feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]
This commit is contained in:
@@ -0,0 +1,73 @@
|
||||
---
|
||||
id: wiki-2026-0508-warno-데이터-기반-설계
|
||||
title: Warno 데이터 기반 설계
|
||||
category: "AI & Games"
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[WARNO]] 데이터 기반 설계
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
WARNO는 단순한 실시간 전술 게임을 넘어 냉전 시대의 군사 교리와 장비 제원을 고도의 데이터 아키텍처로 치환한 가상 전장 시뮬레이션입니다 [1]. 시각적 요소부터 물리적 충돌, 심리적 제압 시스템에 이르는 모든 게임 내 요소는 NDF(Neutral Data Format)라는 독자적인 스크립트 언어와 정교한 수학적 모델링을 통해 상호 연결된 데이터 구조 내에서 작동합니다 [1, 2]. 개발사는 텔레메트리(Telemetry)를 활용하여 객관적인 데이터 기반 밸런싱을 수행하며, 유저 커뮤니티에도 이 데이터 설계를 개방하여 확장 가능한 전술 시뮬레이션 프레임워크를 구축하고 있습니다 [3, 4].
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
* **Iriszoom 엔진과 시각 데이터 연동:** 물리 기반 렌더링(PBR)을 전면 도입하여 유닛과 지형의 재질별 식별성을 강화했습니다 [5, 6]. 단순한 폭발 이펙트가 아닌 탄약고 유폭 시 포탑 사출, 헬기 로터 블레이드 비산 등 동적 파괴 시스템이 유닛의 상태 데이터와 물리적으로 동기화되어 작동합니다 [5, 6].
|
||||
|
||||
* **[[NDF (Neutral Data Format)]] 아키텍처:** WARNO의 논리적 설계는 NDF 파일 내에 텍스트 기반 객체 지향 구조로 모듈화되어 있습니다 [2]. `UniteDescriptor.ndf`, `WeaponDescriptor.ndf`, `Ammunition.ndf` 등을 통해 게임 코드의 직접적인 수정 없이 유닛의 스펙, 관통력, 명중률, 사거리 데이터를 미세 조정할 수 있어 밸런싱과 모딩에 유연성을 제공합니다 [2, 7].
|
||||
|
||||
* **전투 역학의 수학적 정밀도:** 명중률은 고정된 확률이 아니라 거리가 좁혀질수록 특정 구간에서 기하급수적으로 상승하는 비선형적 거리 비례 데이터 곡선을 따르며, 이동 중 사격 시에는 스테빌라이저 유무에 따라 패널티 데이터가 감쇄됩니다 [8, 9]. 항공기에 대한 대공 미사일 명중률은 타겟의 ECM 데이터를 승수적으로 반영하여 산출($P_{final} = BaseAccuracy \times (1 - ECM)$)됩니다 [10, 11].
|
||||
|
||||
* **장갑 관통 데이터 추상화:** 실제 RHA 수치를 게임에 맞게 스케일링 한 '장갑 점수(Armor Value)'를 사용하며, 철갑탄(AP) 등 운동에너지(KE) 탄자는 거리에 비례하여 관통력이 감소하는 데이터 곡선을 가지는 반면, 대전차 고폭탄(HEAT) 및 대전차 미사일(ATGM)은 성형작약 원리를 반영해 사거리에 상관없이 일정한 관통력을 유지합니다 [12-14]. 관통 후 피해량은 장갑과 관통력의 차이에 기반하여 `(AP Value - Armor) / 2 + 1`과 같은 수학적 로직으로 계산됩니다 [15].
|
||||
|
||||
* **심리적 제압(Suppression)과 시야(Optics) 시스템:** 모든 유닛은 500점의 기본 제압 데이터를 보유하며, 피격이나 주변 폭발 시 수치가 누적되어 명중률, 재장전 속도, 기동성 수치의 하락을 유발합니다 [16]. 정찰 시스템은 관측 유닛의 광학(Optics) 수치와 대상 유닛의 은신(Stealth) 수치 간의 거리 판정을 기반으로 하며, 무기 발사 시 적용되는 소음([[Noise]]) 데이터가 은신 수치를 일시적으로 삭감시켜 노출 위험도를 높입니다 [17, 18].
|
||||
|
||||
* **사단 중심의 전략 제약과 텔레메트리 밸런싱:** 사단(Division) 편제표에 따라 유닛의 가용성(Availability) 및 슬롯 포인트 데이터를 달리 설정하여 플레이어가 전술적 장단점을 강제받도록 유도합니다 [19]. 개발사는 방대한 실시간 텔레메트리 데이터를 분석해 픽률과 교전 효율(승률, 생존 시간)을 토대로 유닛의 포인트, 무장 스펙, 특성 데이터를 객관적으로 튜닝하는 밸런싱 작업을 거칩니다 [3, 20].
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Related Topics:** [[NDF (Neutral Data Format)]], [[Iriszoom 엔진]], [[텔레메트리 (Telemetry) 밸런싱]], [[Combined Arms (제병협동) 전술]]
|
||||
- **Projects/Contexts:** [[Eugen[[ system]]s의 냉전기 가상 시나리오 및 모딩 생태계 구축]]
|
||||
- **Contradictions/Notes:** WARNO의 장갑 데이터는 게임 성능 최적화와 복잡한 입사각 계산의 단순화를 위해, 경사 장갑 등에 의한 방호 효과를 추상화하여 장갑 수치 데이터 자체에 반영함으로써 실제 물리적 두께보다 높게 설정된 경우가 존재합니다 [13].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-28*
|
||||
|
||||
## 🤖 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.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
|
||||
- **과거 데이터와의 충돌:** 없음
|
||||
- **정책 변화:** 없음
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
@@ -0,0 +1,93 @@
|
||||
---
|
||||
id: wiki-2026-0508-ai-코드-리뷰
|
||||
title: AI 코드 리뷰
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-76F9E4]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
tags: [auto-reinforced]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - AI 코드 리뷰"
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[AI 코드 리뷰]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> AI 코드 리뷰는 인공지능 에이전트나 머신러닝(ML) 기반의 정적 분석 도구([[SAST]])를 활용하여 소스 코드의 결함, 보안 취약점, 스타일 위반 및 로직 오류를 식별하는 자동화 프로세스입니다 [1-3]. IDE, CI/CD 파이프라인, 풀 리퀘스트(PR) 등 개발 워크플로우에 통합되어 개발자에게 실시간에 가까운 피드백과 자동 수정(Auto-fix) 제안을 제공합니다 [2, 4-8]. 이를 통해 코드 리뷰의 대기 시간을 줄이고 일관된 품질 표준을 강제할 수 있지만, 아키텍처 의도나 비즈니스 로직의 문맥을 깊이 이해하는 데는 한계가 있어 인간 검토자와의 하이브리드 접근 방식이 필수적으로 요구됩니다 [5, 9-12].
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **작동 방식 및 주요 기술**: 기존의 규칙 기반 정적 분석에 머신러닝(ML), 대규모 언어 모델(LLM) 등을 결합하여 코드의 문맥, 데이터 흐름(Data flow), 오염 추적(Taint [[Analysis]]) 등을 시맨틱하게 분석합니다 [4, 13-18].
|
||||
- **주요 이점**: 대규모 코드베이스를 단 몇 초에서 몇 분 안에 스캔하여 보안 취약점과 버그를 조기에 발견합니다 [19, 20]. 시니어 검토자의 큐(Queue)에서 저위험군 코멘트를 제거하여 PR 검토 주기를 최대 40%까지 단축시키며, 결과적으로 인간 검토자가 아키텍처 설계와 비즈니스 로직에 집중할 수 있도록 돕습니다 [5, 11, 19].
|
||||
- **한계점 및 위험성**: AI는 코드의 전반적인 아키텍처 의도나 비즈니스 로직을 완벽히 이해하지 못하는 '문맥 맹점(Context Blindness)'을 지닙니다 [12, 21, 22]. 또한, 오탐지(False Positives)를 발생시키거나 환각(Hallucination)에 의한 잘못된 수정안을 제안할 위험이 존재하며, 검토자가 AI를 맹신하여 비판적 사고가 저하되는 '녹색 체크 표시 증후군(Green Check Mark Syndrome)'을 초래할 수 있습니다 [12, 23-25].
|
||||
- **하이브리드 리뷰 모델 및 거버넌스**: 2025년 이후의 현대 소프트웨어 개발에서는 AI 자동화 리뷰와 인간의 수동 리뷰를 결합한 '하이브리드(Hybrid) 리뷰'가 모범 사례로 꼽힙니다 [9-11, 26-28]. 일반적인 취약점 패턴이나 문법 등 기계적인 검증은 AI 도구에 맡기고, 도메인 특화 비즈니스 로직이나 교차 서비스 영향도 평가는 인간이 담당해야 합니다 [28, 29]. 아울러 지적 재산(IP) 유출 방지와 보안을 위해 "인간 개입(Human-in-the-Loop)"을 의무화하는 명확한 AI 사용 정책(Governance) 수립이 필수적입니다 [30-34].
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **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]], 풀 리퀘스트(Pull Request), [[DevSecOps]]
|
||||
- **Projects/Contexts:** [[SonarQube]], Snyk Code, GitHub Advanced Security, [[Corgea]]
|
||||
- **Contradictions/Notes:** AI 코드 리뷰 도구의 도입만으로는 배포 성능이나 품질이 보장되지 않는다는 점에 유의해야 합니다. 맹목적인 도구 도입과 높은 AI 사용률에도 불구하고 실제 PR 처리 시간이나 재작업 비율은 개선되지 않을 수 있으므로, 결과(DORA 지표 등)에 기반한 관리가 중요합니다 [35-37]. 또한 일부 AI 네이티브 도구들은 오탐률을 혁신적으로 줄였다고 주장하지만(예: [[Corgea]] 5% 미만, Veracode 1.1% 미만), 근본적으로 어떠한 도구도 오탐을 완벽히 제거할 수는 없으므로 인간의 검토와 검증 과정이 반드시 수반되어야 합니다 [38-40].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-19*
|
||||
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,88 @@
|
||||
---
|
||||
id: wiki-2026-0508-ambient-declarations
|
||||
title: Ambient Declarations
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-TS-AMBIENT]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.98
|
||||
tags: [TypeScript, Ambient Declarations, dts, Coding Standards]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[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 (Contradictions & Updates)
|
||||
- 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]]
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,22 @@
|
||||
---
|
||||
id: wiki-2026-0508-bayesian-inference
|
||||
title: Bayesian Inference
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: 데이터_사이언스_및_ML_엔지니어링
|
||||
canonical_id: wiki-2026-0507-029
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 Canonical 문서인 [[데이터_사이언스_및_ML_엔지니어링]]으로 통합되었습니다.
|
||||
모든 최신 지식과 세부 내용은 위 링크를 참조하십시오.
