[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,70 +2,193 @@
|
||||
id: wiki-2026-0508-wicked-problems
|
||||
title: Wicked Problems
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-WIPR-001]
|
||||
aliases: [Ill-Defined Problems, Complex Systems Problems]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, wicked-problems, complexity, social-policy, Systems-Thinking, conflict]
|
||||
confidence_score: 0.85
|
||||
verification_status: applied
|
||||
tags: [problem-solving, systems-thinking, design, methodology]
|
||||
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: Methodology
|
||||
framework: Systems Thinking
|
||||
---
|
||||
|
||||
# [[Wicked-Problems|Wicked-Problems]]
|
||||
# Wicked Problems
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "풀 수 없는, 그러나 다뤄야만 하는 난제들: 정답이 없고, 해결하려 할수록 또 다른 문제를 야기하며, 이해관계가 복잡하게 얽혀 '최선'이 아닌 '최악 피하기'를 강요하는 가혹한 도전."
|
||||
## 매 한 줄
|
||||
> **"매 well-defined 의 X 한 problem"**. Rittel & Webber (1973) "Dilemmas in a General Theory of Planning" — 매 social policy / climate / AI safety / urban planning 의 characterize, 매 2026 AI alignment debate (Claude Opus 4.7 RLHF objective design) 의 textbook example.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
사악한 문제(Wicked Problems)는 호르스트 리텔(Horst Rittel) 등이 제안한 개념으로, 정의 내리기 어렵고 고정된 정답이나 해결책이 존재하지 않는 극도로 복잡한 사회적/시스템적 난제를 뜻합니다.
|
||||
## 매 핵심
|
||||
|
||||
1. **사악한 문제의 특징**:
|
||||
* **No Clear Definition**: 문제 자체가 무엇인지 정의하는 것부터가 논쟁의 대상임.
|
||||
* **No Stopping Rule**: 언제 문제가 '해결'되었는지 알 수 없음.
|
||||
* **Irreversibility**: 한번 내린 결정은 되돌릴 수 없으며 대규모 파급 효과를 낳음.
|
||||
* **Uniqueness**: 모든 사악한 문제는 그 맥락이 독특하여 과거의 해법을 그대로 적용할 수 없음.
|
||||
2. **대표적 사례**:
|
||||
* 기후 변화, 빈곤 문제, 교육 시스템 개혁, AI 윤리 거버넌스, 지정학적 갈등.
|
||||
3. **대응 전략**:
|
||||
* **Collaborative [[Logic|Logic]]**: 다양한 이해관계자의 협력을 통한 '사회적 타협' 추구.
|
||||
* **Iterative Approach**: 완벽한 해법 대신 끊임없는 시도와 피드백을 통한 개선.
|
||||
* **[[Systems Thinking|Systems Thinking]]**: 부분 최적화가 아닌 전체 시스템의 역동성을 파악하여 부작용 최소화.
|
||||
### 매 10가지 특성 (Rittel-Webber)
|
||||
1. No definitive formulation.
|
||||
2. No stopping rule (when is it "solved"?).
|
||||
3. Solutions are good/bad, not true/false.
|
||||
4. No immediate or ultimate test of solution.
|
||||
5. Every solution is a "one-shot operation" (no trial-and-error).
|
||||
6. No enumerable set of potential solutions.
|
||||
7. Every wicked problem is essentially unique.
|
||||
8. Every wicked problem is a symptom of another problem.
|
||||
9. Multiple explanations possible (choice depends on worldview).
|
||||
10. Planner has no right to be wrong (consequences matter).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거의 관료적 정책은 사악한 문제를 선형적인 '기술적 문제'로 오인하여 단순 해법을 강구하다 실패했으나, 현대 정책은 이를 '복잡계의 특성'으로 인정하고 장기적 관리 정책으로 전환함(RL Update).
|
||||
- **정책 변화(RL Update)**: 국가 정책 수립 시, 사악한 문제 해결을 위해 단일 부처가 아닌 전 부처가 협력하는 'Whole-of-Government' 접근 방식과 시민 참여형 '리빙랩(Living Lab)' 정책이 표준으로 자리 잡음.
|
||||
### 매 vs Tame problems
|
||||
| Tame | Wicked |
|
||||
|---|---|
|
||||
| Clear goal | Goal contested |
|
||||
| Defined boundary | Diffuse, expanding |
|
||||
| Known solution methods | No clear method |
|
||||
| Repeatable (chess, sudoku) | One-shot (urban policy) |
|
||||
| Right/wrong | Better/worse |
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Understanding Complexsystems, [[Systems Thinking|Systems Thinking]], [[Social Systems Theory|Social Systems Theory]], [[Decision Theory|Decision Theory]], [[Risk Management|Risk Management]]
|
||||
- **Modern Tech/Tools**: Policy simulation models, Multi-[[Stakeholder|Stakeholder]] platforms.
