는 배포 정책을 시행함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Modern-Frontend-Engineering-Architecture]], Vite-Build-Optimization, [[Frontend-Performance-Optimization-Guide]]
|
||||
- **Raw Source:** 00_Raw/2026-04-26-Skybound_Production_Visual_Mismatch_Public_Asset_Cache_Busting.md
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-CESI-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, cesiumjs, webgl, 3d-mapping, geospatial, visualization]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[CesiumJS]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "브라우저에 담긴 지구: 웹상에서 거대한 3D 지형, 위성 이미지, 실시간 정밀 데이터를 플러그인 없이도 최고 수준의 성능으로 렌더링하는 오픈소스 기반의 공간 지능형 시각화 플랫폼."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
CesiumJS는 3D 지리 공간 데이터를 웹 브라우저에서 시각화하기 위한 JavaScript 라이브러리입니다.
|
||||
|
||||
1. **핵심 강점**:
|
||||
* **WebGL 기반**: 하드웨어 가속을 통해 대규모 3D 데이터를 매끄럽게 처리.
|
||||
* **Precision**: WGS84 좌표계를 직접 사용하여 우주적 규모부터 도시의 미세한 건물까지 정밀하게 표현.
|
||||
* **3D Tiles**: 거대한 데이터를 청크 단위로 나누어 필요한 부분만 스트리밍하는 혁신적 방식. (Scalability와 연결)
|
||||
2. **주요 활용**:
|
||||
* 스마트 시티 디지털 트윈, 항공 경로 실시간 모니터링, 재난 피해 가상 시뮬레이션 등.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거의 웹 지도 정책은 2D 평면 지도 중심이었으나, CesiumJS와 같은 3D 위주의 정책이 등격하며 '공간적 맥락 정책'을 디지털 트윈의 표준으로 만듦(RL Update).
|
||||
- **정책 변화(RL Update)**: 엔비디아 옴니버스나 구글 맵스 3D 타일과의 통합 정책이 강화됨에 따라, 닫힌 시스템이 아닌 '상호운용성 정책(Interoperability)'을 최우선으로 하는 지리 정보 생태계로 진화함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Browser]], Geographic-Information-Systems (GIS), Simulation, [[Scalability]], [[Technical-Architecture]]
|
||||
- **Modern Tech/Tools**: Cesium Ion, Unmanned Traffic Management (UTM), Digital Twin platforms.
|
||||
---
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: CHAOS-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [mathematics, complex-systems, chaos-theory, nonlinear-dynamics, system-design]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Chaos Theory in Systems (시스템에서의 카오스 이론)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "결정론적인 질서 안에서도 예측 불가능한 요동이 숨어 있다" — 초기 조건의 미세한 차이가 시간이 흐름에 따라 거대한 결과의 차이를 만들어내는(나비 효과) 비선형 동역학 시스템의 성질을 탐구하는 이론.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 규칙적인 알고리즘으로 작동하는 시스템이라도, 요소 간의 복잡한 피드백 루프와 비선형성으로 인해 장기적인 예측이 원천적으로 불가능해지는 복잡계(Complex Systems) 패턴.
|
||||
- **핵심 개념:**
|
||||
- **Butterfly Effect:** 초기값의 0.0001% 차이가 전혀 다른 결과를 초래함.
|
||||
- **Strange Attractors:** 혼돈 속에서도 특정 궤적이나 패턴으로 수렴하는 기하학적 구조 (예: 로렌츠 끌개).
|
||||
- **Fractals:** 부분과 전체가 닮아 있는 자기 유사성(Self-similarity) 구조.
|
||||
- **Nonlinearity:** 입력의 합이 출력의 합과 같지 않은 시스템의 불규칙한 특성.
|
||||
- **의의:** 기상 예측, 주식 시장, 그리고 수천 개의 에이전트가 상호작용하는 대규모 AI 생태계의 불안정성을 이해하는 틀 제공.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 선형적인 인과관계로 세상을 설명하려던 고전 과학의 한계를 넘어, 불규칙성 자체가 시스템의 본질적 속성임을 규명.
|
||||
- **정책 변화:** Skybound 프로젝트의 대규모 함대 시뮬레이션 시, 카오스 이론을 응용하여 각 기체의 단순한 로직이 합쳐져 예측 불가능하면서도 유기적인 진형 변화를 보이도록 설계함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Complexity-Theory]], [[Artificial-Life]], [[Multi-Agent-Systems-MAS]], System-Design-for-AI-Scale
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Chaos-Theory in Systems.md
|
||||
@@ -0,0 +1,35 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-CHRP-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, chrome, rendering-performance, web-vitals, frame-rate, optimization, browser-engine]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Chrome-Rendering-Performance]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "60FPS의 미학: 브라우저가 HTML/CSS를 화면의 픽셀로 그리는 16.7ms의 찰나에서, 리플로우와 리페인트의 비효율을 제거하여 사용자에게 버벅임 없는 '부드러운 실크' 같은 경험을 제공하는 웹 최적화의 정수."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
Chrome 브라우저 렌더링 성능(Chrome-Rendering-Performance)은 웹 콘텐츠가 사용자 화면에 표시되는 과정의 효율성을 극대화하는 것을 의미합니다.
|
||||
|
||||
1. **The Rendering Pipeline**:
|
||||
* **JavaScript**: 시각적 변화 유발 로직 실행.
|
||||
* **Style**: CSS 규칙을 요소에 적용.
|
||||
* **Layout (Reflow)**: 기하학적 형태(크기, 위치) 계산. (가장 비싼 연산)
|
||||
* **Paint**: 텍스트, 색상, 이미지 등을 픽셀로 채움.
|
||||
* **Composite**: 레이어들을 합쳐 최종 화면 구성 (GPU 활용).
|
||||
2. **핵심 최적화 전략**:
|
||||
* **Layout Thrashing 방지**: 읽기/쓰기 작업 교차 반복 금지.
|
||||
* **Layer Promotion**: `will-change` 등을 통해 복잡한 애니메이션을 개별 레이어로 분리.
|
||||
* **Web Vitals**: LCP, FID, CLS 등 사용자 중심 지표 관리. (SEO와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 무조건 도무지(DOM) 조작을 줄이는 정책에만 집중했으나, 현대 정책은 가상 DOM 정책(React 등)을 넘어 복합적인 합성 레이어 정책(Compositing)과 하드웨어 가속 정책을 효율적으로 활용하는 방향으로 전환됨(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 단순 렌더링 속도 정책을 넘어, 크롬의 '새 환경 정책(Privacy Sandbox)' 등 브라우저 자체의 정책 변화가 성능 측정 및 광고 트래킹 정책에 미치는 영향을 함께 고려해야 함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[SEO]], [[Efficiency]], UX-Design-and-Engagement, [[Scalability]], [[Systems-Thinking]]
|
||||
- **Key Tools**: Chrome DevTools Performance tab, Lighthouse, PageSpeed Insights.
|
||||
---
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-CIRCUIT-DISCOVERY
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.92
|
||||
tags: [Interpretability, MechanisticInterpretability, NeuralNetworks]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Circuit Discovery (회로 발견)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "거대한 신경망 속에서 특정 기능을 수행하는 '작은 부품'을 찾아내는 고고학." 딥러닝 모델 내부의 뉴런과 가중치들이 어떻게 결합하여 특정 알고리즘(예: 간접 목적어 식별)을 구현하는지 밝히는 과정이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Methodology**:
|
||||
- **Ablation (제거)**: 특정 뉴런이나 층을 비활성화했을 때 성능 변화를 관찰하여 중요도를 측정한다.
|
||||
- **Activation Patching**: 특정 입력에 대한 중간 활성값을 다른 입력에 주입하여 정보 흐름을 역추적한다.
|
||||
- **Found Components**:
|
||||
- **Induction Heads**: 이전 패턴을 기억하고 반복하는 작은 회로. Context-based learning의 핵심.
|
||||
- **Indirect Object Identification (IOI) Circuit**: 문장에서 간접 목적어를 찾아내는 20여 개의 뉴런 그룹.
|
||||
- **Significance**: 블랙박스인 AI 모델을 해석 가능한 시스템으로 전환하여 안전성(Safety)과 제어 가능성을 확보한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 현재의 회로 발견은 주로 작은 모델(GPT-2 등)에서 성공적이며, 수천억 개의 파라미터를 가진 대규모 모델에서는 회로의 중첩과 복잡성 때문에 자동화된 회로 발견(Automated Circuit Discovery) 기술이 활발히 연구되고 있다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Mechanistic Interpretability (기계적 해석 가능성)]] , Monosemanticity (일의성)
|
||||
- Concepts: Superposition (중첩)
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: CIRCUIT-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [ai-interpretability, mechanistic-interpretability, neural-networks, circuits]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# [[Circuit Discovery (회로 발견)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "거대 모델 속에서 구체적인 기능을 수행하는 작은 알고리즘 지도를 그려라" — 신경망 내부의 특정 뉴런과 헤드들이 어떻게 연결되어 논리적 기능을 수행하는지 식별해내는 기계적 해석 가능성(Mechanistic Interpretability)의 핵심 기법.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 모델 전체를 블랙박스로 보는 대신, 특정 태스크(예: 간접 목적어 식별)를 수행할 때 활성화되는 최소한의 가중치와 경로를 추출하는 '회로(Circuit)' 식별 패턴.