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-2026-0508-bellman-equation
|
||||
title: Bellman Equation
|
||||
category: 10_Wiki/Topics/AI
|
||||
status: merged
|
||||
redirect_to: Reinforcement_Learning_and_Decision_Making
|
||||
canonical_id: Reinforcement_Learning_and_Decision_Making
|
||||
aliases: [P-Reinforce-REDIRECT-BELLMAN-DASH]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Bellman-Equation]]
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Reinforcement_Learning_and_Decision_Making]]**으로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Reinforcement_Learning_and_Decision_Making]]*
|
||||
@@ -0,0 +1,21 @@
|
||||
---
|
||||
id: wiki-2026-0508-best-of-n-sampling
|
||||
title: Best of N Sampling ( ø)
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: AI_Sampling_Strategies
|
||||
canonical_id: AI_Sampling_Strategies
|
||||
aliases: [best_of_n_sampling_weird_char_redirect]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 [[AI_Sampling_Strategies]]으로 통합되었습니다.
|
||||
@@ -0,0 +1,21 @@
|
||||
---
|
||||
id: wiki-2026-0508-best-of-n-sampling
|
||||
title: Best of N Sampling
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: AI_Sampling_Strategies
|
||||
canonical_id: AI_Sampling_Strategies
|
||||
aliases: [best_of_n_sampling_variants_redirect]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 [[AI_Sampling_Strategies]]으로 통합되었습니다.
|
||||
@@ -0,0 +1,21 @@
|
||||
---
|
||||
id: wiki-2026-0508-best-of-n-sampling
|
||||
title: Best of N Sampling
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: AI_Sampling_Strategies
|
||||
canonical_id: AI_Sampling_Strategies
|
||||
aliases: [best_of_n_sampling_redirect]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 [[AI_Sampling_Strategies]]으로 통합되었습니다.
|
||||
@@ -0,0 +1,62 @@
|
||||
---
|
||||
id: wiki-2026-0508-bounded-rationality
|
||||
title: Bounded Rationality
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AI-BOUNDED-RAT]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.98
|
||||
tags: [Bounded Rationality, Decision Theory, AI, Economics]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Bounded-Rationality]] (제한적 합리성)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "완벽한 최선은 가능하지 않다. 그저 '충분히 좋은' 것에 만족할 뿐이다." 지능, 시간, 정보의 한계 속에서 내리는 실제적인 의사결정의 원리다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Satisficing (만족화)**:
|
||||
- 헤르베르트 사이먼이 제안한 개념. 모든 대안을 전수 조사하는 '최적화' 대신, 자신의 기준(Threshold)을 넘는 첫 번째 대안을 선택하는 전략.
|
||||
- **Cognitive Limits (인지적 한계)**:
|
||||
- 인간이나 AI 시스템의 연산 능력은 제한되어 있으므로, 모든 변수를 고려하는 것은 물리적으로 불가능하다.
|
||||
- **Heuristic [[Search]]**:
|
||||
- 제한된 자원 내에서 해답을 찾기 위해 사용하는 '어림짐작'이나 '지름길' 알고리즘의 이론적 배경.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- 현대 AI(LLM)는 방대한 데이터를 통해 인간보다 훨씬 넓은 합리성을 가진 것처럼 보이지만, 결국 '다음 단어 예측'이라는 확률적 휴리스틱에 기반하고 있다는 점에서 여전히 제한적 합리성의 틀 안에 있다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: Cognitive-Biases , [[Behavioral-Economics]]
|
||||
- [[Analysis]]: [[Complexity-Theory]]
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -0,0 +1,92 @@
|
||||
---
|
||||
id: wiki-2026-0508-bounded-rationality
|
||||
title: Bounded Rationality
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-BORA-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.98
|
||||
tags: [auto-reinforced, bounded-rationality, decision-theory, Heuristics, cognitive-limitations, herBERT-simon]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Bounded-Rationality]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "현실적인 똑똑함: 인간의 인지 능력, 시간, 정보는 모두 유한하기 때문에, 모든 대안을 완벽히 계산해 최적(Optimizing)을 찾는 대신 현재 상황에서 '적당히 만족스러운(Satisficing)' 해결책을 선택하는 실질적인 합리성."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
제한된 합리성(Bounded-Rationality)은 허버트 사이먼이 제안한 개념으로, 인간이 의사결정을 내릴 때 직면하는 현실적인 제약들을 인정하는 이론입니다.
|
||||
|
||||
1. **3대 제약 조건**:
|
||||
* **Limited Information**: 모든 정보를 다 알 수 없음.
|
||||
* **Cognitive Limitations**: 두뇌의 정보 처리 용량에 한계가 있음.
|
||||
* **Time Constraints**: 결정에 무한한 시간을 쓸 수 없음.
|
||||
2. **해결 전략 - 휴리스틱 (Heuristics)**:
|
||||
* 복잡한 연산 대신 '경험의 법칙'이나 직관을 사용하여 빠르고 충분히 괜찮은 결론에 도달함. (Satisficing)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거 경제학 정책은 인간을 모든 것을 계산하는 '호모 에코노미쿠스(합리적 인간)' 정책으로 정의했으나, 현대 정책은 인간의 인지적 한계를 인정한 제한된 합리성 정책을 바탕으로 한 행동 경제학 정책을 주류로 수용함(RL Update).
|
||||
- **정책 변화(RL Update)**: AI 설계 정책에서, 무한정 많은 컴퓨팅 자원을 써서 정답을 찾는 '[[Brute-force]]' 방식보다 제한된 자원 하에서 효율적으로 추론하는 '경량화 및 조건부 추론 정책'이 에지 디바이스용 지능의 핵심 아키텍처가 됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Rationality, [[Decision Theory]], [[Bayesian-Updating]], [[Heuristics]], [[Optimization]]
|
||||
- **Modern Tech/Tools**: Heuristic-based algorithms, Multi-armed bandit (MAB) [[Optimization]].
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,62 @@
|
||||
---
|
||||
id: wiki-2026-0508-brain-computer-interface-bci
|
||||
title: Brain Computer Interface (BCI)
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [BCI-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [neuroscience, bci, neurotechnology, signal-Processing, future-tech]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Brain-Computer Interface (BCI, 뇌-컴퓨터 인터페이스)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "생각의 신호를 직접 디지털 언어로 번역하라" — 뇌의 전기적 신호를 포착하여 외부 기기를 제어하거나, 반대로 외부 정보를 뇌로 전달하여 인간의 인지 및 운동 능력을 확장하는 기술.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 뉴런의 발화 패턴(Spikes)이나 뇌파(EEG) 데이터를 실시간으로 수집하고, 머신러닝 모델을 통해 사용자의 의도를 분류하여 명령어로 변환하는 신호 변환 패턴.
|
||||
- **주요 방식:**
|
||||
- **Invasive (침습형):** 뇌 표면이나 내부에 직접 전극 삽입. 정확도가 높으나 수술 필요 (예: 뉴럴링크).
|
||||
- **Non-invasive (비침습형):** 머리 표면에서 뇌파 측정 (EEG). 안전하나 신호의 해상도가 낮음.
|
||||
- **응용 분야:** 사지 마비 환자의 의사소통 지원, 의수/의족 제어, 집중도 모니터링, 가상현실 인터페이스.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 실험실 수준의 보조 기구에서, 최근에는 AI의 발전으로 뇌 신호 해독 정밀도가 비약적으로 향상되며 소비자 가전 및 범용 인터페이스로의 진입 시도 중.
|
||||
- **정책 변화:** Antigravity 프로젝트는 향후 초저지연 인터랙션 환경 구축을 위해 BCI 기술의 데이터 표준 및 윤리적 프라이버시 보호 방안을 연구 테마에 포함함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Neuroscience, Signal-Processing, [[Pattern-Recognition]], AI-Ethics
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Brain-Computer Interface (BCI).md
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -0,0 +1,66 @@
|
||||
---
|
||||
id: wiki-2026-0508-brain-computer-interface-bci
|
||||
title: Brain Computer Interface (BCI)
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-BCII-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, bci, brain-computer-interface, neuroscience, human-augmentation, future-tech]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Brain-Computer-Interface (BCI)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "생각의 직통 차로: 뇌파를 디지털 신호로 해독하여 키보드나 마우스 없이 오직 '생각'만으로 기계를 제어하거나 정보를 입출력하는, 인간과 기계의 완벽한 결합을 꿈꾸는 인터페이스의 종착역."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
뇌-컴퓨터 인터페이스(BCI)는 뇌의 전기적 신호를 포착하여 컴퓨터나 외부 기기를 제어하는 통로를 만드는 기술입니다.
|
||||
|
||||
1. **구현 방식**:
|
||||
* **Invasive (침습형)**: 뇌 표면이나 내부에 직접 전극을 삽입 (정확도가 높으나 수술 리스크 및 감염 위험).
|
||||
* **Non-invasive (비침습형)**: 머리 표면에 EEG 센서를 부착하여 뇌파 측정 (안전하지만 저해상도 신호).
|
||||
2. **활용 분야**:
|
||||
* **Medical Rehabilitation**: 사지 마비 환자가 의수/의족을 제어하거나 텍스트를 입력하게 도움.
|
||||
* **Human Augmentation**: 시각/청각 기능을 넘어서는 새로운 감각 기관이나 지능 확장 도구로 활용. ([[Bio[[Logic]]al-Intelligence]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 실험실 수준의 '단방향 제어' 정책에 머물렀으나, 현대 정책은 뇌로 정보를 전송하는 '양방향 통신 정책'과 거대 AI를 뇌의 보조 연산 장치로 쓰는 '지능 증강 정책'으로 도약함(RL Update).
|
||||
- **정책 변화(RL Update)**: 생각 읽기(Mind reading)에 의한 사생활 침해 정책 리스크가 대두됨에 따라, 개인의 뇌파 데이터에 대한 소유권을 법적 보호 정책(Neuro-rights)으로 제정하려는 움직임이 시작됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Biological-Intelligence]], [[Artificial Intelligence (AI)]], Human-Computer Interaction (HCI), [[Ethics & AI]], Neuroscience
|
||||
- **Modern Tech/Tools**: Neuralink, Synchron, EEG headsets (Emotiv, OpenBCI).
