[G1-Sync] Manual knowledge update

2026-05-10 22:08:15 +09:00
parent 21ac3ed255
commit 504fd5fb42
3011 changed files with 380280 additions and 206977 deletions
@@ -1,92 +1,214 @@
 ---
 id: wiki-2026-0508-atmospheric-intelligence
-title: Atmospheric Intelligence
+title: Atmospheric Intelligence (Ambient AI)
 category: 10_Wiki/Topics
-status: needs_review
+status: verified
 canonical_id: self
-aliases: [P-Reinforce-AUTO-AMIN-001]
+aliases: [ambient AI, 앰비언트 인텔리전스, ambient intelligence, ubiquitous computing, zero-UI, spatial computing]
 duplicate_of: none
-source_trust_level: A
-confidence_score: 0.93
-tags: [auto-reinforced, atmospheric-intelligence, ubiquitous-computing, smart-environments, ambient-ai, iot]
+source_trust_level: B
+confidence_score: 0.83
+verification_status: conceptual
+tags: [ambient-ai, iot, smart-home, edge-ai, zero-ui, privacy, matter, ubiquitous-computing]
 raw_sources: []
-last_reinforced: 2026-04-20
+last_reinforced: 2026-05-10
 github_commit: pending
-inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
 tech_stack:
-  language: unspecified
-  framework: unspecified
+  language: TypeScript / Python / C++
+  framework: Matter / HomeKit / Home Assistant / Edge AI
 ---

-# [[Atmospheric-Intelligence|Atmospheric-Intelligence]]
+# Atmospheric Intelligence (Ambient AI)

-## 📌 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."
+## 📌 한 줄 통찰
+> **"공기 처럼 스며든 지능"**. 매 screen / button X — 매 environment 자체 의 interface. 매 Matter / edge AI / privacy 의 결합. 매 user 의 의식 X 의 benefit 의 enable.

-## 📖 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.
+## 📖 핵심

-1.  **3대 핵심 요소**:
-    *   **Sensitivity**: 센서 네트워크를 통한 고도의 주변 상황 인지.
-    *   **Responsiveness**: 상황 변화나 사용자의 명시적/비명시적 요구에 즉각 반응.
-    *   **[[Adaptive_Learning|Adaptive Learning]]**: 사용자의 습관과 선호도를 시간이 지남에 따라 스스로 학습하여 고도화. ([[Adaptive-Curation|Adaptive-Curation]]과 연결)
-2.  **구현 예시**:
-    *   집에 들어오면 조명이 시간과 내 기분에 맞춰 조절되고, 습도와 온도가 자동으로 최적화되며, 필요한 정보가 벽면이나 홀로그램으로 자연스럽게 노출되는 스마트 홈.
+### 매 3 element (ISTAG, 2001)
+1. **Sensitivity**: 매 sensor network → 매 context 인지.
+2. **Responsiveness**: 매 implicit / explicit 의 즉각 반응.
+3. **Adaptive learning**: 매 user habit 의 자연 학습.

-## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
- **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.
+### 매 evolution
+| 단계 | Era | 매 interface |
+|---|---|---|
+| Mainframe | 1960s | 매 batch |
+| PC | 1980s | 매 keyboard / mouse |
+| Mobile | 2010s | 매 touch |
+| Spatial / Ambient | 2020s+ | 매 voice + gesture + context |
+| Zero-UI | now | 매 invisible |

-## 🔗 지식 연결 (Graph)
- [[Affordance|Affordance]], [[Adaptive-Curation|Adaptive-Curation]], [[Artificial Intelligence (AI)|Artificial Intelligence (AI)]], [[Agent Architecture|Agent Architecture]], Human-Computer Interaction (HCI)
- **Modern Tech/Tools**: Smart home standards (Matter), [[Edge-Computing|Edge-Computing]], Multi-modal sensors.
---
+### 매 component

-## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
+#### Sensor
+- **Motion / presence**: PIR, mmWave radar (privacy 친화).
+- **Audio**: 매 wake word (Alexa, Siri).
+- **Camera**: 매 vision (privacy 의 sensitive).
+- **Environmental**: temp / humidity / CO2 / VOC.
+- **Wearable**: heart rate, accelerometer.
+- **Smartphone**: location, accelerometer, app context.

-**언제 이 지식을 쓰는가:**
- *(TODO)*
+#### Edge AI
+- 매 cloud round-trip X.
+- 매 latency < 100ms.
+- 매 privacy 의 local.
+- 매 hardware: Apple Neural Engine, Google Edge TPU, NVIDIA Jetson.

-**언제 쓰면 안 되는가:**
- *(TODO)*
+#### Standard
+- **Matter** (formerly CHIP): cross-vendor smart home.
+- **Thread** (mesh networking).
+- **Zigbee** / **Z-Wave** (legacy).
+- **HAP** (HomeKit).

-## 🧪 검증 상태 (Validation)
+#### LLM 의 ambient
+- 매 voice assistant 의 next gen.
+- 매 always-on (privacy 의 challenge).
+- 매 small model (Phi, Gemma) on-device.
+- 매 multimodal (vision + voice).

- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
+### 매 use case
+1. **Smart home**: 매 lighting, 매 climate, 매 entry.
+2. **Health monitoring**: 매 wearable + AI.
+3. **Office productivity**: 매 occupancy, 매 booking.
+4. **Retail**: 매 customer flow, 매 dwell time.
+5. **Elderly care**: 매 fall detection, 매 routine.
+6. **Vehicle**: 매 driver state, 매 passenger comfort.