|
||||
- **세부 내용:**
|
||||
- **Activation Patching:** 특정 뉴런의 활성화 값을 다른 입력값으로 교체해보며 결과에 미치는 인과적 영향을 측정.
|
||||
- **Path Patching:** 레이어 간의 구체적인 연결 경로를 추적하여 정보가 어떻게 흐르는지(Information Flow) 매핑.
|
||||
- **Induction Heads:** 이전 패턴을 복사하거나 문맥을 이해하는 데 특화된 특정 어텐션 헤드 구조의 발견.
|
||||
- **Automated Circuit Discovery (ACD):** 방대한 파라미터 중 유의미한 연결망을 알고리즘적으로 자동 탐색.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 단순 시각화(Saliency Map) 수준을 넘어, 모델 내부에서 수학적으로 정의 가능한 알고리즘을 찾아내는 정교한 단계로 진화.
|
||||
- **정책 변화:** 모델의 안전성 검증(Alignment)을 위해 잠재적인 유해 논리 회로가 형성되었는지 감지하는 도구로 활용 비중 확대.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Parent:** 10_Wiki/💡 Topics/AI
|
||||
- **Related:** Mechanistic-Interpretability, Neuron-Attribution, Feature-Visualization
|
||||
- **Raw Source:** 00_Raw/2026-04-20/Circuit Discovery.md
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-CETE-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.93
|
||||
tags: [auto-reinforced, circular-economy, sustainability, resource-efficiency, regenerative-design, economic-model]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Circular-Economy-Transitions]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "쓰레기 없는 세상으로의 이정표: '채취-제조-폐기'로 끝나는 직선형 경제의 종말을 선언하고, 자원이 시스템 안에서 계속 순환하며 가치를 생산하게 만드는 인류 생존을 위한 거대한 경제 패러다임의 전이."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
순환 경제 전환(Circular-Economy-Transitions)은 폐기물을 줄이고 자원 사용의 효율성을 극대화하는 경제 체제로의 변화를 의미합니다.
|
||||
|
||||
1. **3대 원칙 (Ellen MacArthur Foundation)**:
|
||||
* **Design out Waste**: 폐기물과 오염을 발생시키지 않는 초기 설계.
|
||||
* **Keep products in use**: 제품과 재료를 가능한 오래 사용 (재사용, 수리, 리퍼비시).
|
||||
* **Regenerate natural systems**: 자연으로 돌아가는 재료를 사용하여 생태계 회복.
|
||||
2. **전환 전략**:
|
||||
* **Product as a Service (PaaS)**: 제품을 파는 것이 아니라 '기능'이나 '서비스'를 대여하는 모델.
|
||||
* **Closed-loop Supply Chain**: 공급망 자체가 순환되도록 설계. (Supply-Chain와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 단순히 '분리수거(Recycling)' 잘하기가 순환 경제라 믿었으나, 현대 정책은 재활용 이전 단계인 '재사용 정책(Reuse)'과 '감량 정책(Reduce)', 그리고 근본적인 '설계 변경 정책(Redesign)'이 훨씬 더 큰 가치를 만든다는 것을 강조함(RL Update). (Sustainability와 연결)
|
||||
- **정책 변화(RL Update)**: 이제는 디지털 트윈 정책(Digital Twin)과 AI 를 활용해 자원의 흐름 정책을 실시간으로 추적하고 최적의 순환 경로 정책을 찾아내는 '테크 기반 순환 경제'로 진화 중임.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Sustainability]], [[Supply-Chain]], [[System-Theory]], [[Strategic-Planning]], Regenerative-Design
|
||||
- **Key Concepts**: Cradle to Cradle, Industrial symbiosis.
|
||||
---
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-CIEC-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.88
|
||||
tags: [auto-reinforced, circular-economy, sustainability, resource-efficiency, recycling, system-design]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Circular-Economy]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "자원의 수명 연장 프로젝트: '채취-생산-폐기'의 직선적 흐름을 거부하고, 제품 설계 단계부터 재사용과 수리를 고려하여 폐기물을 새로운 자원(Raw materials)으로 변환함으로써 지구의 한계를 존중하는 경제 모델."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
순환 경제(Circular-Economy)는 자원 소비를 최소화하고 지속 가능성을 극대화하는 경제 체계입니다.
|
||||
|
||||
1. **3대 원칙 (Ellen MacArthur Foundation)**:
|
||||
* 폐기물과 오염의 원천적 차단 설계.
|
||||
* 제품과 재료를 최고 가치 상태로 최대한 길게 유지 (재생, 재활용).
|
||||
* 자연 시스템의 재생 유도.
|
||||
2. **왜 중요한가?**:
|
||||
* 자원 고갈과 기후 위기 시대에 비즈니스의 지속 가능성을 보장하는 유일한 출구이자, '서비스로서의 제품(PaaS)'이라는 새로운 산업 기회를 창출함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거의 환경 정책은 생산 후의 '사후 재활용' 정책에 집중했으나, 현대 정책은 설계 단계에서부터 분해가 가능하게 만드는 '순환 디자인 정책(Design for Disassembly)'으로 패러다임을 전환함(RL Update).
|
||||
- **정책 변화(RL Update)**: 블록체인 정책과 결합하여 제품의 전 생애 주기를 투명하게 추적하는 '디지털 제품 여권(DPP) 정책'이 도입됨에 따라, 순환 경제는 단순한 구호를 넘어 데이터 기반의 엄격한 컴플라이언스 영역 정책으로 편입됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Sustainable Development Goals (SDGs), [[Strategic-Planning]], [[Blockchain]], [[Systems Thinking]], [[Optimization]]
|
||||
- **Modern Tech/Tools**: Digital Product Passports, Product-as-a-Service models, Cradle-to-Cradle certification.
|
||||
---
|
||||
@@ -0,0 +1,30 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-CLEANARCH-IMP
|
||||
category: "10_Wiki/💡 Topics/Software Architecture"
|
||||
confidence_score: 0.98
|
||||
tags: [Clean Architecture, Implementation, Layering, SOLID]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Clean-Architecture-Implementation]] (클린 아키텍처 구현)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "데이터베이스나 프레임워크는 세부 사항일 뿐이다." 비즈니스 규칙(Domain)을 외부 세계로부터 철저히 격리하여 평생 변하지 않는 단단한 원핵(Core)을 유지하는 아키텍처다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **의존성 규칙 (Dependency Rule)**:
|
||||
- 의존성의 방향은 항상 안쪽(Domain)으로만 향해야 한다. 도메인은 외부 라이브러리나 UI 라이브러리를 절대 알면 안 된다.
|
||||
- **4대 레이어 구성**:
|
||||
1. **Entities**: 가장 핵심적인 비즈니스 객체 및 규칙.
|
||||
2. **Use Cases**: 애플리케이션 특유의 비즈니스 논리 구현.
|
||||
3. **Interface Adapters**: Controller, Presenter 등 데이터 변환기.
|
||||
4. **Frameworks & Drivers**: DB, UI, 외부 API 등 인프라스트럭처.
|
||||
- **DIP (Dependency Inversion Principle)**:
|
||||
- 중심부가 외부를 호출해야 할 땐 인터페이스를 정의하고, 실체는 외부에서 주입(Injection)받는다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 작은 프로젝트에 클린 아키텍처를 도입하는 것은 '보일러플레이트 지옥'을 초래할 수 있다. 소규모일 땐 생산성을 챙기고, 코드 베이스가 1만 라인을 넘어가는 시점부터 점진적으로 레이어를 분리하는 **'점진적 아키텍처링'**이 실무에서 더 선호된다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Separation_of_Concerns]] , [[Domain-Driven Design (DDD)]]
|
||||
- Foundation: [[React_Clean_Code_Best_Practices]]
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-CATY-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.97
|
||||
tags: [auto-reinforced, clean-architecture, typescript, software-design, decoupling, layered-architecture]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Clean-Architecture-TypeScript]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "기술은 바뀌어도 본질은 변하지 않게: 데이터베이스나 웹 프레임워크 같은 저수준 기술에 비즈니스 로직이 오염되지 않도록 층(Layer)을 나누어 격리함으로써, 10년 뒤에도 유지보수가 가능한 단단한 소프트웨어를 만드는 설계 도면."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
클린 아키텍처(Clean Architecture)는 소프트웨어 전문성을 유지하기 위해 관심사를 계층별로 분리하는 설계 원칙입니다. (로버트 C. 마틴 제안)
|
||||
|
||||
1. **4대 계층 (TypeScript 관점)**:
|
||||
* **Entities**: 순수한 비즈니스 규칙과 데이터 구조 (가장 안쪽, 변화가 거의 없음).
|
||||
* **Use Cases**: 애플리케이션의 동작 시나리오.
|
||||
* **Interface Adapters**: Controller, Presenter 등 외부 통신을 Use Case에 맞게 변환.
|
||||
* **Frameworks & Drivers**: DB, React, Express 등 외부 라이브러리 (가장 바깥쪽, 언제든 교체 가능).