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: wiki-2026-0508-call-stack
|
||||
title: Call Stack
|
||||
category: 10_Wiki/Topics/AI
|
||||
status: merged
|
||||
redirect_to: Nodejs_and_Backend_Optimization
|
||||
canonical_id: Nodejs_and_Backend_Optimization
|
||||
aliases: [P-Reinforce-REDIRECT-CALLSTACK]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Call Stack]]
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Nodejs_and_Backend_Optimization]]**으로 통합되었습니다.
|
||||
> 모든 최신 지식과 상세 분석 내용은 통합 문서를 참조하시기 바랍니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Nodejs_and_Backend_Optimization]]*
|
||||
@@ -0,0 +1,93 @@
|
||||
---
|
||||
id: wiki-2026-0508-chrome-devtools
|
||||
title: Chrome DevTools
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-CDTO-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, Chrome-devtools, debugging, web-development, performance-Analysis, Browser-tools]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Chrome DevTools]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "웹 개발자의 X-ray와 메스: 돌아가는 웹 사이트의 장기를 실시간으로 들여다보고, 픽셀을 깎으며, 메모리의 찌꺼기를 찾아내고, 성능의 구멍을 메우는 전 세계 웹 엔지니어들의 필수 공작 창고."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
Chrome DevTools는 구글 크롬 브라우저에 내장된 웹 제작 및 디버깅 도구 세트입니다.
|
||||
|
||||
1. **핵심 패널**:
|
||||
* **Elements**: DOM 구조와 CSS 스타일을 실시간 수정 및 미리보기.
|
||||
* **Console**: API 테스트, 로그 확인, [[JavaScript]] 코드 즉석 실행.
|
||||
* **Network**: 데이터 요청 오가는 것을 감시하고 속도 지연 원인 파악. ([[Backend]]와 연결)
|
||||
* **Performance/[[memory]]**: 프레임 드랍이나 메모리 누수(Memory Leak)를 정밀 분석. ([[Bottlenecks]]와 연결)
|
||||
2. **왜 중요한가?**:
|
||||
* 브라우저라는 거대한 블랙박스 내부의 '런타임 상태'를 투명하게 가시화하여, 이론이 아닌 데이터 기반의 최적화를 가능케 함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거 개발 정책은 단순히 '글자 수정'과 '에러 확인' 정책에 그쳤으나, 현대 정책은 정밀한 '코어 웹 바이탈(LCP, INP) 측정 정책'과 '모바일 기기 에뮬레이션 정책'을 통해 최적화의 질을 결정하는 핵심 정책 기지가 됨(RL Update).
|
||||
- **정책 변화(RL Update)**: DevTools 내부에 AI 비서(Gemini)가 통합되는 정책이 추진됨에 따라, 에러 메시지를 보고 해결책을 직접 찾는 대신 AI가 소스 코드를 분석해 바로 제안해 주는 '지능형 디버깅 정책'으로 도약함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Browser]], [[Backend]], [[Bottlenecks]], [[Analysis]], [[Technical-Architecture]]
|
||||
- **Modern Tech/Tools**: [[Lighthouse]], [[Heap Snapshot]] analyzer, Recorder panel.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,21 @@
|
||||
---
|
||||
id: wiki-2026-0508-complexity-theory
|
||||
title: Complexity Theory
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: Theoretical_Foundations
|
||||
canonical_id: Theoretical_Foundations
|
||||
aliases: [complexity_theory_space_redirect]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 [[Theoretical_Foundations]]으로 통합되었습니다.
|
||||
@@ -0,0 +1,21 @@
|
||||
---
|
||||
id: wiki-2026-0508-complexity-theory
|
||||
title: Complexity Theory
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: Theoretical_Foundations
|
||||
canonical_id: Theoretical_Foundations
|
||||
aliases: [complexity_theory_hyphen_redirect]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 [[Theoretical_Foundations]]으로 통합되었습니다.
|
||||
@@ -0,0 +1,92 @@
|
||||
---
|
||||
id: wiki-2026-0508-computational-creativity
|
||||
title: Computational Creativity
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-COCR-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.91
|
||||
tags: [auto-reinforced, Computational-Creativity, Generative-AI, Arts, Innovation, algorithmic-art]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[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 & Updates)
|
||||
- **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.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,92 @@
|
||||
---
|
||||
id: wiki-2026-0508-computational-creativity
|
||||
title: Computational Creativity
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-COCR-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [auto-reinforced, computational-creativity, Generative-AI, art-science, creativity-model, Innovation, intelligence]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[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. ([[Synergy]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **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.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,93 @@
|
||||
---
|
||||
id: wiki-2026-0508-constraint-satisfaction-problems
|
||||
title: Constraint Satisfaction Problems
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [CSP-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [ai, math, Logic, constraint-satisfaction, Search-algorithm]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# Constraint Satisfaction Problems (제약 충족 문제)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "주어진 규칙을 어기지 않는 최선의 상태를 찾아라" — 변수들의 집합과 각 변수가 가질 수 있는 값의 범위(Domain), 그리고 변수들 간의 제약 조건이 주어졌을 때 모든 제약을 만족하는 해를 찾는 수학적 문제.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 탐색 공간 내에서 제약 조건(Constraints)을 활용하여 불가능한 선택지를 미리 제거함으로써 효율적으로 정답 후보군을 좁혀나가는 제약 기반 탐색 패턴.
|
||||
- **핵심 요소:**
|
||||
- **Variables (V):** 해를 구해야 하는 대상.
|
||||
- **Domains (D):** 변수가 가질 수 있는 값들의 집합.
|
||||
- **Constraints (C):** 변수들 사이의 관계를 정의하는 규칙.
|
||||
- **해결 기법:**
|
||||
- **Backtracking Search:** 값을 하나씩 할당해보고 제약 위반 시 되돌아감.
|
||||
- **Constraint Propagation:** 제약 조건을 미리 분석하여 변수의 도메인을 줄임 (예: AC-3 알고리즘).
|
||||
- **Local Search:** 초기해에서 시작하여 제약 위반을 최소화하는 방향으로 값을 수정 (예: Min-conflicts).
|
||||
- **예시:** 스도쿠, 시간표 짜기, 하드웨어 설계 검증 등.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순한 시행착오 기반 탐색에서, 논리적 제약 전파를 통해 탐색 효율을 극적으로 높이는 방식으로 발전.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 스케줄링이나 복잡한 인프라 리소스 할당 시 제약 충족 문제 알고리즘을 활용하여 최적의 구성을 산출함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Combinatorial-Optimization]], [[Algorithm-Complexity-Big-O]], Decision-Making, Search-Algorithms
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Constraint-Satisfaction Problems.md
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,94 @@
|
||||
---
|
||||
id: wiki-2026-0508-constraint-satisfaction-problems
|
||||
title: Constraint Satisfaction Problems
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-CSP-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, constraint-satisfaction, csp, backtracking, Search-algorithm, Logic, Optimization]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Constraint-Satisfaction-Problems]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "한계 내에서의 최적: '이 조건은 만족해야 하고 저 조건은 피해야 한다'는 수많은 제약 사항을 모두 충족하는 단 하나의 정답(또는 최적해)을 찾아내는 수학적 수수께끼 풀이 엔진."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
제약 충족 문제(Constraint-Satisfaction-Problems, CSP)는 변수 세트의 값이 일련의 제약 조건을 만족해야 하는 수학적 문제입니다.
|
||||
|
||||
1. **3대 구성 요소**:
|
||||
* **Variables (V)**: 값을 할당받아야 하는 대상.
|
||||
* **Domains (D)**: 각 변수가 가질 수 있는 값의 범위.
|
||||
* **Constraints (C)**: 변수 간에 지켜야 할 규칙 (예: 같은 색은 이웃할 수 없음).
|
||||
2. **핵심 알고리즘**:
|
||||
* **Backtracking Search**: 값을 하나씩 넣어보다 제약에 걸리면 뒤로 돌아가 다른 시도.
|
||||
* **Constraint Propagation (AC-3)**: 미리 불가능한 후보군을 잘라내는 기술. ([[Efficiency]]와 연결)
|
||||
* **[[Heuristics]]**: MRV(최소 잔여 값), Degree Heuristic 등을 통해 탐색 속도 극대화. ([[Search-Strategy]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 단순히 '답을 찾느냐 마느냐'의 정책(Satisfiability)에 집중했으나, 현대 정책은 제약을 부분적으로 위반하더라도 최상의 결과를 내는 '연성 제약 정책(Soft Constraints)'과 최적화 정책을 결합함(RL Update).
|
||||
- **정책 변화(RL Update)**: 최근의 AI 스케줄링 정책이나 칩 설계 정책(EDA) 등은 수조 개의 변수와 제약 정책이 얽힌 거대 CSP 문제로 진화했으며, 이를 AI 가 강화학습 정책으로 해결하려는 시나리오가 주류임.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Efficiency]], [[Search-Strategy]], [[Logic]], [[Complexity-Theory]], [[Optimization]]
|
||||
- **Key Examples**: Map coloring, Sudoku, Scheduling, Protein folding.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,64 @@
|
||||
---
|
||||
id: wiki-2026-0508-control-systems-engineering
|
||||
title: Control Systems Engineering
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [CONTROL-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [engineering, Control-Theory, Robotics, automation]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Control[[ system]]s Engineering (제어 시스템 공학)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "원하는 목표 상태에 도달하도록 시스템을 설계하고 동적으로 수정하라" — 물리적 장치나 가상 에이전트가 외부 교란([[Noise]])에도 불구하고 목표 수치(Set-point)를 안정적으로 유지하게 만드는 공학적 프레임워크.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 시스템의 출력을 입력으로 다시 되먹여(Feedback) 오차를 줄여나가는 '폐쇄 루프 제어(Closed-loop Control)' 패턴.
|
||||
- **세부 내용:**
|
||||
- **Open-loop vs Closed-loop:** 피드백 존재 여부에 따라 단순 명령 실행과 상태 기반 자동 수정을 구분.
|
||||
- **PID Control:** 비례(P), 적분(I), 미분(D) 항을 조합하여 오차를 빠르고 안정적으로 수렴시키는 범용 알고리즘.
|
||||
- **[[Stability]] [[Analysis]]:** 시스템이 발산하지 않고 평형 상태를 유지할 수 있는지 수학적으로 검증.
|
||||
- **[[State-Space]] Representation:** 복잡한 시스템의 상태를 행렬로 표현하여 다변수 제어를 가능하게 함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 전통적인 고전 제어(루프 베이스)에서 현대의 AI 기반 지능형 제어(강화학습 베이스)로 패러다임이 융합되고 있음.
|
||||
- **정책 변화:** Antigravity 에이전트의 '목표 추적 루프' 설계 시, PID 제어의 감쇠(Damping) 원리를 적용하여 급격한 상태 변화를 억제함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Parent:** 10_Wiki/💡 Topics/AI
|
||||
- **Related:** [[Feedback-Control-Systems]], [[Robotics]], System-Dynamics
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Control Systems Engineering.md
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -0,0 +1,93 @@
|
||||
---
|
||||
id: wiki-2026-0508-control-systems-engineering
|
||||
title: Control Systems Engineering
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-COSE-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, control-systems, engineering, feedback, pid-control, automation, dynamical-systems]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Control-Systems-Engineering]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "의도한 대로의 상태 유지: 복잡한 외부의 방해 속에서도, 시스템의 현재 상태를 목표치(Set-point)로 일정하게 유지하거나 정확한 경로로 유도하기 위해 끊임없이 '수정 명령'을 내리는 기술적 중추."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
제어 시스템 공학(Control-Systems-Engineering)은 동적 시스템의 거동을 제어하고 원하는 동작을 이끌어내기 위한 공학적 원리와 분석 방법을 다룹니다.
|
||||
|
||||
1. **핵심 구조 (Feedback Loop)**:
|
||||
* **Sensor**: 현재 상태(Output) 측정.
|
||||
* **Comparator**: 목표값과 현재값의 차이(Error) 계산.
|
||||
* **Controller**: 오차를 줄이기 위한 제어값 계산 (예: PID 제어).
|
||||
* **Actuator**: 시스템에 물리적/논리적 변화 가함.
|
||||
2. **왜 중요한가?**:
|
||||
* 자율주행차의 조향부터 원자로의 온도 조절, 로봇의 균형 잡기까지 현대 문명의 모든 '자동화'가 이 이론 위에 서 있기 때문임. (Automation와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 시스템의 모든 수학적 모델 정책을 완벽히 알아야 한다는 고전 제어(Classic Control) 정책이 주류였으나, 현대 정책은 모델을 몰라도 데이터로 배우는 '모델 프리 강화학습 정책(Model-free RL)'과 결합하여 훨씬 복합적인 제어 정책을 수행함(RL Update). ([[Reinforcement Learning (RL)]]와 연결)
|
||||
- **정책 변화(RL Update)**: 이제는 단순 물리 시스템 제어 정책을 넘어, 거대 AI 모델의 답변 정책([[Alignment]])을 제어하거나 사회적 시스템의 변동성 정책을 제어하는 광의의 제어 정책으로 확장 중임.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Automation, [[Reinforcement Learning (RL)]], [[System-Theory]], [[Robotics]], [[Efficiency]]
|
||||
- **Key Algorithms**: PID Control, Kalman Filter, Model Predictive Control (MPC).
