[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,92 +2,27 @@
|
||||
id: wiki-2026-0508-dopamine-modeling
|
||||
title: Dopamine Modeling
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-DOMO-001]
|
||||
duplicate_of: none
|
||||
status: duplicate
|
||||
canonical_id: wiki-2026-0508-computational-neuroscience-rl
|
||||
duplicate_of: "[[Computational-Neuroscience-RL]]"
|
||||
aliases: [dopamine modeling, distributional RL]
|
||||
source_trust_level: A
|
||||
confidence_score: 0.91
|
||||
tags: [auto-reinforced, Dopamine, neurobiology, reward-prediction-error, motivation, addiction]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
confidence_score: 0.9
|
||||
verification_status: redirected
|
||||
tags: [duplicate, dopamine, rl]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Dopamine-Modeling|Dopamine-Modeling]]
|
||||
# Dopamine Modeling
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "의욕과 학습의 메신저: 단순히 즐거움의 전달자가 아니라, 예상치 못한 보상을 받았을 때 분비되어 뇌가 무엇을 더 학습해야 할지 알려주는 생물학적 '신용 할당(Credit Assignment)' 신호."
|
||||
> **이 문서는 [[Computational-Neuroscience-RL]] 의 sub-concept 입니다.** Canonical 문서로 redirect.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
도파민 모델링(Dopamine-Modeling)은 뇌의 신경전달물질인 도파민의 작용을 수학적, 전산적으로 분석하는 연구입니다.
|
||||
## 🔗 Graph
|
||||
- 부모: [[Computational-Neuroscience-RL]] (canonical)
|
||||
|
||||
1. **핵심 이론 - [[Reward Prediction Error|Reward Prediction Error]] (RPE)**:
|
||||
* 우리의 뇌는 끊임없이 미래의 보상을 예측함.
|
||||
* **예측보다 더 좋은 결과**: 도파민 대폭 분비 (학습 가속).
|
||||
* **예측한 만큼 결과**: 도파민 유지.
|
||||
* **예측보다 나쁜 결과**: 도파민 감소 (행동 억제).
|
||||
2. **왜 중요한가?**:
|
||||
* 이 메커니즘은 현대 인공지능의 **강화학습(Reinforcement Learning)** 알고리즘인 'Temporal Difference Learning'과 수학적으로 완전히 일치함이 밝혀짐.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 도파민을 단순 '쾌락 호르몬 정책'으로 보았으나, 현대 정책은 지능 시스템의 '오차 신호 정책'이자 '정보 습득 동기 부여 정책'으로 재정의함(RL Update).
|
||||
- **정책 변화(RL Update)**: 디지털 중독(SNS, 숏폼) 정책 분석 시, 도파민 모델링을 통해 어떻게 인간의 주의력을 인위적으로 탈취하는지 분석하고 이를 방어하는 '디지털 웰빙 정책' 수립에 활용됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Reward Prediction Error|Reward Prediction Error]], [[Reinforcement Learning (RL)|Reinforcement Learning (RL)]], [[Psychology & Behavior|Psychology & Behavior]], [[Cybernetics|Cybernetics]], Neurobiology
|
||||
- **Modern Tech/Tools**: TD-learning algorithms, Brain-imaging studies (fMRI).
|
||||
---
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
|
||||
## 💻 코드 패턴 (Code Patterns)
|
||||
|
||||
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
||||
|
||||
```text
|
||||
# TODO
|
||||
```
|
||||
|
||||
## 🤔 의사결정 기준 (Decision Criteria)
|
||||
|
||||
**선택 A를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
|
||||
**선택 B를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
|
||||
**기본값:**
|
||||
> *(TODO)*
|
||||
|
||||
## ❌ 안티패턴 (Anti-Patterns)
|
||||
|
||||
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
|
||||
## 🕓 변경 이력
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | 중복 처리 |
|
||||
|
||||
Reference in New Issue
Block a user