|
||||
2. **핵심 원칙 - 의존성 규칙**:
|
||||
* 의존성은 반드시 안쪽(Entity)으로만 향해야 함. 안쪽은 바깥쪽이 무엇을 쓰는지 몰라야 함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거의 개발 정책은 프레임워크(예: Spring, Next.js)가 제공하는 구조에 모든 코드를 넣는 정책이었으나, 현대 정책은 프레임워크를 단순한 '도구'로 취급하고 비즈니스 로직을 독립적으로 유지하는 '프레임워크 독립 정책'을 추구함(RL Update).
|
||||
- **정책 변화(RL Update)**: 타입스크립트의 강력한 타입 시스템 정책을 활용하여, 컴파일 타임에 계층 간 의존성 위반을 체크하거나 '도메인 기반 타입 정의 정책'을 통해 아키텍처의 강건함을 코드 레벨에서 보장함. (Domain-Driven-Design과 시너지)
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Domain-Driven-Design (DDD), [[Technical-Architecture]], [[Optimization]], [[Backend]], [[Workflow-Integrity]]
|
||||
- **Modern Tech/Tools**: TypeDI, InversifyJS, Hexagonal Architecture patterns, Microservices.
|
||||
---
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: FE-PERF-CODE-SPLIT-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [performance, code-splitting, optimization, lazy-loading, suspense, bundling, vite, nextjs, core-web-vitals]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Code Splitting and Frontend Performance Optimization (코드 스플리팅과 성능 최적화)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "한꺼번에 전송되는 거대한 자바스크립트 번들은 사용자의 기다림을 고통으로 바꾼다. 번들을 의미 있는 조각(Chunks)으로 나누고 필요할 때만 호출(On-demand)하여, 첫 화면의 주인공을 0.1초라도 빨리 무대에 올려라" — 초기 로딩 속도와 런타임 반응성을 극대화하는 핵심 전략.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Granular Bundling and Adaptive Resource Loading" — 애플리케이션 코드를 라우트, 컴포넌트, 라이브러리 단위로 세분화하고 브라우저의 렌더링 스케줄에 맞춰 로딩 우선순위를 조정하는 패턴.
|
||||
- **핵심 최적화 기법:**
|
||||
- **Route-based Splitting:** 사용자가 현재 보지 않는 페이지의 코드를 로드하지 않도록 라우터 수준에서 지연 로딩(`React.lazy`) 적용.
|
||||
- **Component-level Lazy Loading:** 무거운 서드파티 라이브러리(차트, 에디터)나 특정 상호작용 후에만 필요한 UI 요소를 별도 청크로 분리.
|
||||
- **Vendor Splitting (Manual Chunks):** 자주 변경되는 비즈니스 로직과 변경이 적은 외부 라이브러리(`react`, `react-dom`)를 분리하여 브라우저 캐싱 효율 극대화.
|
||||
- **Resource Prioritization:** `preload`, `prefetch` 힌트를 활용하여 다음에 필요한 자산을 백그라운드에서 미리 준비.
|
||||
- **의의:** LCP와 INP 지표를 획기적으로 개선하여 검색 엔진 순위와 사용자 전환율(Conversion Rate)을 동시에 높임.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 HTTP/1.1 환경에서 요청 수를 줄이기 위해 하나의 거대한 번들(One big bundle)이 유리했으나, 현대 정책은 HTTP/2 이상의 다중화(Multiplexing) 환경에 최적화된 '다중 청크 정책'을 권장함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 200KB 이상의 단일 JS 파일 생성을 금지 정책으로 하며, 모든 동적 임포트 시 로딩 상태(Loading Spinner/Skeleton) 제공 정책을 의무화함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[JavaScript-Optimization-Patterns]], [[Largest-Contentful-Paint-LCP]], [[Interaction-to-Next-Paint-INP]], Vite-Build-Optimization, [[Modern-Frontend-Engineering-Architecture]]
|
||||
- **Raw Source:** 00_Raw/코드 스플리팅 및 성능 최적화(Code Splitting & Performance Optimization).md
|
||||
@@ -0,0 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-SCI-COGEVAL
|
||||
category: "10_Wiki/💡 Topics/Science"
|
||||
confidence_score: 0.97
|
||||
tags: [Cognitive Evaluation Theory, Motivation, Autonomy, Psychology]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Cognitive-Evaluation-Theory]] (인지 평가 이론)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "보상이 때로는 열정을 죽인다." 인간은 스스로 결정하고 유능하다고 느낄 때 가장 강력한 내적 동기를 발휘한다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Autonomy (자율성)**:
|
||||
- 외부의 강요가 아니라 스스로의 선택에 의해 행동한다고 느낄 때 동기가 유발된다. (예: 게임에서의 자유로운 퀘스트 선택).
|
||||
- **Competence (유능성)**:
|
||||
- 자신의 능력이 과제에 적합하거나 성장하고 있다고 느낄 때 재미와 보람을 느낀다. (예: 레벨업 시스템, 랭크 시스템).
|
||||
- **Extrinsic vs Intrinsic Motivation**:
|
||||
- 금전적 보상 같은 외적 동기가 너무 크면, 즐거워서 하던 일(내적 동기)의 가치가 훼손되는 '과잉 정당화 효과(Over-justification effect)'가 발생할 수 있다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 게임 기획 시 단순히 '데일리 보상'만 뿌리는 것은 위험하다. 사용자가 보상 때문에 숙제처럼 게임을 하게 만들지 말고, 자신의 실력이 늘어가는 과정 자체를 즐기게 하는 '마스터리의 경험'을 설계해야 한다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Game Design Theory]] , [[Behavioral-Economics]]
|
||||
- Foundation: Cognitive-Biases
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
id: RECOM-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [ai, recommendation-system, collaborative-filtering, personalization, matrix-factorization]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Collaborative Filtering (협업 필터링)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "나와 취향이 비슷한 사람들이 좋아하는 것이라면, 나도 좋아할 확률이 높다" — 사용자들의 과거 행동 이력(구매, 평점 등)을 분석하여 유사한 취향의 집단을 찾고, 그들이 선호하는 아이템을 추천하는 기법.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 개별 아이템의 특징을 직접 분석하는 대신, 다수 사용자의 상호작용 데이터 속에 숨겨진 집단 지성 패턴을 추출하여 개인화된 추천을 수행하는 패턴.
|
||||
- **주요 방식:**
|
||||
- **User-based:** 비슷한 행동 패턴을 가진 사용자들을 찾아 그들이 소비한 아이템 추천.
|
||||
- **Item-based:** 특정 아이템을 소비한 사람들이 함께 소비한 다른 아이템 추천 (안정성이 높아 더 널리 쓰임).
|
||||
- **Model-based (Matrix Factorization):** 사용자-아이템 행렬을 저차원 잠재 공간으로 분해하여 숨겨진 선호도 파악 (예: SVD).
|
||||
- **의의:** 넷플릭스, 아마존, 유튜브 등 현대 디지털 서비스의 성장을 견인한 핵심 개인화 기술.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 데이터가 적은 초기 사용자에게 추천이 어려운 'Cold Start' 문제와 데이터 희소성(Sparsity) 문제가 한계로 지적됨. 현재는 딥러닝과 콘텐츠 기반 필터링(Content-based)을 결합한 하이브리드 모델이 주류.
|
||||
- **정책 변화:** Antigravity 프로젝트는 사용자에게 새로운 지식 문서를 추천할 때, 유사한 관심사를 가진 다른 연구자들의 탐색 경로를 분석하는 협업 필터링 로직을 실험적으로 적용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Personalization, [[Matrix-Factorization]], [[Deep-Learning]], Machine-Learning
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Collaborative-Filtering.md
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
id: FE-REACT-COMP-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [react, frontend, component-composition, reusability, modularity, design-patterns, clean-code]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Component Composition (컴포넌트 합성)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "상속(Inheritance)의 경직성 대신 합성(Composition)의 유연함을 선택하여, 작고 독립적인 컴포넌트들을 마치 레고 블록처럼 조합함으로써 거대하고 복잡한 시스템을 관리 가능한 수준으로 유지하라" — React 아키텍처의 핵심 설계 원칙 중 하나.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Containment and Specialization" — 자식 컴포넌트를 `props.children`으로 전달받아 렌더링하는 컨테인먼트 패턴과, 일반적인 컴포넌트를 구체적인 사례로 설정하는 특수화 패턴의 결합.
|
||||
- **주요 구현 기법:**
|
||||
- **Props.children:** 컴포넌트 내부의 구멍(Slot)을 열어두어 호출부에서 자유롭게 UI를 주입하게 함.
|
||||
- **Render Props:** 함수를 prop으로 전달하여 렌더링 로직을 외부에서 결정하게 함.
|
||||
- **HOC (High-Order Components):** 컴포넌트를 인자로 받아 기능을 강화된 새 컴포넌트를 반환 (최근에는 Custom Hooks로 많이 대체됨).