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,22 @@
|
||||
---
|
||||
id: wiki-2026-0508-dqn
|
||||
title: DQN
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: 데이터_사이언스_및_ML_엔지니어링
|
||||
canonical_id: wiki-2026-0507-029
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 Canonical 문서인 [[데이터_사이언스_및_ML_엔지니어링]]으로 통합되었습니다.
|
||||
모든 최신 지식과 세부 내용은 위 링크를 참조하십시오.
|
||||
@@ -0,0 +1,90 @@
|
||||
---
|
||||
id: wiki-2026-0508-distributed-computing
|
||||
title: Distributed Computing
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [DIST-COMP-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [computer-science, Distributed-Systems, Parallel-Computing, infrastructure, Scalability]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# Distributed Computing (분산 컴퓨팅)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "한 대의 거대한 컴퓨터 대신, 수만 대의 작은 컴퓨터가 하나의 목표를 위해 협력하게 하라" — 네트워크로 연결된 여러 대의 컴퓨터 자원을 활용하여, 단일 시스템으로는 처리 불가능한 대규모 연산이나 데이터를 병렬적으로 처리하는 기술 체계.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 거대한 문제를 작은 조각으로 나누어 분산된 노드에 할당하고, 각 노드의 결과물을 다시 통합(Aggregation)하여 최종 해답을 도출하는 분할 정복(Divide and Conquer) 패턴.
|
||||
- **핵심 요소:**
|
||||
- **Parallelism:** 데이터 병렬화(Data Parallel) 및 모델 병렬화(Model Parallel)를 통한 학습 속도 향상.
|
||||
- **Concurrency Control:** 여러 노드가 동시에 데이터에 접근할 때 정합성 유지.
|
||||
- **Fault Tolerance:** 일부 노드에 장애가 생겨도 전체 시스템이 중단되지 않도록 설계 (CAP 정리 참고).
|
||||
- **Communication Overhead:** 노드 간 데이터를 주고받는 통신 비용을 최소화하는 것이 성능의 핵심.
|
||||
- **주요 프레임워크:** Apache Spark, Ray, Horovod, Kubernetes.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순한 서버-클라이언트 구조에서, 수만 개의 GPU가 긴밀하게 동기화되어 거대 언어 모델을 학습시키는 초거대 분산 컴퓨팅 시대로 진화.
|
||||
- **정책 변화:** Antigravity 프로젝트는 향후 수조 개의 지식 노드를 처리하기 위해 Ray와 같은 최신 분산 프레임워크를 기반으로 지식 가드닝 에이전트의 연산 인프라를 확장할 계획임.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Parallel-Computing]], [[CAP-Theorem]],[[ system]]-Design-for-AI-Scale, [[GPU-Architecture]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Distributed-Computing.md
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,92 @@
|
||||
---
|
||||
id: wiki-2026-0508-edge-computing
|
||||
title: Edge Computing
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-EDCO-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, edge-computing, iot, latency, Distributed-Computing, real-time]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Edge-Computing]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "데이터의 현장 수습: 모든 정보를 거대 중앙 클라우드로 보내지 않고, 속도가 생명인 스마트폰, 자율주행차, IoT 기기 등 데이터가 발생하는 '가장자리(Edge)'에서 즉시 처리함으로써 지연 시간과 보안 문제를 동시에 해결하는 분산 컴퓨팅의 해법."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
엣지 컴퓨팅(Edge-Computing)은 데이터 소스와 가까운 곳에서 연산을 수행하는 네트워크 배포 방식입니다.
|
||||
|
||||
1. **주요 장점**:
|
||||
* **Latency**: 통신 시간이 거의 제로에 가까워 즉각적 반응이 필요한 자율주행, 원격 수술에 필수.
|
||||
* **Bandwidth**: 불필요한 데이터를 클라우드로 전송하지 않아 네트워크 부하 감소. ([[Efficiency]]와 연결)
|
||||
* **Security**: 민감한 데이터가 기기 밖으로 나가지 않아 프라이버시 보호에 유리.
|
||||
2. **왜 중요한가?**:
|
||||
* 수십억 개의 장치가 연결되는 IoT 시대에 거대 클라우드 중심의 병목 현상([[Bottlenecks]])을 해결할 유일한 대안임. ([[Distributed-Systems]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 연산력이 부족해 무조건 '클라우드 전송 정책' 위주였으나, 현대 정책은 전용 AI 칩(NPU)의 발전으로 기기 내부에서 직접 추론하는 'On-device AI 정책'이 주류가 됨(RL Update).
|
||||
- **정책 변화(RL Update)**: 엣지에서 학습한 지식을 개인정보 유출 없이 중앙으로 모으는 '연합 학습(Federated Learning) 정책'이 데이터 주권 시대의 핵심 정책으로 부상함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Internet of Things (IoT)]], [[Distributed-Systems]], [[Scalability]], [[Bottlenecks]], [[Distillation]]
|
||||
- **Modern Tech/Tools**: NVIDIA Jetson, AWS Wavelength, Raspberry Pi, NPU sensors.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,86 @@
|
||||
---
|
||||
id: wiki-2026-0508-evolutionary-computation
|
||||
title: Evolutionary Computation
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AI-EVO-COMP]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.98
|
||||
tags: [AI, EvolutionaryComputation, Optimization, GeneticAlgorithm]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Evolutionary Computation]] (진화 연산)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "생물 진화의 원리를 빌려와 가장 효율적인 해답을 찾아내는 디지털 적자생존." 자연의 진화 과정(선택, 교차, 변이)을 모방하여 복잡한 최적화 문제를 해결하는 휴리스틱 기반 인공지능 기법이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Genetic Algorithm (GA)**: 염색체 연산을 통해 최적 해를 탐색하는 가장 대중적인 방식.
|
||||
- **Evolutionary Strategies (ES)**: 실수 값 벡터 최적화에 특화된 접근.
|
||||
- **Fitness Function**: 개체가 얼마나 문제 해결에 적합한지를 평가하는 척도.
|
||||
- **Mutation & Crossover**: 지역 최적점(Local Minima)에 빠지지 않게 하고 새로운 탐색 영역을 넓히는 핵심 메커니즘.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- 딥러닝의 역전파([[Backpropagation]]) 방식은 미분 가능한 함수에서만 작동하지만, 진화 연산은 '미분 불가능하거나 블랙박스 형태'의 최적화 문제에서도 강력한 위력을 발휘한다. 최근에는 신경망의 구조 자체를 진화시키는 '[[Neuroevolution]]'과 강화학습의 대안으로 대두되며 다시 주목받고 있다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Optimization-Algorithms]] , [[Genetic-Algorithms]]
|
||||
- AI Context: [[Reinforcement-Learning]]-vs-[[Evolutionary-Computation]]
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,90 @@
|
||||
---
|
||||
id: wiki-2026-0508-evolutionary-computation
|
||||
title: Evolutionary Computation
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [EVO-COMP-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [ai, evolutionary-computation, genetic-algorithm, Optimization, bio-inspired]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Evolutionary Computation]] (진화 연산)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "생존에 유리한 코드를 남기고 진화시켜 전역 최적해를 향한 지름길을 찾아라" — 다윈의 진화론에서 영감을 얻어, 후보 해들의 집단(Population)을 생성하고 교배와 돌연변이를 거쳐 세대를 거듭하며 해의 품질을 높여가는 확률적 최적화 알고리즘.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 목표 지점에 도달하기 위해 수학적 경사(Gradient)를 따라가는 대신, 무작위성을 가미한 탐색과 적자생존의 원칙을 결합하여 지역 최적해(Local Minima)를 돌파하는 진화적 탐색 패턴.
|
||||
- **주요 구성 요소:**
|
||||
- **Selection:** 적합도(Fitness)가 높은 우수한 해를 다음 세대의 부모로 선택.
|
||||
- **Crossover (Recombination):** 부모 해들의 특징을 결합하여 새로운 자손 생성.
|
||||
- **Mutation:** 무작위 변화를 주어 집단의 다양성을 유지하고 탐색 공간 확장.
|
||||
- **Fitness Landscape:** 해의 품질이 분포된 지형을 탐험하며 정상을 찾는 과정.
|
||||
- **의의:** 미분 불가능한 비선형 문제, 다목적 최적화, 신경망 구조 탐색(NAS) 등 광범위한 분야에서 활용.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 초기에는 연산량이 많아 비효율적인 방식으로 여겨졌으나, 병렬 컴퓨팅의 발달과 신경망과의 결합([[Neuroevolution]])을 통해 다시 주목받음.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 전략 수립 모델 최적화 시, 강화학습과 진화 연산을 결합하여 안정성과 탐색 능력의 균형을 맞춤.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Genetic-Algorithms]], [[Black-Box-Optimization]], [[Neural-[[Architecture]]-[[Search]]-NAS]], [[Neural-Darwinism]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Evolutionary-Computation.md
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,88 @@
|
||||
---
|
||||
id: wiki-2026-0508-excess-property-checking
|
||||
title: Excess Property Checking
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AI-TS-EXCESS-PROPERTITY]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [TypeScript, Programming, TypeSafety, ErrorHandling]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Excess-Property-Checking]] (잉여 속성 체크)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "너 정체가 뭐야? 시키지 않은 건 하지 마." 객체 리터럴을 변수에 할당하거나 함수 인자로 전달할 때, 정의되지 않은 추가 속성이 포함되어 있으면 타입 에러를 발생시켜 오타나 실수(Mistyping)를 방지하는 TypeScript의 안전장치다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **Object Literal Restriction**: 변수에 미리 담지 않고 직접 `{...}` 형태로 넘길 때만 발동함.
|
||||
- **[[Structural Typing]] Exception**: TypeScript는 기본적으로 구조적 타이핑을 따르지만, 리터럴 할당 시에는 '엄격한 타입 일치'를 요구하여 버그를 줄임.
|
||||
- **Bypassing Methods**:
|
||||
- 변수에 할당 후 전달.
|
||||
- 타입 단언(`as AnyType`) 사용.
|
||||
- 인덱스 시그니처(`[key: string]: any`) 추가.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- 이 기능은 때때로 "덕 타이핑(Duck Typing)이라며 왜 안 돼?"라며 초보자들을 당황하게 만든다. 하지만 이는 리터럴 객체 생성 시 발생할 수 있는 오타(예: `colour` vs `color`)를 런타임 이전 단계에서 원천 봉쇄하기 위한 의도적인 설계다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: Structural-Typing-vs-Nominal-Typing , TypeScript-Best-Practices
|
||||
- Concept: Type-Guard
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,93 @@
|
||||
---
|
||||
id: wiki-2026-0508-explainable-ai-xai
|
||||
title: Explainable AI (XAI)
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-EXAI-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.97
|
||||
tags: [auto-reinforced, xai, explainable-ai, transparency, Interpretability, trust]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Explainable-AI (XAI)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "블랙박스의 뚜껑을 열다: AI가 복잡한 신경망 속에서 내린 결론의 근거를 인간이 이해할 수 있는 언어와 시각 자료로 설명함으로써, 기계에 대한 신뢰를 구축하고 오류를 검증 가능하게 만드는 투명성의 기술."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
설명 가능한 AI(XAI, Explainable-AI)는 AI 모델의 결과물에 대해 인간이 이해할 수 있는 설명을 제공하는 것을 목표로 합니다.