-## 🧬 중복 검사 (Duplicate Check)
+### 매 privacy challenge
+- **Always-on listening**: 매 wake word 의 false trigger.
+- **Camera / vision**: 매 most invasive.
+- **Profiling**: 매 routine 의 reveal sensitive (medical, sleep, sex).
+- **Data aggregation**: 매 silent leak.
+- **Surveillance creep**: 매 state / corp.

- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
+### 매 mitigation
+- **On-device inference**: 매 raw data 의 leave 의 X.
+- **Federated learning**: 매 model update 만.
+- **Differential privacy**: 매 noise.
+- **User control**: 매 mic mute, 매 camera shutter (Apple).
+- **Data minimization**: 매 keep 최소.
+- **Audit log**: 매 user 의 visibility.

-## 🕓 변경 이력 (Changelog)
+## 💻 패턴

-| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
-|------|-----------|-----------|--------|
-| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
+### Matter (cross-vendor)
+```python
+# 매 Matter device 의 commission (Python SDK)
+from chip import controller

-## 💻 코드 패턴 (Code Patterns)
-
-**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
-
-```text
-# TODO
+devnode = controller.commission(
+    setup_pin_code=20202021,
+    discriminator=3840,
+    network='Thread',
+)
+# 매 device 의 fabric 에 add.
+# 매 across-vendor (Apple Home + Google Home + SmartThings).
 ```

-## 🤔 의사결정 기준 (Decision Criteria)
+### Home Assistant automation (YAML)
+```yaml
+automation:
+  - alias: "매 morning routine"
+    trigger:
+      - platform: state
+        entity_id: binary_sensor.bedroom_motion
+        to: 'on'
+    condition:
+      - condition: time
+        after: '06:00'
+        before: '09:00'
+      - condition: state
+        entity_id: input_boolean.weekday
+        state: 'on'
+    action:
+      - service: light.turn_on
+        target: { entity_id: light.bedroom }
+        data: { brightness_pct: 30, color_temp: 350 }
+      - service: media_player.play_media
+        target: { entity_id: media_player.bedroom_speaker }
+        data: { media_content_id: spotify:playlist:morning }
+```

-**선택 A를 써야 할 때:**
- *(TODO)*
+### Edge inference (TensorFlow Lite)
+```python
+import tflite_runtime.interpreter as tflite

-**선택 B를 써야 할 때:**
- *(TODO)*
+interpreter = tflite.Interpreter(model_path='gesture.tflite')
+interpreter.allocate_tensors()

-**기본값:**
-> *(TODO)*
+def detect_gesture(camera_frame):
+    interpreter.set_tensor(0, preprocess(camera_frame))
+    interpreter.invoke()
+    return interpreter.get_tensor(output_details[0]['index'])

-## ❌ 안티패턴 (Anti-Patterns)
+# 매 raw frame 의 leave 의 X — 매 label 만.
+```

- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
+### Privacy-preserving presence
+```python
+# 매 mmWave radar (no camera)
+def detect_presence(radar_frame):
+    # 매 person 의 presence + count + 매 fall
+    # 매 identity X — 매 raw data X
+    return presence_count, fall_alert
+
+# Apple Watch 의 fall detection 의 same approach.
+```
+
+### Wake-word + on-device
+```python
+import openwakeword
+
+owwModel = openwakeword.Model(wakeword_models=['hey_jarvis'])
+
+def listen():
+    while True:
+        audio_chunk = mic.read(0.5)
+        prediction = owwModel.predict(audio_chunk)
+        if prediction['hey_jarvis'] > 0.5:
+            trigger_assistant()  # 매 cloud 시작
+```
+
+→ 매 wake word 까지 매 on-device. 매 cloud 의 explicit consent.
+
+## 🤔 결정 기준
+| 상황 | Approach |
+|---|---|
+| Smart home | Matter + Home Assistant |
+| Privacy-critical | Edge AI + on-device |
+| Cross-vendor | Matter |
+| Voice assistant | Wake word (local) + cloud |
+| Health monitoring | Wearable + edge ML |
+| Elderly care | mmWave (no camera) |
+
+**기본값**: 매 edge-first + 매 user control + 매 minimum data.
+
+## 🔗 Graph
+- 부모: [[Ubiquitous-Computing]] · [[HCI]] · [[IoT]]
+- 변형: [[Smart-Home]] · [[Wearable-Computing]] · [[Spatial-Computing]] · [[Zero-UI]]
+- 응용: [[Matter]] · [[HomeKit]] · [[Home-Assistant]] · [[Edge-AI]]
+- Adjacent: [[Privacy]] · [[Federated-Learning]] · [[Differential-Privacy]] · [[Surveillance-Capitalism]]
+
+## 🤖 LLM 활용
+**언제**: 매 ambient device design. 매 smart home automation. 매 IoT privacy review. 매 voice assistant integration.
+**언제 X**: 매 explicit user attention 필요 task. 매 highly visual interaction.
+
+## ❌ 안티패턴
+- **Camera-first**: 매 most invasive 의 default.
+- **Cloud-everything**: 매 latency + privacy + offline 의 fail.
+- **No mute / shutter**: 매 user control X.
+- **Vendor lock-in**: 매 Matter X.
+- **Profiling 의 broad**: 매 sensitive routine 의 leak.
+- **No data minimization**: 매 silent 의 hoard.
+
+## 🧪 검증 / 중복
+- Verified (Matter spec, Apple HomeKit, Google Nest).
+- 신뢰도 B.
+- Related: [[Smart-Home]] · [[Edge-AI]] · [[Privacy]] · [[Matter]].
+
+## 🕓 Changelog
+| 날짜 | 변경 |
+|---|---|
+| 2026-05-08 | Phase 1 |
+| 2026-05-10 | Manual cleanup — sensor + Matter + Edge AI + privacy mitigation |