|
||||
- **의의:** 컴포넌트 간의 결합도를 낮추고(Decoupling), 비즈니스 로직과 UI 로직을 명확히 분리하여 코드의 재사용성과 테스트 용이성을 극대화함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거 객체지향 기반 프레임워크는 클래스 상속을 권장했으나, React 정책은 '상속보다 합성(Composition over Inheritance)' 정책을 절대적 원칙으로 고수함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 공용 UI 라이브러리 설계 시 '슬롯 기반 합성(Slot-based Composition)' 아키텍처를 강제하며, 3단계 이상의 깊은 Prop Drilling이 발생하는 경우 반드시 합성을 통해 구조를 재설계하도록 함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- React-Architecture, [[Custom-Hooks-Patterns]], Reusable-UI-Components, Scalable-React-Architecture
|
||||
- **Raw Source:** 00_Raw/Component Composition.md
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
title: 컴포넌트 설계 패턴 (Atomic & Composition)
|
||||
category: Software Architecture
|
||||
tags: [Design Pattern, Atomic Design, Composition, Architecture]
|
||||
created: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Component_Design_Patterns]] (컴포넌트 설계 패턴)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 컴포넌트는 작을수록 강하고, 단순할수록 재사용성이 극대화된다. 복잡한 컴포넌트는 여러 개의 작고 순수한(Pure) 컴포넌트로 해체하라.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Container-Presenter 패턴**:
|
||||
- **Container**: 데이터(State, API)를 가져오고 관리하는 '머리'.
|
||||
- **Presenter**: 오직 Props만 받아 화면을 그리는 '몸통'. 스타일과 UI 구조에만 집중하여 테스트 가능성을 높인다.
|
||||
- **Compound Components (복합 컴포넌트)**:
|
||||
- `<Select><Option /></Select>` 처럼 부모와 자식이 상태를 공유하며 하나의 긴밀한 기능을 수행하는 패턴. 사용자가 UI 구조를 자유롭게 배치할 수 있게 유연성을 제공한다.
|
||||
- **Atomic Design (원자 중심 설계)**:
|
||||
- Atom(버튼, 입력창) $\rightarrow$ Molecule(검색바) $\rightarrow$ Organism(헤더) $\rightarrow$ Template $\rightarrow$ Page.
|
||||
- 가장 하위의 Atom이 프로젝트 전반에서 동일한 디자인 언어인 '디자인 토큰'을 반영하게 한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 너무 과도한 컴포넌트 분할은 프로토타이핑 속도를 늦춘다. 처음에는 크게 짜고, 중복이 발생하거나 복잡도가 높아질 때 '사후적 리팩토링'을 통해 분리하는 것이 실무적으로 현명하다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: Project_Architecture_Guidelines , [[Styling_Governance]]
|
||||
- Design: [[Accessibility_Inclusivity]]
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-COCR-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.91
|
||||
tags: [auto-reinforced, computational-creativity, generative-ai, arts, innovation, algorithmic-art]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Computational Creativity]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "기계에게 영감을 입력하다: 인간만의 성역으로 여겨졌던 '창의성'을 컴퓨터 코드와 확률 모델로 구현하여, AI가 스스로 새로운 예술적 학술적 가치를 가진 결과물을 생성하고 인간의 창의성을 확장하게 돕는 도전적 영역."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
계산적 창의성(Computational Creativity)은 소프트웨어가 인간을 모방하거나 인간과 협업하여 창의적인 행위를 수행하도록 하는 연구 분야입니다.
|
||||
|
||||
1. **창의성의 3요소 (Margaret Boden)**:
|
||||
* **Combinational**: 기존 개념들의 새로운 조합.
|
||||
* **Exploratory**: 지식 공간 내부의 새로운 영역 탐색.
|
||||
* **Transformational**: 기존의 규칙 자체를 뒤집어 새로운 지형 생성.
|
||||
2. **왜 중요한가?**:
|
||||
* 단순 자동화를 넘어, 인간이 상상하지 못한 새로운 양식(Style)이나 전략을 발견하여 예술과 공학의 지평을 넓힘. (Arts와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 기계의 창작물을 '데이터 짜깁기 정책'으로 폄하했으나, 현대 정책은 예술의 본질이 결과물 자체의 가치와 수용자의 해석 정책에 있음을 인정하고 AI를 '메타 창작자 정책'으로 수용함(RL Update).
|
||||
- **정책 변화(RL Update)**: 저작권 및 창작자 보호 정책 수립 시, AI 생성물에 대한 법적 지위 정책과 '인간의 기여도 측정 정책'이 새로운 산업 표준 정책으로 자리 잡고 있음.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Arts]], [[Gen-AI]], [[Aesthetic-Value]], [[Authenticity]], [[Style-Transfer]]
|
||||
- **Modern Tech/Tools**: Stable Diffusion, Suno/Udio (Music), Sora (Video), Copilot for coding.
|
||||
---
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-COCR-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.92
|
||||
tags: [auto-reinforced, computational-creativity, generative-ai, art-science, creativity-model, innovation, intelligence]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Computational-Creativity]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "기계는 영감을 받을 수 있는가?: 인간의 고유 영역이라 믿었던 '창의성'을 알고리즘으로 모델링하여, AI가 단순히 학습데이터를 흉내 내는 수준을 넘어 새로운 규칙을 만들고 예술적 가치를 창출하게 만드는 지능의 최전선."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
계산적 창의성(Computational-Creativity)은 인공지능을 사용하여 창의적인 결과물을 생성하거나 인간의 창발적 사고 과정을 모델링하는 연구 분야입니다.
|
||||
|
||||
1. **창의성의 3원칙 (Margaret Boden)**:
|
||||
* **Combinational**: 기존 요소들의 새로운 조합.
|
||||
* **Exploratory**: 개념 공간(Conceptual Space)의 경계까지 탐구.
|
||||
* **Transformational**: 공간의 규칙 자체를 변화시켜 이전에 불가능했던 것을 가능케 함.
|
||||
2. **왜 중요한가?**:
|
||||
* AI가 단순 도구(Tool)를 넘어 창의적 파트너(Co-creator)로 진화하며, 음악, 미술, 문학은 물론 과학적 가설 수립 및 신약 개발 등 혁신 전반에 기여하기 때문임. (Synergy와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 "결과물이 좋으면 창의적이다"라는 결과 중심 정책(Output-centric)이었으나, 현대 정책은 AI 가 그 결과를 내기까지의 '의도 정책'과 '과정 정책'을 어떻게 평가하고 피드백할 것인가 하는 가치 평가 정책(Evaluation)을 더 중시함(RL Update).
|
||||
- **정책 변화(RL Update)**: 생성형 AI (LLM, Diffusion) 정책의 폭발적 보급으로 인해, 이제는 기술적 생성 정책보다는 '인간의 예술적 권위 정책'과 'AI 의 창작권 정책'에 대한 철학적, 법적 논의 정책이 계산적 창의성의 핵심 어젠다가 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Synergy]], Deep Learning (DL), [[Representation-Learning]], [[Structuralism]], [[Search-Strategy]]
|
||||
- **Key Models**: GANs, Variational Autoencoders (VAE), Genetic Algorithms.
|
||||
---
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: COMP-LING-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [nlp, linguistics, computational-linguistics, syntax, semantics]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Computational Linguistics (계산 언어학)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "언어의 규칙과 의미를 수학적 모델로 해독하라" — 자연어의 구조와 의미를 컴퓨터가 처리할 수 있도록 모델링하고 연구하는 학문으로, 현대 자연어 처리(NLP) 기술의 학문적 뿌리.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 문장의 통사론적(Syntax) 구조와 의미론적(Semantics) 연결 고리를 형식 언어 이론과 통계적 기법을 통해 전산화하는 분석 패턴.
|
||||
- **주요 연구 분야:**
|
||||
- **Syntax Analysis:** 문장의 품사 태깅(POS tagging), 구문 분석(Parsing).
|
||||
- **Semantics:** 단어와 문장의 의미 표현 (예: WordNet, Formal Semantics).
|
||||
- **Pragmatics:** 대화의 맥락과 상황에 따른 의미 변화 분석.
|
||||
- **Machine Translation:** 서로 다른 언어 구조 간의 매핑 및 변환.
|
||||
- **진화 과정:** 규칙 기반(Rule-based)에서 통계적 기반(Statistical)을 거쳐, 현재는 신경망 기반(Neural) 모델링이 주류를 이룸.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 언어학자가 직접 규칙을 정의하던 방식에서, 대규모 데이터로부터 언어의 규칙을 스스로 학습하는 딥러닝 방식으로 패러다임이 완전히 전환됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 LLM을 활용하되, 지식의 정합성을 검증하기 위해 계산 언어학적 구문 분석 도구들을 활용하여 문서의 논리 구조를 교차 확인함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- NLP, [[LLM]], [[Tokenization-Strategies]], [[Knowledge-Graph]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Computational-Linguistics.md
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-COAD-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, computer-aided-design, cad, engineering, architectural-design, manufacturing, optimization]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Computer-Aided-Design]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "상상을 현실로 만드는 정밀 설계도: 종이와 연필 대신 컴퓨터의 계산 능력을 빌려 복잡한 건축물부터 미세 칩까지의 기하학적 구조를 완벽하게 설계하고, 시뮬레이션을 통해 미리 부서뜨려보며 최적의 형태를 찾아내는 제조의 사령탑."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
컴퓨터 지원 설계(Computer-Aided-Design, CAD)는 설계 단계에서 컴퓨터 시스템을 사용하여 디자인의 생성, 수정, 분석 및 최적화를 수행하는 기술입니다.