|
||||
---
|
||||
### 매 응용 examples
|
||||
1. Climate change.
|
||||
2. Healthcare reform.
|
||||
3. AI alignment / safety.
|
||||
4. Homelessness.
|
||||
5. Education policy.
|
||||
6. Pandemic response.
|
||||
7. LLM evaluation (what is "helpful"?).
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
## 💻 패턴
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
### Stakeholder mapping
|
||||
```python
|
||||
# Power-Interest grid
|
||||
import matplotlib.pyplot as plt
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
stakeholders = {
|
||||
"Regulators": (9, 8),
|
||||
"Users": (3, 9),
|
||||
"Engineers": (5, 7),
|
||||
"Investors": (8, 5),
|
||||
"Public": (2, 6),
|
||||
}
|
||||
fig, ax = plt.subplots()
|
||||
for name, (power, interest) in stakeholders.items():
|
||||
ax.scatter(power, interest)
|
||||
ax.annotate(name, (power, interest))
|
||||
ax.set_xlabel("Power"); ax.set_ylabel("Interest")
|
||||
ax.axhline(5); ax.axvline(5)
|
||||
# Quadrants: Manage Closely / Keep Satisfied / Keep Informed / Monitor
|
||||
```
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
### Causal Loop Diagram (CLD)
|
||||
```
|
||||
Symptom-fix vs root-fix:
|
||||
homelessness ↑ → shelter beds ↑ → visible homelessness ↓ (symptomatic)
|
||||
→ root causes unaddressed → homelessness ↑ (R loop)
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
homelessness ↑ → housing units ↑ → root addressed → homelessness ↓ (B loop, slow)
|
||||
```
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
### Multi-criteria decision analysis (MCDA)
|
||||
```python
|
||||
import numpy as np
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
# Solutions × Criteria matrix
|
||||
options = ["Tax", "Subsidy", "Regulate", "Invest"]
|
||||
criteria = ["Equity", "Cost", "Speed", "Acceptance"]
|
||||
weights = np.array([0.4, 0.2, 0.2, 0.2])
|
||||
scores = np.array([
|
||||
[9, 4, 6, 3], # Tax
|
||||
[7, 3, 8, 8], # Subsidy
|
||||
[8, 7, 4, 5], # Regulate
|
||||
[6, 2, 3, 7], # Invest
|
||||
])
|
||||
ranking = scores @ weights
|
||||
print(dict(zip(options, ranking)))
|
||||
```
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
### Scenario planning
|
||||
```python
|
||||
# Build 2x2 scenario matrix on key uncertainties
|
||||
def scenario_2x2(axis_x, axis_y, scenarios):
|
||||
"""
|
||||
axis_x, axis_y: pairs (low, high) of critical uncertainties
|
||||
scenarios: 4 narrative descriptions
|
||||
"""
|
||||
return {
|
||||
f"{axis_x[0]} + {axis_y[0]}": scenarios[0],
|
||||
f"{axis_x[1]} + {axis_y[0]}": scenarios[1],
|
||||
f"{axis_x[0]} + {axis_y[1]}": scenarios[2],
|
||||
f"{axis_x[1]} + {axis_y[1]}": scenarios[3],
|
||||
}
|
||||
```
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
### Argument mapping
|
||||
```python
|
||||
# Decompose claim into premises + objections
|
||||
class ArgumentNode:
|
||||
def __init__(self, claim, support=None, attack=None):
|
||||
self.claim = claim
|
||||
self.support = support or [] # premises
|
||||
self.attack = attack or [] # rebuttals
|
||||
|
||||
root = ArgumentNode(
|
||||
"Ban autonomous weapons",
|
||||
support=[
|
||||
ArgumentNode("They lack moral judgment"),
|
||||
ArgumentNode("Risk of escalation"),
|
||||
],
|
||||
attack=[
|
||||
ArgumentNode("Defensive use can save lives"),
|
||||
]
|
||||
)
|
||||
```
|
||||
|
||||
### Adaptive management (Holling)
|
||||
```python
|
||||
# Iterate: model → act → monitor → revise
|
||||
def adaptive_loop(problem, max_iter=10):
|
||||
model = initial_model(problem)
|
||||
for i in range(max_iter):
|
||||
action = decide(model)
|
||||
result = act_and_observe(action)
|
||||
model = update(model, result)
|
||||
if converged(model): break
|
||||
return model
|
||||
# Embraces uncertainty — wicked problems lack closed-form solutions
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Single optimal solution exists | Tame — use OR/optimization |
|
||||
| Multiple stakeholders, contested goals | Wicked — stakeholder + scenario |
|
||||
| Long-time-horizon, uncertain | Adaptive management |
|
||||
| Ethics-laden | Argument mapping + deliberation |
|
||||
| LLM RLHF reward design | Treat as wicked — pluralistic eval |
|
||||
|
||||
**기본값**: Acknowledge wickedness, use stakeholder mapping + MCDA + adaptive iteration; avoid pretending it's tame.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Problem-Solving]] · [[Systems-Thinking]] · [[Design-Theory]]
|
||||
- 변형: [[Super-Wicked-Problems]] · [[Tame-Problems]] · [[Messes]] (Ackoff)
|
||||
- 응용: [[AI-Alignment]] · [[Climate-Policy]] · [[Urban-Planning]] · [[Public-Health]]
|
||||
- Adjacent: [[Root-Cause-Analysis-RCA]] · [[Complex-Adaptive-Systems]] · [[Cynefin]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: Policy design, AI safety / alignment problems, multi-stakeholder system design (no objective ground truth), strategy under deep uncertainty.
|
||||
**언제 X**: Engineering bug — use RCA. Optimization with clear objective — use OR. Well-specified algorithm — use complexity theory.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Treat wicked as tame**: 매 wicked problem 의 single-objective optimization 의 reduce → 매 unintended consequences (e.g., Goodhart's law).
|
||||
- **Analysis paralysis**: 매 wicked problem 의 wait for "complete" understanding — 매 never come.
|
||||
- **Ignore stakeholders**: 매 technocratic top-down 의 wicked problem 의 fail (Robert Moses urban renewal).
|
||||
- **One-shot deployment**: 매 ship-and-forget — wicked problems 의 adaptive iteration 의 require.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Rittel & Webber 1973 seminal paper, Conklin "Dialogue Mapping" 2005, Snowden "Cynefin").
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — Wicked problems with 10 traits, MCDA, scenario, AI alignment angle |
|
||||
|
||||
Reference in New Issue
Block a user