|
||||
|
||||
1. **왜 필요한가?**:
|
||||
* **Trust**: 의료, 금융 등 생명/자산과 직결된 분야에서는 "왜"라는 질문에 답할 수 있어야 함. ([[Ethics & AI]]와 연결)
|
||||
* **Debugging**: 모델이 엉뚱한 곳을 보고 학습하는지(예: 배경을 보고 늑대를 분류) 확인.
|
||||
* **Regulatory Compliance**: AI의 결정에 대해 사용자가 '설명받을 권리'를 법적으로 보장받는 추세.
|
||||
2. **주요 기법**:
|
||||
* **LIME/SHAP**: 입력값의 변화가 결과에 미치는 영향을 측정하여 중요도 표시.
|
||||
* **Attention Maps**: 모델이 이미지의 어느 부분이나 텍스트의 어느 단어에 집중했는지 가시화.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 성능(Accuracy)과 설명력(Interpretability)이 반비례 관계라는 정책이 주류였으나, 현대 정책은 지능이 높으면서도 스스로의 논리 구조를 브리핑하는 '내재적 설명 정책'을 추구함(RL Update).
|
||||
- **정책 변화(RL Update)**: 단순 가시화를 넘어, AI가 자신의 사고 과정을 단계별로 풀어서 설명하는 CoT(Chain-of-Thought) 정책이 LLM 시대의 핵심 XAI 방법론으로 부상함. (Chain-of-Thought와 연결)
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Ethics & AI]], [[Chain-of-Thought (CoT 사고 사슬)]], Trust and Perspective, Transparency, Bias-Variance Tradeoff
|
||||
- **Modern Tech/Tools**: SHAP, LIME, Captum (PyTorch), Integrated Gradients.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-2026-0508-exploration-vs-exploitation
|
||||
title: Exploration vs Exploitation
|
||||
category: 10_Wiki/Topics/AI
|
||||
status: merged
|
||||
redirect_to: Reinforcement_Learning_and_Decision_Making
|
||||
canonical_id: Reinforcement_Learning_and_Decision_Making
|
||||
aliases: [P-Reinforce-REDIRECT-EXPLORATION-SPACE]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Exploration vs Exploitation]]
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Reinforcement_Learning_and_Decision_Making]]**으로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Reinforcement_Learning_and_Decision_Making]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-2026-0508-exploration-vs-exploitation
|
||||
title: Exploration vs Exploitation
|
||||
category: 10_Wiki/Topics/AI
|
||||
status: merged
|
||||
redirect_to: Reinforcement_Learning_and_Decision_Making
|
||||
canonical_id: Reinforcement_Learning_and_Decision_Making
|
||||
aliases: [P-Reinforce-REDIRECT-EXPLORATION-DASH]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Exploration-vs-Exploitation]]
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Reinforcement_Learning_and_Decision_Making]]**으로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Reinforcement_Learning_and_Decision_Making]]*
|
||||
@@ -0,0 +1,64 @@
|
||||
---
|
||||
id: wiki-2026-0508-flow-state
|
||||
title: Flow State
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [FLOW-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [Psychology, productivity, flow, peak-performance]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Flow [[State]] (몰입 상태)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "자아와 시간이 사라지고 행위만 남는 최적의 경험" — 도전 과제의 난이도와 자신의 기술 수준이 완벽한 균형을 이룰 때 도달하는, 고도의 집중과 창의성이 발휘되는 심리적 상태.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 명확한 목표, 즉각적인 피드백, 그리고 잡념이 사라질 정도의 적절한 난이도(Flow Channel)가 결합되어 생산성이 극대화되는 인지 패턴.
|
||||
- **세부 내용:**
|
||||
- **Flow Channel:** 지루함([[Anxiety]])과 불안(Boredom) 사이의 좁은 통로. 기술과 난이도가 비례해야 도달 가능.
|
||||
- **Loss of Self-Consciousness:** 행위에 완전히 흡수되어 자의식이 사라지고 일체감을 느끼는 현상.
|
||||
- **Altered Sense of Time:** 시간이 아주 빠르게 가거나, 반대로 정지한 것처럼 느껴지는 시간 왜곡 경험.
|
||||
- **Autotelic Experience:** 활동 그 자체가 목적이 되는 자기 목적적 보상 기제.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순히 '열심히 하는 것'과 '몰입'을 혼동하던 초기 관점에서, 특정 뇌파(Alpha/Theta)와 호르몬 수치로 측정 가능한 과학적 상태로 규명됨.
|
||||
- **정책 변화:** Antigravity 프로젝트의 UX 설계 시, 사용자가 학습 루프 내에서 몰입 상태를 유지할 수 있도록 점진적 난이도 상승(Progressive Disclosure) 기법을 적용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Parent:** 10_Wiki/💡 Topics/AI
|
||||
- **Related:** Mihaly-Csikszentmihalyi, Cognitive-Load-Theory, Deep-Work
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Flow State.md
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -0,0 +1,66 @@
|
||||
---
|
||||
id: wiki-2026-0508-flow-state
|
||||
title: Flow State
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-FLST-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.88
|
||||
tags: [auto-reinforced, flow-State, Psychology, productivity, Mihaly-Csikszentmihalyi, high-performance]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Flow-State]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "시간이 멈추는 몰입: 자신의 기술 수준과 도전 과제의 난이도가 황금 비율을 이룰 때, 자의식이 사라지고 오직 현재의 행위에만 완전히 젖어 들어 수행 능력과 창의성이 극대화되는 '무아지경'의 경지."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
몰입 상태(Flow-State)는 긍정 심리학자 미하이 칙센트미하이(Mihaly Csikszentmihalyi)가 정의한 상태입니다.
|
||||
|
||||
1. **조건**:
|
||||
* **난이도 조절**: 너무 쉬우면 지루하고, 너무 어려우면 불안함. 그 사이의 '몰입 채널'에 진입해야 함.
|
||||
* **명확한 목표 & 즉각적 피드백**: 지금 무엇을 해야 하는지 알고, 결과가 바로 확인되어야 함. ([[Feedback-Loops]]와 연결)
|
||||
* **집중을 방해하는 요소 제거**: 환경적 잡음과 내부적 잡념의 차단.
|
||||
2. **왜 중요한가?**:
|
||||
* 생산성이 최대 5배까지 향상되며, 결과물의 품질은 물론 수행자 본인의 행복감이 극대화됨. ([[Creativity Research]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 열심히 노력하는 '고통스러운 수양 정책'만이 성과를 낸다고 보았으나, 현대 정책은 '몰입을 유도하는 즐거운 집중 정책'이 뇌과학적으로 훨씬 더 효율적인 고성능 정책임을 입증함(RL Update).
|
||||
- **정책 변화(RL Update)**: 인간과 AI의 인터페이스 정책에서, AI가 인간을 대신해 단순 반복 작업을 처리해주어 인간이 고차원적 몰입(Deep Work) 정책에만 집중할 수 있게 돕는 '몰입 조력자로서의 AI 정책' 모델이 부상함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Creativity Research]], [[Psychology & Behavior]], [[Feedback-Loops]], [[Efficiency]], [[Analysis]]
|
||||
- **Modern Tech/Tools**: Deep Work techniques, Pomodoro timers, Distraction-[[Blocking]] apps.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -0,0 +1,21 @@
|
||||
---
|
||||
id: wiki-2026-0508-graph-theory
|
||||
title: Graph Theory
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: Theoretical_Foundations
|
||||
canonical_id: Theoretical_Foundations
|
||||
aliases: [graph_theory_redirect]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 [[Theoretical_Foundations]]으로 통합되었습니다.
|
||||
@@ -0,0 +1,22 @@
|
||||
---
|
||||
id: wiki-2026-0508-human-computer-interaction-hci
|
||||
title: Human Computer Interaction HCI
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: 프론트엔드_및_UIUX_표준
|
||||
canonical_id: wiki-2026-0508-041
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 Canonical 문서인 [[프론트엔드_및_UIUX_표준]]으로 통합되었습니다.
|
||||
모든 최신 지식과 세부 내용은 위 링크를 참조하십시오.
|
||||
@@ -0,0 +1,21 @@
|
||||
---
|
||||
id: wiki-2026-0508-information-theory
|
||||
title: Information Theory
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: Theoretical_Foundations
|
||||
canonical_id: Theoretical_Foundations
|
||||
aliases: [information_theory_redirect]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 [[Theoretical_Foundations]]으로 통합되었습니다.
|
||||
@@ -0,0 +1,108 @@
|
||||
---
|
||||
id: wiki-2026-0508-interaction-to-next-paint-inp
|
||||
title: Interaction to Next Paint (INP)
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-1BE349]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
tags: [auto-reinforced]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Interaction to Next Paint (INP)"
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Interaction to Next Paint (INP)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> INP(Interaction to Next Paint)는 웹 페이지의 전반적인 상호작용성(Interactivity)과 응답성(Responsiveness)을 측정하기 위해 2024년 Google이 공식 도입한 [[Core Web Vitals]] 지표입니다 [1-3]. 첫 번째 상호작용만 측정하던 기존의 FID(First Input Delay)와 달리, 페이지 방문 기간 동안 발생하는 모든 상호작용(클릭, 탭, 키 누름 등)의 전체 지연 시간을 측정하여 실제 사용자 경험을 더 정확하게 반영합니다 [4-6]. 사용자의 작업에 대해 즉각적인 시각적 피드백을 제공하는 것을 목표로 하며, 200밀리초(ms) 이하의 지연 시간을 기록해야 '좋음(Good)'으로 평가받을 수 있습니다 [5, 7].