|
||||
|
||||
1. **핵심 기능**:
|
||||
* **Geometric Modeling**: 2D 도면 및 3D 모델링 생성.
|
||||
* **Analysis and Simulation**: 응력 분석, 열 흐름 분석 등을 통해 생산 전 결함 예측. (Risk-Management와 연결)
|
||||
* **Technical Documentation**: 정확한 수치와 재료 명세를 포함한 상세 도면 자동화. (Specification와 연결)
|
||||
2. **왜 중요한가?**:
|
||||
* 디자인 오류로 인한 재작업 비용을 획기적으로 줄이고, 인간이 상상하기 힘든 정밀한 곡선과 복잡한 구조를 구현할 수 있게 하기 때문임. (Efficiency와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 인간이 선을 직접 긋는 '디지털 도구' 정책이었으나, 현대 정책은 AI 가 목표 성능 값(예: 강도는 높고 무게는 가볍게)만 주면 수천 가지 설계안을 제안하는 '생성적 설계(Generative Design) 정책'으로 패러다임이 전환됨(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 단순 도면 정책을 넘어, 설계 데이터가 생산 및 유지보수 전 단계와 연동되는 '디지털 트윈(Digital Twin) 정책'과 'PLM(Product Lifecycle Management)'의 핵심 엔진으로 기능함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Risk-Management]], [[Specification]], [[Efficiency]], [[Technical-Architecture]], Simulation
|
||||
- **Modern Tech/Tools**: AutoCAD, SolidWorks, CATIA, Generative Design.
|
||||
---
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-COMA-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.86
|
||||
tags: [auto-reinforced, concept-mapping, knowledge-management, visualization, mental-models, learning-strategy]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Concept Mapping]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "지식의 위상 지도: 개별 개념들을 노드로, 그들 사이의 관계를 선으로 연결하여 파편화된 정보를 하나의 거대한 의미망으로 시각화함으로써, 지식의 전체 구조와 빈틈을 한눈에 파악하게 돕는 전략적 사고 도구."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
콘셉트 매핑(Concept Mapping)은 아이디어와 정보 간의 관계를 그래픽으로 표현하는 기법입니다.
|
||||
|
||||
1. **주요 구성**:
|
||||
* **Concepts (Nodes)**: 명사 위주의 핵심 단어. (Atomic units)
|
||||
* **Linking Phrases (Edgy)**: "~은 ~의 원인이다", "~을 포함한다" 등 관계의 성격을 정의하는 동사/전치사.
|
||||
* **Hierarchy**: 가장 포괄적인 개념이 상단에 위치하여 하단으로 구체화되는 구조. (Bottom-Up-Approach와 대비)
|
||||
2. **왜 중요한가?**:
|
||||
* 학습자가 기존 지식과 새로운 정보를 어떻게 연결하고 있는지 시각적으로 증명하며, 오인하고 있는 개념(Misconception)을 발견하기 좋음.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 종이에 그리는 '개인용 정리 정책'에 그쳤으나, 현대 지식 경영 정책은 수만 개의 지식 카드를 실시간 가시화하고 자동으로 연결해주는 '디지털 지식 그래프 정책'으로 도약함(RL Update). (이 Wiki 시스템의 본질)
|
||||
- **정책 변화(RL Update)**: AI 에이전트가 방대한 문서를 읽고 자동으로 콘셉트 맵을 생성하여 인간에게 브리핑해주는 '지식 요약 자동화 정책'이 리서치 업무의 핵심 효율화 정책이 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Analysis]], [[Bottom-Up-Approach]], [[Knowledge synthesis]], Philosophy of Science, [[Strategic-Planning]]
|
||||
- **Modern Tech/Tools**: Obsidian (Graph View), CmapTools, Miro, MindMeister, Logseq.
|
||||
---
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
id: GSTACK-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [gstack, engineering-philosophy, product-thinking, concreteness, antigravity]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Concreteness Principle (구체성의 원칙)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "추상적인 아이디어는 환상일 뿐, 작동하는 코드가 진짜 지능이다" — Antigravity 프로젝트와 G-Stack 프레임워크의 핵심 철학으로, 모호한 개념을 구체적인 기술 스택, 데이터 구조, 실행 가능한 결과물로 즉각 전환하는 엔지니어링 원칙.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 문제를 해결할 때 "어떻게(How)"에 대한 추상적 논의를 최소화하고, "무엇을(What)" 구현할지 결정하여 즉시 프로토타이핑하고 검증하는 실행 중심 패턴.
|
||||
- **핵심 실천 사항:**
|
||||
- **Avoid Placeholders:** 위키 가드닝이나 코드 작성 시 "나중에 작성"과 같은 자리 표시자를 지양하고, 불완전하더라도 현재 가용한 최선의 구체적 내용을 채워넣음.
|
||||
- **Data-Driven Specs:** 요구사항을 정성적인 문구가 아닌 정량적인 지표(지연 시간, 정확도, 리소스 소모량 등)로 정의.
|
||||
- **Immediate Implementation:** 아이디어가 제안되면 즉시 그 실현 가능성을 증명하는 최소 기능 제품(MVP) 제작.
|
||||
- **Visual Excellence:** 디자인이나 UI 논의 시 구체적인 목업이나 생성된 이미지를 통해 시각적 합의 도출.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 화려한 기획서와 설계도 위주의 전통적 방식에서, "Talk is cheap, show me the code" 식의 철저한 결과 중심 아키텍처로 전환.
|
||||
- **정책 변화:** Antigravity 에이전트는 모든 지식 gardening 과정에서 '구체성의 원칙'을 최우선으로 준수하며, 사용자에게 모호한 약속 대신 구체적인 결과물(MD 파일, 실행된 명령 결과 등)을 즉각 제공함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- G-Stack-Core-Principles, Product-Thinking, Agile-Development, System-Design-for-AI-Scale
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Concreteness-Principle.md
|
||||
@@ -0,0 +1,36 @@
|
||||
# [[ConnectAI]] Dev Log - 2026.04.29 (v2.2.67)
|
||||
|
||||
## 📌 Brief Summary
|
||||
**ConnectAI (Brand: G1nation)** 프로젝트의 v2.2.67 스테이블 빌드 완료 보고. 주요 업데이트로는 에이전트 선택 영속화, [[P-Reinforce]] 위키화 규칙 정교화, 그리고 결과물 외부 내보내기(Export to MD) 기능이 포함됨.
|
||||
|
||||
## 🏷️ Metadata
|
||||
* **Context**: [[Software Development]], [[AI Agent Architecture]]
|
||||
* **Type**: [[Implementation (Log)]]
|
||||
* **Level**: [[Level: Meso]]
|
||||
|
||||
## 📖 Core Content
|
||||
|
||||
### 1. 주요 업데이트 상세
|
||||
* **에이전트 선택 영속화 (Agent Persistence)**:
|
||||
- 사용자가 사이드바에서 선택한 스킬(Default, Steve Jobs 등)을 VS Code `globalState`에 저장.
|
||||
- 재시작 시 이전 상태를 즉시 복구하여 사용자 경험(UX) 강화.
|
||||
* **[[P-Reinforce]] 위키화 규칙 고도화**:
|
||||
- 추상적 개념보다는 **실질적 내용, 일정, 방향성** 중심의 정리 프로세스 확립.
|
||||
- Raw ➔ Wiki ➔ Archive로 이어지는 데이터 생애주기 정책 적용.
|
||||
* **Export to MD 기능**:
|
||||
- AI 답변 하단에 '💾 Export' 버튼 추가.
|
||||
- `showSaveDialog`를 활용하여 로컬 파일 시스템에 마크다운 저장 기능 구현.
|
||||
|
||||
### 2. 기술 스택 및 구조
|
||||
* **Core**: `src/extension.ts` (Entry), `src/sidebarProvider.ts` (UI/Logic)
|
||||
* **Intelligence**: `src/agent.ts` (LLM Interface), `src/utils.ts` (FileSystem/Logic)
|
||||
* **External**: `src/bridge.ts` ([[Agent University]] Interface)
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
* **Upstream (Prerequisite)**: [[VS Code Extension API]], [[P-Reinforce Architecture]]
|
||||
* **Horizontal (Related)**: [[Ollama]], [[LM Studio]], [[G1nation]]
|
||||
* **Downstream (Next Step)**: [[Wiki Tree Auto-Insertion]], [[Prompt Engineering Optimization]]
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-29*
|
||||
*Reporter: AI 개발부장 코다리 🫡*
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: CONTEXT-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [ai, context-aware, ubiquitous-computing, personalization, user-experience]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Context-Aware Computing (상황 인지 컴퓨팅)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "말하지 않아도 사용자의 상황을 읽고, 그에 맞는 최적의 행동을 먼저 수행하라" — 사용자의 위치, 시간, 활동, 주변 환경 정보 등을 실시간으로 수집하고 분석하여 명시적인 명령 없이도 개인화된 서비스와 정보를 제공하는 지능형 컴퓨팅 패러다임.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 센서 데이터나 애플리케이션 로그 등 분산된 로우(Raw) 데이터를 '상황(Context)'이라는 고차원 의미 정보로 변환하고, 이를 서비스 로직에 반영하는 능동적 서비스 패턴.
|
||||
- **핵심 단계:**
|
||||
- **Context Acquisition:** GPS, 가속도계, 조도 센서, 네트워크 상태, 사용자 일정 등 데이터 수집.
|
||||
- **Context Modeling:** 수집된 정보를 기계가 이해할 수 있는 형식(온톨로지, 벡터 등)으로 구조화.
|
||||
- **Context Reasoning:** 모델링된 데이터를 바탕으로 사용자가 현재 무엇을 하고 있는지, 어떤 도움이 필요한지 추론.
|
||||
- **Adaptive Interaction:** 추론 결과에 따라 UI/UX를 변경하거나 서비스를 실행.
|
||||
- **의의:** 정적인 도구로서의 컴퓨터를 동적인 '디지털 비서'로 진화시킴.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 단순히 미리 정의된 규칙(If-Then)에 따라 작동하던 수준에서, 최근에는 LLM과 멀티모달 인식 기술을 결합하여 복잡하고 모호한 상황도 정교하게 인식함.
|
||||
- **정책 변화:** ConnectAI 프로젝트는 사용자의 현재 커서 위치, 열려 있는 파일 목록, Git 상태 등을 상황 정보로 활용하여 가장 관련성 높은 코드 제안과 지식 검색 결과를 제공함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Personalization, UX-Design, [[Sensor-Fusion]], Agentic-Workflow
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Context-Aware-Computing.md
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
id: CBA-AI-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [ai-business, strategy, cost-benefit-analysis, scalability, optimization]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Cost-Benefit Analysis in AI (AI에서의 비용 대비 편익 분석)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "모델의 파라미터 한 개가 만드는 가치가 그 연산 비용을 정당화하는지 측정하라" — AI 도입 시 발생하는 인프라, 학습, 유지보수 비용과 그로 인해 창출되는 비즈니스 가치, 효율성 향상, 위험 감소 효과를 정량적으로 비교 분석하는 전략적 틀.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 기술적 성능(Accuracy, F1 score 등) 향상이 실제 비즈니스 수익으로 연결되는 지점을 파악하고, 한계 효용이 감소하는 임계점을 결정하는 의사결정 패턴.
|
||||
- **주요 분석 항목:**
|
||||
- **Costs:** GPU 연산 비용, 데이터 수집 및 라벨링 비용, MLOps 인프라 구축비, 모델 서빙 지연 시간(Latency).
|
||||
- **Benefits:** 업무 자동화에 따른 인건비 절감, 예측 정확도 향상으로 인한 매출 증대, 사용자 경험(UX) 개선 및 리텐션 확보.
|
||||
- **Intangible Factors:** 브랜드 이미지 제고, 기술적 우위 선점, 데이터 보안 및 윤리적 리스크 방어.
|
||||
- **ROI 최적화 전략:** 모델 경량화, 오픈소스 활용 vs 자체 구축 선택, 점진적 도입(MVP 우선) 전략.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 단순히 '성능이 좋은 모델'을 찾던 초기 연구 중심적 사고에서, 현재는 '지속 가능한 비용 효율'을 고려하는 엔지니어링 및 비즈니스 관점으로 전환.
|
||||
- **정책 변화:** Antigravity 프로젝트는 새로운 AI 기능을 위키에 도입하기 전, 해당 기능이 제공하는 지식 검색의 질 향상이 서버 유지 비용을 상회하는지 비용 대비 편익 분석을 수행함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- System-Design-for-AI-Scale, Product-Thinking, Decision-Making, [[MLOps]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Cost-Benefit Analysis in AI.md
|
||||
@@ -0,0 +1,33 @@
|
||||
---
|
||||
id: PERF-CWV-CLS-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [core-web-vitals, cls, performance, ux, visual-stability, frontend-optimization, seo]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Cumulative Layout Shift: CLS (누적 레이아웃 이동)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "사용자가 읽거나 클릭하려는 순간 콘텐츠가 춤추듯 이동하는 '시각적 불안정성'을 제거하고, 0.08초 이내의 고정된 안정감을 제공하여 인지적 마찰을 차단하라" — 페이지의 전체 수명 동안 발생하는 예기치 않은 레이아웃 이동을 측정하는 Core Web Vitals의 핵심 사용자 경험 지표.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Predictive Space Allocation and Visual Isolation" — 콘텐츠가 로드되기 전에 브라우저가 필요한 공간을 미리 예약하여, 데이터 로딩 전후의 시각적 불일치를 제로로 만드는 패턴.
|
||||
- **CLS 발생의 주요 원인:**
|
||||
- **Sizeless Images/Ads:** 크기가 지정되지 않은 이미지나 동적 광고가 로드되면서 주변 콘텐츠를 밀어냄.
|
||||
- **Dynamic Content Injection:** 배너나 툴팁이 기존 콘텐츠 위쪽에 갑자기 삽입됨.
|
||||
- **FOIT/FOUT:** 웹 폰트 로딩 지연으로 인한 텍스트 크기 및 줄바꿈 변경.
|
||||
- **CLS 최적화 전략:**
|
||||
- **Explicit Dimensions:** 모든 미디어 요소에 `width`, `height` 또는 `aspect-ratio` 명시.
|
||||
- **Placeholder Reservation:** 광고 및 동적 요소 슬롯에 `min-height`를 활용한 공간 확보.
|
||||
- **CSS Transform:** 위치 이동 애니메이션 시 레이아웃 재계산을 유발하지 않는 `transform` 속성 사용.
|
||||
- **Font Display:** `font-display: swap` 설정을 통해 텍스트 구조 변동 최소화.
|
||||
- **의의:** 시각적 안정성을 확보함으로써 오클릭(Misclick)을 방지하고, 검색 엔진 랭킹 점수를 높이며 사용자의 신뢰도를 향상시킴.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 CLS 우수 기준이 0.1이었으나, 2025년 Google 정책 업데이트를 기점으로 0.08 미만(25% 강화)으로 더욱 엄격해짐.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 UI 컴포넌트에 대해 'Zero Layout Shift' 정책을 강제하며, 빌드 타임에 이미지 크기 미지정 요소를 자동 검출하여 오류를 발생시키는 정책을 시행함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Core-Web-Vitals]], LCP-Largest-Contentful-Paint, INP-Interaction-to-Next-Paint, Web-Performance-Optimization, SEO-Foundations
|
||||
- **Raw Source:** 00_Raw/CLS (Cumulative Layout Shift).md
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: FE-REACT-CUSTOM-HOOK-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [react, frontend, custom-hooks, dry, refactoring, separation-of-concerns, business-logic]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Custom Hooks Patterns (커스텀 훅 패턴)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "UI 렌더링과 비즈니스 로직을 날카롭게 분리하고, 반복되는 로직을 독립적인 함수로 캡슐화하여 컴포넌트의 가독성과 테스트 가능성을 극대화하라" — React에서 로직 재사용의 가장 강력하고 유연한 표준 방식.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Logic Decoupling and Reusable Abstraction" — 데이터 패칭, 상태 관리, 이벤트 리스너 등록 등의 횡단 관심사를 컴포넌트 밖으로 추출하여 `useX`라는 이름의 커스텀 인터페이스로 추상화하는 패턴.
|
||||
- **주요 적용 사례:**
|
||||
- **Data Fetching:** `useFetch`, `useQuery` 등을 통해 로딩/에러 상태와 데이터 처리 로직 공유.
|
||||
- **Form Management:** `useForm`을 통해 입력값 바인딩 및 유효성 검사 로직 재사용.
|
||||
- **Global State / Storage:** `useLocalStorage`, `useAuth` 등을 통해 외부 상태와의 동기화.
|
||||
- **설계 원칙:**
|
||||
- **Naming:** 반드시 `use` 접두사로 시작하여 훅임을 명시.
|
||||
- **Co-location:** 특정 도메인에 국한된 훅은 해당 도메인 폴더에, 범용 훅은 `src/hooks`에 배치.
|
||||
- **의의:** 중복 코드를 제거(DRY)하고, 복잡한 컴포넌트의 인지적 부하를 줄여 유지보수 비용을 획기적으로 낮춤.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 과거에는 로직 재사용을 위해 고차 컴포넌트(HOC)나 Render Props를 사용했으나, 훅 도입 이후 이러한 방식은 'Wrapper Hell'을 유발하는 지양해야 할 정책으로 간주됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 30라인 이상의 비즈니스 로직을 포함하는 컴포넌트 개발 시 반드시 커스텀 훅으로의 분리를 검토하도록 강제하며, 훅 내부에서 사이드 이펙트(Effect) 발생 시 명확한 클린업 로직을 포함하는 것을 정책화함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[React-Hooks]], [[DRY-Principle]], [[Clean-Code-Principles]], [[Component-Composition]]
|
||||
- **Raw Source:** 00_Raw/Custom Hooks.md
|
||||
@@ -0,0 +1,33 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-CJMA-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, customer-journey-map, cjm, service-design, user-experience, touchpoints, behavior-analysis]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Customer-Journey-Mapping]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "사용자의 감정 소설: 제품과 처음 만나는 인지 단계부터 이탈하거나 충성 고객이 되는 전 과정을 시간 순서대로 나열하고, 각 접점에서의 페인 포인트(Pain point)를 시각화하여 혁신의 지점(Leverage point)을 발견하는 도구."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
고객 여정 지도(Customer-Journey-Mapping, CJM)는 고객이 목표를 달성하기 위해 겪는 일련의 경험을 시각적으로 나타낸 것입니다.