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
* **도입 배경 및 영향:**
|
||||
INP는 2024년에 기존 Core Web Vitals 지표였던 [[First Input Delay (FID)]]를 공식적으로 대체했습니다 [1, 2]. FID가 첫 번째 상호작용의 이벤트 핸들러 시작 전 지연 시간만을 측정했던 반면, INP는 페이지 전체 수명 동안 발생하는 모든 상호작용을 추적하고 렌더링 지연까지 포함하여 측정합니다 [4-6]. 이 엄격해진 기준 변화로 인해 2024년 2월, 모바일 웹사이트들의 Core Web Vitals 통과율이 크게 하락하는 현상이 관찰되기도 했습니다 [1].
|
||||
|
||||
* **측정 및 산출 방식:**
|
||||
INP는 75백분위수(75th percentile)의 방문 데이터를 기준으로 계산됩니다 [8]. 페이지 내 상호작용이 50개 이하인 경우 가장 긴 상호작용 지연 시간을 INP로 간주하며, 상호작용이 50개를 초과할 경우 이상치(Outlier)의 영향을 줄이기 위해 50개 그룹당 가장 지연 시간이 긴 1개를 제외한 나머지 중 최댓값을 사용합니다 [8].
|
||||
* **평가 임계값:** 200ms 이하는 '좋음(Good)', 200ms 초과 500ms 이하는 '개선 필요(Needs improvement)', 500ms 초과는 '나쁨(Poor)'으로 분류됩니다 [5].
|
||||
* **브라우저 지원:** [[Chrome]]뿐만 아니라 [[Interop 2025]] 프로젝트를 통해 Firefox(버전 144부터 지원)와 Safari에서도 INP 측정 지표 구현 작업이 시작되었습니다 [9].
|
||||
|
||||
* **지연 시간의 세부 구성 요소 (Sub-p[[Arts]]):**
|
||||
사용자 상호작용의 전체 대기 시간은 크게 3단계로 나뉘며, [[Chrome DevTools]]를 통해 이 세부 정보(INP breakdown)를 확인할 수 있습니다 [4, 5, 10].
|
||||
1. **입력 지연 (Input delay):** 이벤트가 감지된 시점부터 이벤트 핸들러가 실행되기 전까지의 시간 [4, 5].
|
||||
2. **처리 시간 ([[Processing]] duration):** 이벤트 핸들러 코드가 실제로 실행되는 시간 [4]. 성능 병목이 가장 자주 발생하는 구간입니다 [10].
|
||||
3. **표시 지연 (Presentation delay):** 사용자 작업 이후 다음 프레임을 화면에 렌더링(페인트)할 때까지 걸리는 시간 [4].
|
||||
|
||||
* **최적화 전략:**
|
||||
INP를 최적화하기 위해서는 브라우저의 메인 스레드([[Main Thread]]) 차단을 최소화해야 합니다. 이를 위해 긴 작업([[Long Tasks]])을 비동기 청크로 분할하고, 핵심 이벤트 핸들러의 우선순위를 높이며, 불필요한 [[JavaScript]] 지연 로드(Lazy load) 및 수동 이벤트 리스너(Passive event listeners) 사용, 레이아웃 스래싱([[Layout Thrashing]]) 감소 등의 전략이 필요합니다 [11-14]. Chrome DevTools의 성능 패널에 통합된 [[Long Animation Frames API]]를 활용하면 상호작용을 지연시키는 특정 스크립트와 그 원인을 직관적으로 파악할 수 있습니다 [15, 16].
|
||||
|
||||
* **특수 측정 사례 (텍스트 강조 표시):**
|
||||
웹 페이지에서 텍스트를 드래그하여 강조 표시(Highlighting)하는 행위도 일반적으로 INP 점수에 영향을 주는 사용자 상호작용으로 간주됩니다 [17]. 다만, 2025년 초 Chrome의 업데이트를 통해 사용자가 창의 가장자리에 도달하여 스크롤이 트리거되는 텍스트 강조 표시 상황에서는 INP 점수가 증가하지 않도록 측정 방식이 조정되었습니다 [17].
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Related Topics:** [[Core Web Vitals]], [[First Input Delay (FID)]], [[Long Animation Frames API]]
|
||||
- **Projects/Contexts:** Chrome User Experience Report ([[CrUX]]), [[Chrome DevTools]], [[Interop 2025]]
|
||||
- **Contradictions/Notes:** 초기 측정 방식에서는 모든 텍스트 강조 표시가 INP에 영향을 주었으나, 2025년 초 Chrome의 업데이트로 인해 스크롤을 동반하는 텍스트 강조 표시는 예외적으로 INP 지연 시간에 합산되지 않도록 변경되었습니다 [17].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-19*
|
||||
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,22 @@
|
||||
---
|
||||
id: wiki-2026-0508-lstm-long-short-term-memory
|
||||
title: LSTM (Long Short Term Memory)
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: 데이터_사이언스_및_ML_엔지니어링
|
||||
canonical_id: wiki-2026-0507-029
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 Canonical 문서인 [[데이터_사이언스_및_ML_엔지니어링]]으로 통합되었습니다.
|
||||
모든 최신 지식과 세부 내용은 위 링크를 참조하십시오.
|
||||
@@ -0,0 +1,72 @@
|
||||
---
|
||||
id: wiki-2026-0508-largest-contentful-paint-lcp
|
||||
title: Largest Contentful Paint (LCP)
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-C57B92]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
tags: [auto-reinforced]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Largest Contentful Paint (LCP)"
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Largest Contentful Paint (LCP)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> LCP(Largest Contentful Paint)는 웹 페이지의 로딩 성능을 측정하는 구글의 핵심 웹 바이탈([[Core Web Vitals]]) 지표 중 하나로, 브라우저가 화면에 가장 큰 콘텐츠를 렌더링하는 데 걸리는 시간을 의미합니다 [1, 2]. 이는 사용자가 페이지의 주요 콘텐츠를 볼 수 있게 되는 시점을 나타내는 대리 지표로 사용됩니다 [2]. 구글은 좋은 사용자 경험을 위해 LCP를 2.5초 미만으로 유지할 것을 권장하며, 4.0초를 초과하면 불량한 것으로 간주합니다 [3, 4].
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
* **LCP의 역할 및 측정 기준:**
|
||||
LCP는 초기 시각적 응답 속도를 측정하며, 페이지 로드 시 가장 넓은 픽셀 영역을 차지하는 텍스트나 이미지 요소의 렌더링 완료 시점을 기준으로 합니다 [2, 5]. 데스크톱 및 모바일 환경의 실제 사용자 데이터를 기반으로 한 [[Chrome]] User Experience Report([[CrUX]])에서 75백분위수 방문자의 경험을 기준으로 평가됩니다 [6, 7].
|
||||
* **성능 최적화 및 디버깅:**
|
||||
LCP를 개선하기 위해서는 서버 응답 시간 최적화, 사전 연결(preconnect), 주요 리소스 사전 로드(preload), 렌더링을 차단하는 CSS/JS의 감소가 필요합니다 [8]. 특히 LCP에 영향을 미치는 주요 이미지에는 `fetchpriority='high'` 속성을 부여하여 로딩 우선순위를 높이는 것이 권장됩니다 [9]. 개발자는 [[Chrome DevTools]]의 'Performance' 패널과 'Live metrics' 화면을 통해 로컬 및 실제 필드 데이터의 LCP를 실시간으로 확인하고, 지표에 영향을 미치는 LCP 요소를 직접 추적할 수 있습니다 [6, 9-11].
|
||||
* **최근 측정 및 지표 업데이트 (2025년 기준):**
|
||||
* **LCP Subp[[Arts]]:** 2025년 2월부터 CrUX는 LCP를 구성하는 하위 요소(subparts) 데이터를 제공하여, 느린 서버 응답인지, 이미지 다운로드 지연인지 등 LCP 지연 원인을 세분화하여 파악할 수 있게 되었습니다 [12]. 이 하위 요소 데이터는 가장 큰 콘텐츠 요소가 이미지인 방문에 한해 적용됩니다 [13].
|
||||
* **Cross-origin 이미지 측정 개선:** 기존에 Chrome은 `Timing-Allow-Origin` 응답 헤더가 없는 크로스 오리진 이미지의 경우 이미지가 화면에 표시되기 전 다운로드된 시간만 보고했으나, 2025년 2월부터 실제 렌더링 시간을 정확히 반영하도록 측정 방식을 변경했습니다 [14].
|
||||
* **렌더링 시간의 세분화:** Chrome은 LCP 페인트 타이밍을 브라우저 렌더링이 완료된 시간(`paintTime`)과 실제 픽셀이 화면에 나타난 시간(`presentationTime`)으로 세분화하여 보고하기 시작했습니다 [15].
|
||||
* **브라우저 지원 확대 및 [[Soft Navigation]]:** [[Interop 2025]] 프로젝트를 통해 기존에 Chrome에 국한되었던 LCP 지표가 Firefox 및 Safari(Technology Preview 버전)에서도 지원되기 시작했습니다 [16]. 또한 현재 LCP는 초기 네비게이션 시에만 로드 시간을 측정하지만, 2025년 8월 Chrome은 SPA(Single-Page Application)와 같은 Soft Navigation 환경에서도 LCP 로드 시간을 측정하기 위한 새로운 Origin Trial을 시작했습니다 [17].
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Related Topics:** [[Core Web Vitals]], Chrome User Experience Report (CrUX), [[Interaction to Next Paint (INP)]], [[Cumulative Layout [[Shift]] (CLS)]], [[Soft Navigation]]
|
||||
- **Projects/Contexts:** [[Interop 2025]], [[Chrome DevTools]], [[Lighthouse]]
|
||||
- **Contradictions/Notes:** 소스에 따르면 현재 LCP 지표는 웹 사이트의 초기 네비게이션(initial navigation)에 대한 로드 시간만을 측정하기 때문에, URL 변경 시 전체 새로고침이 일어나지 않는 Soft Navigation 기반의 단일 페이지 애플리케이션(SPA) 운영자와 개발자에게는 성능 분석에 상당한 사각지대가 발생한다는 한계가 지적됩니다 [17].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-19*
|
||||
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -0,0 +1,95 @@
|
||||
---
|
||||
id: wiki-2026-0508-level-of-detail-lod
|
||||
title: Level of Detail (LOD)
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-B9CF3B]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
tags: [auto-reinforced]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Level of Detail (LOD)"
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Level of Detail (LOD)]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> LOD(Level of Detail)는 카메라와의 거리에 따라 객체의 기하학적 복잡도(폴리곤 수)를 동적으로 조절하여 렌더링 성능을 최적화하는 기법입니다 [1-3]. 가까운 객체에는 고해상도(High-poly) 모델을 보여주고, 멀리 있는 객체는 저해상도(Low-poly) 모델이나 단순한 평면(Impostor)으로 교체하여 GPU 연산량을 줄입니다 [1, 2, 4, 5]. 이를 통해 화면의 시각적 품질을 유지하면서도 대규모 씬의 프레임 속도를 크게 개선할 수 있습니다 [6, 7].
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **성능 개선 효과:** Three.js는 매 프레임 카메라와 객체 사이의 거리를 측정하여 적절한 폴리곤 밀도를 가진 메쉬로 자동 전환합니다 [3, 7, 8]. 대규모 씬에서 LOD를 적용하면 GPU 프래그먼트 처리량을 60~75% 감소시키고, 평균 폴리곤 수를 60~80% 줄일 수 있으며 [3, 7], 프레임 레이트를 30~40% 향상시킬 수 있습니다 [6].
|
||||
- **LOD 단계의 구성:** 일반적으로 3~5단계의 LOD 버전을 사전에 생성하여 사용합니다. 예를 들어, 근접 뷰용 5만 개(Hero), 중간 거리용 1만 5천 개, 배경용 5천 개, 그리고 극한의 거리를 위한 500개의 임포스터(Impostor) 메쉬로 구성하는 방식입니다 [4, 7]. 거리가 먼 객체는 드로우 콜과 삼각형 수를 줄이기 위해 질감이 입혀진 단일 평면(Billboard Impostor)으로 대체되기도 합니다 [2, 5].
|
||||
- **확장된 LOD 적용:** LOD 개념은 기하학적 메쉬뿐만 아니라 다른 렌더링 요소에도 적용됩니다. 애니메이션 최적화 시 뼈대(Bone)와 관련된 연산이나 텍스처 크기를 거리에 따라 줄이거나 [9-12], 텍스처 샘플링을 위해 해상도 피라미드를 구성하는 밉맵([[Mipmap]]s) 기능도 일종의 거리 기반 디테일 조절 기법입니다 [13].
|
||||
- **성능적 트레이드오프 및 한계:** LOD 시스템은 보이지 않는 메쉬 레벨까지 모두 GPU 메모리에 유지해야 하므로 메모리 사용량이 증가합니다 [14]. 또한 매 프레임 거리를 계산하고 메쉬를 교체하는 작업이 개별 메쉬마다 CPU 오버헤드를 발생시킵니다 [8].
|
||||
- **LOD 적용의 적합성:** 장면 최적화 시 LOD는 드로우 콜([[Draw Call]]) 병목 현상을 해결해 주지는 않습니다. 따라서 수천 개의 고유 요소를 렌더링하는 경우 드로우 콜 병목이 먼저 발생하므로 LOD가 성능 향상에 기여하지 못할 수 있습니다 [15]. LOD는 삼각형 수(예: 600만 개 이상)가 너무 많아 GPU가 한계에 도달했을 때 효과적이며, 거대한 오픈 월드나 매우 상세한 모델이 없는 한 후순위로 고려해야 할 최적화 기법입니다 [16-18].
|
||||
- **구현 방식:** Three.js에서는 `THREE.LOD` 객체를 사용하여 구현하며 [7], React Three Fiber에서는 Drei 라이브러리의 `<Detailed />` 컴포넌트를 통해 간편하게 설정할 수 있습니다 [1, 19]. [[InstancedMesh2]] 라이브러리 등을 통해 인스턴싱 기술과 LOD를 함께 활용하기도 합니다 [11, 20-22]. 런타임에 동적으로 모델을 단순화(Simplify)하여 LOD를 생성하는 것은 오버헤드를 유발하므로, 익스포트 단계에서 미리 LOD 메쉬를 만들어두는 것이 권장됩니다 [16, 23, 24].
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Related Topics:** Draw Calls, Impostor, [[InstancedMesh]], [[Frustum Culling]], Mipmaps
|
||||
- **Projects/Contexts:** Three.js, React Three Fiber, [[InstancedMesh2]]
|
||||
- **Contradictions/Notes:** LOD 기술이 항상 성능 향상을 가져오는 것은 아닙니다. 만약 애플리케이션이 드로우 콜 과부하 상태(Draw call bound)라면 LOD를 적용해도 드로우 콜 자체가 줄지 않으므로 성능이 오히려 약간 저하될 수 있으며, 메모리 부하와 교체 연산 오버헤드만 추가될 위험이 있습니다 [8, 14, 15].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-19*
|
||||
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
id: wiki-2026-0508-main-thread
|
||||
title: Main Thread
|
||||
category: 10_Wiki/Topics/AI
|
||||
status: merged
|
||||
redirect_to: Nodejs_and_Backend_Optimization
|
||||
canonical_id: Nodejs_and_Backend_Optimization
|
||||
aliases: [P-Reinforce-REDIRECT-MAIN-THREAD]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Main Thread]]
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Nodejs_and_Backend_Optimization]]**으로 통합되었습니다.
|
||||
> 모든 최신 지식과 상세 분석 내용은 통합 문서를 참조하시기 바랍니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Nodejs_and_Backend_Optimization]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-2026-0508-markov-decision-process-mdp
|
||||
title: Markov Decision Process (MDP)
|
||||
category: 10_Wiki/Topics/AI
|
||||
status: merged
|
||||
redirect_to: Reinforcement_Learning_and_Decision_Making
|
||||
canonical_id: Reinforcement_Learning_and_Decision_Making
|
||||
aliases: [P-Reinforce-REDIRECT-MDP-KO-LONG]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Markov-Decision-Process (MDP)]]
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Reinforcement_Learning_and_Decision_Making]]**으로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Reinforcement_Learning_and_Decision_Making]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-2026-0508-markov-decision-process-mdp
|
||||
title: Markov Decision Process MDP
|
||||
category: 10_Wiki/Topics/AI
|
||||
status: merged
|
||||
redirect_to: Reinforcement_Learning_and_Decision_Making
|
||||
canonical_id: Reinforcement_Learning_and_Decision_Making
|
||||
aliases: [P-Reinforce-REDIRECT-MDP-KO-DASH]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Markov-Decision-Process-MDP]]
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Reinforcement_Learning_and_Decision_Making]]**으로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Reinforcement_Learning_and_Decision_Making]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-2026-0508-markov-decision-processes
|
||||
title: Markov Decision Processes
|
||||
category: 10_Wiki/Topics/AI
|
||||
status: merged
|
||||
redirect_to: Reinforcement_Learning_and_Decision_Making
|
||||
canonical_id: Reinforcement_Learning_and_Decision_Making
|
||||
aliases: [P-Reinforce-REDIRECT-MDP-PLURAL]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Markov-Decision-Processes]]
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Reinforcement_Learning_and_Decision_Making]]**으로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Reinforcement_Learning_and_Decision_Making]]*
|
||||
@@ -0,0 +1,67 @@
|
||||
---
|
||||
id: wiki-2026-0508-mental-models
|
||||
title: Mental Models
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-MEMO-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.98
|
||||
tags: [auto-reinforced, mental-models, thinking-tools, decision-making, cognitive-science, wisdom]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Mental-Models]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "생각의 연장통: 세상이 어떻게 돌아가는지에 대한 핵심 원리들을 추상화한 지적 모형으로, 복잡한 상황에 직면했을 때 이를 해석하고 해결책을 도출하게 돕는 '인지적 지름길'이자 현자의 렌즈."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
사고 모델(Mental-Models)은 우리가 세상을 이해하고 의사결정을 내릴 때 사용하는 심리적 틀입니다. (찰리 멍거의 '격자판 지식' 개념과 연결)
|
||||
|
||||
1. **대표적 모델들**:
|
||||
* **First [[Principles]] (제1원리)**: 가정을 다 걷어내고 근본 진리에서 시작. ([[Reasoning]]와 연결)
|
||||
* **[[Inversion]] (역발상)**: 성공이 아닌 실패를 피하는 법부터 생각. (Inversion와 연결)
|
||||
* **Circle of Competence**: 내가 명확히 아는 영역과 모르는 영역의 경계 인식.
|
||||
* **Compounding (복리)**: 작은 성과가 쌓여 거대한 차이를 만드는 힘.
|
||||
2. **왜 중요한가?**:
|
||||
* 단편적 정보는 잊히기 쉽지만, 견고한 사고 모델은 새로운 정보를 걸러내고 의미를 부여하는 '지적 뼈대' 역할을 하여 더 나은 판단을 유도함. ([[Judgment]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 한 가지 전문 분야의 모델 정책만으로 충분했으나, 현대 정책은 찰리 멍거의 조언처럼 여러 학문의 핵심 모델 정책을 엮는 '격자판 지식(Latticework) 정책'이 복잡한 문제를 푸는 유일한 방법임(RL Update). ([[Knowledge synthesis]]와 연결)
|
||||
- **정책 변화(RL Update)**: AI 에이전트 설계 정책에서도 에이전트가 현실을 모델링하는 방식(World Model)을 사고 모델 정책으로 구현하여, 단순히 정답을 내는 것을 넘어 '상황의 맥락 정책'을 이해하게 함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Judgment]], [[Innovation]], [[Reasoning]], [[Inversion]], [[Knowledge synthesis]], [[Mental-[[Opera]]tions-Synthesized]]
|
||||
- **Modern Tech/Tools**: 1st principles thinking, Second order effects, Latticework of [[Mental Models]].
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -0,0 +1,24 @@
|
||||
---
|
||||
id: wiki-2026-0508-microservices-architecture
|
||||
title: Microservices Architecture
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: Microservices_Architecture
|
||||
canonical_id: Microservices_Architecture
|
||||
aliases: [microservices_architecture_ai_redirect]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 [[Microservices_Architecture]]으로 통합되었습니다.
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-2026-0508-monte-carlo-tree-search-mcts
|
||||
title: Monte Carlo Tree Search MCTS
|
||||
category: 10_Wiki/Topics/AI
|
||||
status: merged
|
||||
redirect_to: Reinforcement_Learning_and_Decision_Making
|
||||
canonical_id: Reinforcement_Learning_and_Decision_Making
|
||||
aliases: [P-Reinforce-REDIRECT-MCTS-AI]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Monte-Carlo-Tree-Search-MCTS]]
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Reinforcement_Learning_and_Decision_Making]]**으로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Reinforcement_Learning_and_Decision_Making]]*
|
||||
@@ -0,0 +1,89 @@
|
||||
---
|
||||
id: wiki-2026-0508-neuro-symbolic-ai
|
||||
title: Neuro Symbolic AI
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [AI-HYBRID-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [ai, neuro-symbolic, Deep-Learning, symbolic-Logic, Reasoning, hybrid-ai]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Neuro-Symbolic AI]] (뉴로-심볼릭 AI)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "딥러닝의 압도적인 '직관'과 심볼릭 논리의 명확한 '이성'을 결합하여, 생각하고 설명하는 완전한 지능을 구현하라" — 신경망 기반의 패턴 인식 능력과 기호 기반의 추론 능력을 통합하여, 데이터 효율성, 해석 가능성, 그리고 복잡한 논리 전개 능력을 동시에 확보하는 AI 패러다임.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Pattern Perception and Logical Deduction" — 딥러닝이 비정형 데이터(이미지, 음성 등)에서 의미 있는 심볼(개체, 속성)을 추출하면, 심볼릭 엔진이 미리 정의된 지식 그래프나 논리 규칙을 바탕으로 정답을 유추하고 그 과정을 설명하는 하이브리드 패턴.
|
||||
- **주요 특징:**
|
||||
- **Data [[Efficiency]]:** 수만 장의 사진 대신, 몇 개의 논리 규칙과 소량의 데이터만으로도 학습 가능.
|
||||
- **Explainability:** 결과 도출 과정이 논리적으로 기록되어 "왜 그렇게 판단했는지" 인간이 이해할 수 있음.
|
||||
- **Out-of-distribution Generalization:** 학습하지 않은 새로운 환경에서도 보편적인 논리 법칙을 적용하여 대응 가능.
|
||||
- **의의:** 현재 LLM의 한계인 할루시네이션(Hallucination)과 논리적 오류를 극복하기 위한 강력한 대안으로 주목받고 있음.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 신경망과 심볼릭 모델은 서로 섞일 수 없는 기름과 물과 같다는 인식을 넘어, 최근에는 신경망 내부에서 논리를 학습하거나(Logic Neural Networks) 심볼을 벡터로 변환하여 처리하는 등 유기적인 통합이 가속화됨.
|
||||
- **정책 변화:** Antigravity 에이전트는 사용자의 질문을 이해할 때는 딥러닝(Neural)을 쓰고, 작업 계획을 세우거나 지식 그래프를 업데이트할 때는 엄격한 논리 규칙(Symbolic)을 적용하는 뉴로-심볼릭 아키텍처를 지향함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Model-[[Interpretability]]-Tools]], [[Knowledge-Graph-Foundations]], Reasoning-and-Planning-in-AI, [[Trustworthy-AI]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Neuro-Symbolic-AI.md
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,93 @@
|
||||
---
|
||||
id: wiki-2026-0508-problem-solving
|
||||
title: Problem Solving
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-PRSO-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.98
|
||||
tags: [auto-reinforced, problem-solving, analytical-thinking, Strategy, frameworks, intellectual-agility]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Problem-Solving]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "지능의 실전 발현: 현재의 난처한 상태와 우리가 바라는 이상적인 상태 사이의 간극(Gap)을 발견하고, 자원과 논리를 총동원하여 그 간극을 가장 효율적으로 메우는 '장애물 돌파 연산'."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
문제 해결(Problem-Solving)은 복잡한 질문에 대한 답을 찾거나 어려운 상황을 타개하는 인지적 과정입니다.