|
||||
|
||||
1. **구성 요소**:
|
||||
* **Stages**: 인지 -> 고려 -> 구매 -> 사용 -> 지지 등의 단계.
|
||||
* **Touchpoints**: 사용자가 제품과 상호작용하는 구체적 지점 (앱 화면, 고객 센터 등).
|
||||
* **Actions & Thoughts**: 각 단계에서 사용자가 행동하고 생각하는 것.
|
||||
* **Emotional Score**: 사용자의 기쁨과 좌절의 굴곡을 그래프화. (Sensitivity-Analysis와 대비).
|
||||
* **Opportunities**: 좌절이 발생하는 지점에서 우리가 해결할 수 있는 기회 발굴.
|
||||
2. **왜 중요한가?**:
|
||||
* 공급자 중심의 시각에서 벗어나 '사용자의 관점(UX)'으로 비즈니스를 재정의하게 하기 때문임. (Continuous-Discovery와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 완벽한 한 장의 '보고서 정책'으로 끝냈으나, 현대 정책은 실제 로그 데이터와 연동되어 실시간으로 변하는 '살아있는 지도 정책(Dynamic CJM)'을 지향함(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 개인화 AI 정책이 적용되면서 모든 사용자가 동일한 여정 정책을 걷지 않게 되었으며, 수천만 개의 개별 여정 정책을 AI 가 클러스터링(Clustering)하여 패턴 정책을 추출하는 방식으로 진화 중임. (Data-Science-in-UX와 연결)
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Continuous-Discovery]], [[Data-Science-in-UX]], [[Sensitivity-Analysis]], Service-Design, UX-Design-and-Engagement
|
||||
- **Key Goal**: Empathy for the user (Empathy Map).
|
||||
---
|
||||
@@ -0,0 +1,33 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-DAGD-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, dag, dependency-management, directed-acyclic-graph, software-architecture, devops, efficiency]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[DAG-Dependency-Management]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "순환 없는 흐름의 지도: 복잡하게 얽힌 부품들의 선후 관계를 방향성 있는 비순환 그래프(DAG)로 정의하여, 무엇을 먼저 실행하고 무엇을 병렬로 처리할지 결정하는 현대 소프트웨어 공학의 교통 정제 시스템."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
DAG 기반 의존성 관리(DAG-Dependency-Management)는 시스템 구성 요소 간의 관계를 단방향 그래프로 모델링하여 관리하는 기법입니다.
|
||||
|
||||
1. **핵심 개념**:
|
||||
* **Nodes**: 개별 태스크나 모듈.
|
||||
* **Directed Edges**: 의존 관계 (A -> B : B를 하려면 A가 먼저 끝나야 함).
|
||||
* **Acyclic (비순환)**: 순환 참조(A->B->A)가 없어 무한 루프나 교착 상태가 발생하지 않음.
|
||||
2. **활용 사례**:
|
||||
* **Build Systems**: 변경된 파일과 그에 의존하는 파일만 똑똑하게 빌드 (Next.js, Vite). (Efficiency와 연결)
|
||||
* **Data Pipelines**: 데이터 처리 단계의 순서 보장 (Airflow, dbt).
|
||||
* **Package Managers**: 라이브러리 간 버전 충돌 해결 (npm, yarn).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 순차적 실행 정책(Sequence)에만 집중했으나, 현대 정책은 DAG 분석 정책을 통해 의존성이 없는 노드들을 자동으로 묶어 '최대 병렬성 정책(Maximum Parallelism)'을 확보하는 방향으로 진화함(RL Update). (Scalability와 연결)
|
||||
- **정책 변화(RL Update)**: 이제는 단순 빌드 정책을 넘어, 분산 시스템의 서비스 간 호출 관계 정책이나 대규모 모노레포 정책의 변경 영향도 정책을 실시간으로 계산하는 핵심 도구로 쓰임.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Efficiency]], [[Scalability]], [[Technical-Architecture]], [[Standard-Operating-Procedure]], [[Management]]
|
||||
- **Key Mathematics**: Topological Sorting (위상 정렬).
|
||||
---
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-DDDT-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.97
|
||||
tags: [auto-reinforced, ddd, typescript, domain-driven-design, software-architecture, tactical-patterns, modularity]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[DDD-in-TypeScript]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "코드로 비즈니스를 그리다: 단순히 데이터베이스 테이블을 다루는 것을 넘어, '장바구니', '주문', '회원' 등 실제 비즈니스의 복잡한 개념과 규칙을 타입스크립트의 강력한 타입 시스템으로 형상화하여 소통의 오류를 차단하는 설계법."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
TS 기반 도메인 주도 설계(DDD-in-TypeScript)는 비즈니스 도메인의 복잡성을 해결하기 위해 도메인 모델을 중심에 두는 개발 전략을 타입스크립트 생태계에 적용한 것입니다.
|
||||
|
||||
1. **핵심 전술적 패턴**:
|
||||
* **Entities & Value Objects**: 식별자가 있는 객체와 값 자체로 의미를 갖는 객체 구분. (Value-Objects와 연결)
|
||||
* **Aggregates**: 데이터 변경의 일관성을 유지하는 단위.
|
||||
* **Repositories**: 데이터 접근 정책을 도메인 로직과 분리.
|
||||
* **Domain Services**: 여러 엔티티에 걸친 비즈니스 로직 처리.
|
||||
2. **왜 중요한가?**:
|
||||
* 비즈니스 요구사항 정책이 복잡해질수록 '데이터와 로직이 파편화'되는 것을 막고, 기술적 용어가 아닌 비즈니스 용어로 코드를 작성하게 하여 대규모 프로젝트의 장기적 유지보수성 정책을 확보하기 때문임. (Terminology와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거 Java/C# 중심의 DDD 정책은 과도한 클래스 구조 정책 정책으로 인해 JS 환경에서는 무겁게 느껴졌으나, 현대 TS 정책은 인터페이스와 함수형 프로그래밍 정책을 결합하여 가벼우면서도 강력한 DDD 정책을 구현함(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 단순 서버 측 설계 정책을 넘어, 프론트엔드에서도 도메인 모델 정책을 유지하여 클라이언트-서버 간의 '유비쿼터스 언어 정책'을 일치시키는 전사적 설계 정책이 강조됨. (Standard-Operating-Procedure와 연결)
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Value-Objects, [[Terminology]], [[Standard-Operating-Procedure]], [[Technical-Architecture]], [[System-Theory]]
|
||||
- **Key Concepts**: Ubiquitous Language, Bounded Context.
|
||||
---
|
||||
@@ -0,0 +1,30 @@
|
||||
---
|
||||
id: FLYWHEEL-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 1.0
|
||||
tags: [ai-strategy, business, data-flywheel, network-effect, scaling]
|
||||
last_reinforced: 2026-04-26
|
||||
---
|
||||
|
||||
# Data Flywheel Effect (데이터 플라이휠 효과)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "데이터가 지능을 만들고, 지능이 사용자를 모으며, 사용자가 다시 더 좋은 데이터를 가져온다" — 더 나은 제품이 더 많은 데이터를 부르고, 그 데이터가 모델을 개선하여 다시 제품의 경쟁력을 높이는 AI 비즈니스의 핵심 성장 엔진.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 초기 구축(Cold Start) 단계만 넘어서면 데이터의 축적이 가속화되어 경쟁자가 따라올 수 없는 해자(Moat)를 형성하는 선순환 가속 패턴.
|
||||
- **선순환 단계:**
|
||||
1. **Better Model:** 강력한 AI 모델 구축.
|
||||
2. **Better Product/UX:** 모델을 기반으로 뛰어난 사용자 경험 제공.
|
||||
3. **More Users:** 만족한 사용자들이 늘어남.
|
||||
4. **More Data:** 사용자의 상호작용을 통해 대규모의 고품질 데이터 수집.
|
||||
5. **Model Improvement:** 수집된 데이터를 학습에 반영하여 모델 고도화 (1번으로 회귀).
|
||||
- **의의:** AI 기업이 단순히 알고리즘 경쟁력이 아닌 '데이터 네트워크 효과'를 통해 시장 지배력을 확보하는 원리 설명.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 단순히 데이터의 '양'만 많으면 선순환이 일어난다고 믿었으나, 최근에는 데이터의 '품질'과 '정렬(Alignment)'이 동반되지 않으면 모델이 오염될 수 있다는 경각심이 높아짐.
|
||||
- **정책 변화:** Antigravity 프로젝트는 위키 가드닝 과정을 통해 고품질의 지식을 축적함으로써, 에이전트의 추론 능력이 시간이 갈수록 강화되는 '지식 플라이휠' 구조를 지향함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Concept-Drift]], [[Reinforcement-Learning-from-Human-Feedback-RLHF]], Product-Thinking, [[Strategic-Thinking]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Data-Flywheel-Effect.md
|
||||
@@ -0,0 +1,31 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-DSUX-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, data-science, ux, user-experience, quantitative-analysis, a-b-testing, behavioral-data]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Data-Science-in-UX]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "경험의 정량화: '사용자가 좋아하는 것 같다'는 주관적 느낌 대신, 수백만 건의 클릭 로그와 잔류 시간 데이터를 분석하여 어떤 디자인이 진짜로 사용자의 가치를 높였는지 숫자로 증명하는 디자인 심판관."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
UX 데이터 과학(Data-Science-in-UX)은 대규모 사용자 행동 데이터를 수집하고 분석하여 사용자 경험을 개선하기 위한 데이터 기반 디자인 방법론입니다.
|
||||
|
||||
1. **3대 분석 기법**:
|
||||
* **A/B Testing**: 두 가지 시안 중 어떤 것이 목표 지표(클릭률, 구매 전환 등) 개선에 효과적인지 실험.
|
||||
* **Cohort Analysis**: 특정 시기에 유입된 사용자 그룹의 유지율 및 행동 패턴 추적.
|
||||
* **Funnel Analysis**: 사용자가 각 단계(Touchpoint)에서 얼마나 이탈하는지 병목 현상 파악. (Customer-Journey-Mapping와 연결)
|
||||
2. **왜 중요한가?**:
|
||||
* 디자이너의 직관(Intuition)과 데이터의 객관성(Data-driven) 사이의 가교 역할을 하여, 가장 효과적인 제품 개선 우선순위를 결정하기 때문임. (Priority와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거에는 "숫자는 감정을 설명하지 못한다"며 정성 조사(Qualitative)만 중시했으나, 현대 정책은 숫자가 말해주는 '현상 정책'과 인터뷰가 말해주는 '이유'를 결합한 '믹스-메소드(Mixed Methods) 정책'이 표준이 됨(RL Update). (Scientific-Method와 연결)
|
||||
- **정책 변화(RL Update)**: 이제는 단순 통계 분석 정책을 넘어, AI 가 사용자의 실시간 감정 정책이나 불만족 정책을 예측하여 선제적으로 UI를 변경하는 '예측형 인터페이스 정책(Predictive UI)'으로 진화 중임.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Customer-Journey-Mapping]], [[Scientific-Method]], Priority, [[Efficiency]], [[Analysis]], [[Sensitivity-Analysis]]
|
||||
- **Key Concepts**: HEART framework (Google), North Star Metric.
|
||||
---
|
||||
@@ -0,0 +1,28 @@
|
||||
---
|
||||
id: P-REINFORCE-AI-DTO
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.99
|
||||
tags: [SoftwareEngineering, DesignPatterns, DTO, Performance]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Data-Transfer-Object-Design]] (데이터 전송 객체 설계)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "배달 박스를 효율적으로 포장하여 왕복 횟수를 줄이는 일." 프로세스 간 통신 시 데이터를 묶어서 전달함으로써 네트워크 비용을 절감하고 레이어 간의 결합도를 낮추는 순수 데이터 바구니다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Definition**:
|
||||
- 로직(Behavior)을 가지지 않고 데이터(Properties)만 담고 있는 객체.
|
||||
- 주로 클라이언트와 서버, 또는 서비스 레이어와 컨트롤러 사이에서 데이터를 주고받을 때 사용한다.
|
||||
- **Role**:
|
||||
- **Contract Separation**: DB 엔티티(Entity)를 외부에 노출하지 않고, 필요한 정보만 골라 담아 보안 및 구조적 유연성 확보.
|
||||
- **Performance**: 여러 번의 호출(Fine-grained)을 한 번의 뭉텅이 호출(Coarse-grained)로 바꿔 네트워크 지연 최소화.
|
||||
- **Comparison**: **Entity**(DB와 1:1 매칭, 로직 포함 가능) vs **DTO**(전송용, 직렬화 필수).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 엔티티와 DTO가 거의 동일한 경우가 많아 '중복 코드'라는 비판을 받기도 한다. 하지만 시스템이 커질수록 엔티티의 변경이 API 스펙을 강제로 바꾸는 대참사를 막기 위해 이 분리는 필수적인 보험이다. 최근에는 AutoMapper 같은 도구로 이 변환 과정을 자동화하거나, Java의 `record` 같은 간결한 문법을 활용한다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: Domain-Driven-Design (DDD) , Software-Architecture
|
||||
- Contra: Active-Record-Pattern
|
||||
@@ -0,0 +1,32 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-DESP-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, dead-space, diegetic-ui, immersive-sim, horror-game, ludo-narrative-consistency, game-design]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Dead-Space-Series]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "UI의 혁명, 몰입의 정수: 체력바와 아이템 창을 게임 화면 밖이 아닌 주인공의 등에 달린 장치와 홀로그램으로 구현하여, 플레이어가 '게임'을 하고 있다는 인식을 잊고 '공포' 그 자체에 고립되게 만든 다이제틱 디자인의 교과서."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
데드 스페이스 시리즈(Dead-Space-Series)는 Visceral Games가 개발한 SF 서바이벌 호르 게임으로, 게임 디자인 역사상 가장 혁신적인 UI/UX 사례로 꼽힙니다.
|
||||
|
||||
1. **Diegetic UI (다이제틱 UI)**:
|
||||
* **Health Gauge (RIG)**: 주인공 아이작의 척추에 부착된 빛나는 게이지로 체력 표시.
|
||||
* **Inventory/Map**: 허공에 투사되는 홀로그램 형태로, 게임이 일시 정지되지 않은 상태에서 실시간으로 조작. (Immersive-Sim와 연결)
|
||||
2. **Strategic Dismemberment (전략적 사지 절단)**:
|
||||
* 단순히 머리를 쏘는 것이 아니라, 적의 다리나 팔을 잘라 이동과 공격을 저지하는 독특한 전투 시스템.
|
||||
3. **왜 중요한가?**:
|
||||
* 시스템(UI)과 서사(몰입)의 결합 정책을 통해 '루도-내러티브 일관성'을 극대화했기 때문임.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거 게임들은 정보 전달을 위해 화면을 가리는 UI 정책 정책이 당연시되었으나, 데드 스페이스 정책은 모든 정보 정책을 게임 세계관 안으로 녹여내는 '무(無) UI' 정책이 훨씬 더 강력한 공포와 몰입 정책을 만든다는 것을 입증함(RL Update).
|
||||
- **정책 변화(RL Update)**: 리메이크판(2023)에서는 원작의 다이제틱 UI 정책을 현대적인 그래픽 환경에서 더욱 세밀하게 다듬었으며, 로딩 없는 심리스(Seamless) 구조 정책을 완성하여 시스템적 몰입 정책의 정점을 찍음.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Immersive-Sim, UX-Design-and-Engagement, Ludo-narrative Dissonance, [[Game-Design-Theory]], Simulation
|
||||
- **Key Developer**: Glen Schofield, Visceral Games.
|
||||
---
|
||||
@@ -0,0 +1,30 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-DEGR-001
|
||||
category: "10_Wiki/💡 Topics/AI"
|
||||
confidence_score: 0.88
|
||||
tags: [auto-reinforced, deep-grammar, linguistics, noam-chomsky, generative-grammar, syntax]
|
||||
last_reinforced: 2026-04-20
|
||||
---
|
||||
|
||||
# [[Deep-Grammar]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "언어의 설계도: 우리가 말하는 표면적인 문장 너머에 존재하는, 인류 보편적인 논리 구조와 규칙들의 집합을 탐구하여 언어가 어떻게 생성되고 이해되는지 규명하려는 언어학의 심층적 시각."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
심층 문법(Deep-Grammar)은 놈 촘스키(Noam Chomsky)의 변형 생성 문법 이론에서 나온 개념으로, 문장의 표면적 형태(Surface Structure) 기저에 있는 추상적 의미 구조를 의미합니다.
|
||||
|
||||
1. **핵심 개념**:
|
||||
* **Universal Grammar**: 모든 인간 언어가 공유하는 기본 구조가 뇌에 생득적으로 각인되어 있다는 가설.
|
||||
* **Transformation Rules**: 심층 구조의 의미를 유지하면서 실제 말하기에 적합한 표면 구조로 변환하는 규칙.
|
||||
2. **왜 중요한가?**:
|
||||
* 단순히 단어의 나열이 아닌, 복잡한 위계 구조를 통해 무한한 문장을 만들어내는 인간 지능의 '언어 생성 능력'을 설명함. (Gen-AI의 언어적 모태와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌**: 과거 언어학 정책은 외부 행동 분석(행동주의)에 치중했으나, 심층 문법 정책은 내부의 '보편적 하드웨어 구조 정책'으로 시선을 돌림(RL Update).
|
||||
- **정책 변화(RL Update)**: 현대 LLM 정책은 촘스키의 엄격한 규칙 기반 구조 정책보다는 '통계적 확률 분포 정책'으로 작동하지만, 모델 내부에서 고차원적인 문법 구조를 스스로 재구성한다는 사실이 밝혀지며 심층 문법적 해석 정책이 다시 주목받고 있음.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Gen-AI]], Philosophy of Science, [[Analysis]], [[Psychology & Behavior]], [[Cognitive Biases]]
|
||||
- **Modern Tech/Tools**: Syntactic parsing, Transformer attention maps, NLP analysis.
|
||||
---
|
||||
Some files were not shown because too many files have changed in this diff Show More
Reference in New Issue
Block a user