|
||||
|
||||
1. **4단계 표준 프로세스**:
|
||||
* **Define**: 진짜 문제가 무엇인지 정의 (가장 중요). ([[Inquiry-Based Learning]]와 연결)
|
||||
* **Analyze**: 원인을 규명하고 작은 문제로 분해. ([[Analysis]]와 연결)
|
||||
* **Genereate/Select**: 가능한 해협들을 나열하고 기회비용 따져 선택. ([[Opport[[Unity]]-Cost]]와 연결)
|
||||
* **Implement/Evaluate**: 실행하고 피드백을 받아 개선. ([[Feedback-Loops]]와 연결)
|
||||
2. **왜 중요한가?**:
|
||||
* 단순 지식은 구글링으로 대체 가능하지만, 여러 지식을 엮어 꼬인 매듭을 푸는 '문제 해결력'은 대체 불가능한 고부가가치 창출의 유일한 근원이기 때문임.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 도메인 지식 정책에만 의존했으나, 현대 정책은 구조적 프레임워크 정책([[MECE]], 1st [[Principles]] 등)을 활용한 '일반적 해결 지능 정책'을 더 높게 평가함(RL Update).
|
||||
- **정책 변화(RL Update)**: AI 가 문제의 정의와 초안 해결책 정책을 제시하는 시대 정책 속에서, 인간은 AI가 만든 해법의 윤리적 리스크 정책을 판별하고 비즈니스 맥락에 맞게 최종 조율하는 '해결의 오케스트레이터 정책'으로 변화함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Inquiry-Based Learning]], [[Analysis]], [[Opportunity-Cost]], [[Feedback-Loops]], [[Innovation]], [[Mental-[[Opera]]tions-Synthesized]]
|
||||
- **Modern Tech/Tools**: [[MECE Framework]], Root Cause Analysis (RCA), TRIZ, Design Thinking.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,21 @@
|
||||
---
|
||||
id: wiki-2026-0508-prompt-engineering
|
||||
title: Prompt Engineering
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: Prompt_Engineering
|
||||
canonical_id: Prompt_Engineering
|
||||
aliases: [prompt_engineering_ai_redirect]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 [[Prompt_Engineering]]으로 통합되었습니다.
|
||||
@@ -0,0 +1,67 @@
|
||||
---
|
||||
id: wiki-2026-0508-risk-management
|
||||
title: Risk Management
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-RIMA-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, risk-Management, hazard-identification, mitigation, Strategy, Resilience]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Risk-Management]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "불확실성을 길들이는 기술: 프로젝트를 망칠 수 있는 모든 잠재적 지뢰를 미리 찾아내고, 그것이 터질 확률을 줄이거나 터졌을 때의 피해를 최소화하는 '지능형 방어 시스템'이자 비즈니스의 안전벨트."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
리스크 관리(Risk-Management)는 조직의 목표 달성에 부정적인 영향을 미치는 요소를 식별, 분석, 대응하는 일련의 과정입니다.
|
||||
|
||||
1. **4단계 리프루프 루프**:
|
||||
* **Identification**: 무엇이 잘못될 수 있는가? (Pre-Mortem-[[Analysis]]와 연결)
|
||||
* **[[Assessment]]**: 발생 확률 x 영향력 = 위험도 측정.
|
||||
* **Mitigation**: 위험을 줄이거나(Reduce), 넘기거나(Transfer), 수용함(Accept).
|
||||
* **Monitoring**: 상황 변화를 실시간 감시. ([[Quality-Control]]와 연결)
|
||||
2. **왜 중요한가?**:
|
||||
* 운에 맡기는 성공은 지속 가능하지 않으며, 리스크를 통제 아래 두는 조직만이 위기 속에서 오히려 기회를 잡기 때문임. (Resilience의 기반)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 리스크를 피해야 할 '재양 정책'으로 보았으나, 현대 정책은 리스크가 곧 이익의 원천임을 인정하고 '감당 가능한 리스크 정책'을 전략적으로 선택하는 방향으로 진화함(RL Update).
|
||||
- **정책 변화(RL Update)**: AI 에이전트 워크플로우 정책에서도 할루시네이션(Hallucination) 리스크 정책을 어떻게 관리하느냐가 시스템의 상용화 여부 정책을 결정하는 핵심 리스크 관리 정책임.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Pre-Mortem-Analysis]], [[Quality-Control]], [[Resilience]], [[Management]], [[Decision Theory]]
|
||||
- **Modern Tech/Tools**: Risk registers, Monte Carlo simulation, AI Guardrails.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -0,0 +1,89 @@
|
||||
---
|
||||
id: wiki-2026-0508-semantic-search
|
||||
title: Semantic Search
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [SEM-Search-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [ai, nlp, semantic-search, information-retrieval, vector-search]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# Semantic Search (의미 기반 검색)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "단어가 아닌 '의도'와 '맥락'을 검색하라" — 단순한 키워드 매칭을 넘어 사용자의 질의가 가진 실제 의미와 데이터 사이의 개념적 유사성을 분석하여 가장 적절한 결과를 도출하는 검색 기술.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 텍스트를 고차원 벡터 공간의 점(Embedding)으로 변환하여, 키워드가 달라도 의미적으로 가까운(Vector Distance가 작은) 데이터를 찾아내는 개념적 매칭 패턴.
|
||||
- **세부 내용:**
|
||||
- **Vector Embeddings:** 문장의 의미를 수치화된 벡터로 표현 (예: [[BERT]], Ada 등 사용).
|
||||
- **Similarity Measures:** 코사인 유사도 등을 통해 두 벡터 사이의 거리와 방향성을 계산.
|
||||
- **Intent Understanding:** 사용자의 질문 의도를 파악하여 관련 지식을 추론 (예: '애플' 검색 시 과일인지 기업인지 문맥으로 판단).
|
||||
- **Hybrid Search:** 전통적인 키워드 검색(BM25)과 의미 기반 검색을 결합하여 정확도와 포괄성을 동시에 확보.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 오타나 동의어 처리가 힘들었던 키워드 검색의 한계를 딥러닝 임베딩 기술을 통해 원천적으로 해결.
|
||||
- **정책 변화:** Antigravity 프로젝트의 위키 검색 엔진은 기본적으로 의미 기반 검색을 수행하며, 이를 통해 사용자가 모호하게 질문해도 정확한 위키 문서를 찾아 연결함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Word-Embeddings, Vector-Database, [[RAG]], NLP
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Semantic-Search.md
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,24 @@
|
||||
---
|
||||
id: wiki-2026-0508-software-architecture-patterns
|
||||
title: Software Architecture Patterns
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: Software_Architecture_Patterns
|
||||
canonical_id: Software_Architecture_Patterns
|
||||
aliases: [software_architecture_patterns_redirect]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 [[Software_Architecture_Patterns]]으로 통합되었습니다.
|
||||
@@ -0,0 +1,89 @@
|
||||
---
|
||||
id: wiki-2026-0508-space-based-architecture
|
||||
title: Space based Architecture
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [SYS-SPACE-ARCH-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [systems, Architecture, space-based, Distributed-Computing, in-memory, high-availability, Scalability]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# Space-based Architecture (스페이스 기반 아키텍처)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "데이터베이스라는 병목에서 벗어나 모든 데이터를 메모리 공간(Space)에 펼쳐놓고, 연산과 저장을 한 몸으로 묶어 무한한 동시성을 실현하라" — 중앙 집중식 DB의 한계를 극복하기 위해 인메모리 데이터 그리드(IMDG)를 활용하여 예측 가능한 확장성을 제공하는 아키텍처 패턴.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Tuple Space and Distributed In-memory [[Processing]]" — 데이터를 공유 메모리 공간(Space)에 튜플 형태로 저장하고, 여러 처리 장치(Processing Units)가 이 공간에 접근하여 연산을 수행하며, 변경 사항을 비동기로 영구 저장소에 반영하는 패턴.
|
||||
- **핵심 구성 요소:**
|
||||
- **Processing Unit:** 비즈니스 로직과 인메모리 데이터 그리드의 부분 집합을 포함하는 독립적 단위.
|
||||
- **Virtualized Middleware:** 서비스 간의 통신과 데이터 동기화를 담당.
|
||||
- **In-memory Data Grid:** 데이터베이스 부하를 줄이기 위해 모든 데이터를 메모리에 상주.
|
||||
- **의의:** 주식 거래 시스템, 온라인 게임, 대규모 이벤트 처리 등 수백만 건의 트랜잭션이 찰나의 순간에 몰리는 '극단적인 확장성(Extreme Scalability)'이 필요한 환경에서 최적의 성능을 발휘함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 구축 비용이 비싸고 복잡하다는 인식이 있었으나, 최근에는 Redis, Hazelcast 등 오픈소스 IMDG의 발전과 클라우드 자원의 유연성 덕분에 고성능 분산 시스템 구축의 현실적인 대안으로 자리 잡음.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트 간의 실시간 메시지 교환 및 공용 상태 관리 시, 응답 지연을 최소화하기 위해 스페이스 기반 아키텍처의 인메모리 공유 메커니즘을 부분적으로 도입함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Software-Architecture-Patterns]], [[Scalability-in-AI-Systems]], [[High-Availability-Systems]], [[Real-time-Data-Streaming]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Space-based-Architecture.md
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,63 @@
|
||||
---
|
||||
id: wiki-2026-0508-strategic-thinking
|
||||
title: Strategic Thinking
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [STRAT-THINK-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [decision-making, Strategy, Game-Theory, Systems-Thinking, productivity]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Strategic Thinking]] (전략적 사고)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "현재의 행동이 미래의 기회 비용과 어떻게 연결되는지 파악하라" — 단순한 문제 해결을 넘어, 장기적인 목표 달성을 위해 가용한 자원을 배치하고 외부 환경의 변화를 예측하여 최적의 경로를 설정하는 인지 프로세스.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** 복잡한 상황에서 핵심 변수를 식별하고, 인과관계의 사슬을 분석하여 경쟁 우위를 점하거나 지속 가능한 가치를 창출하는 고차원적 사고 패턴.
|
||||
- **세부 내용:**
|
||||
- **[[Systems Thinking]]:** 부분의 최적화가 아닌 전체 시스템의 역동성을 이해.
|
||||
- **Scenario Planning:** 미래의 다양한 가능성을 열어두고 각 시나리오에 대한 대응 전략 수립.
|
||||
- **Opport[[Unity]] Cost:** 특정 선택을 함으로써 포기해야 하는 가치를 명확히 인지하여 우선순위 결정.
|
||||
- **[[Anticipation]]:** 상대방(경쟁자, 시장, 시스템)의 다음 행동을 예측하여 선제적으로 대응.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 정적인 중장기 계획 수립에서, 최근에는 데이터 기반의 기민한 피드백 루프를 결합한 '적응형 전략(Adaptive Strategy)'으로 진화.
|
||||
- **정책 변화:** Antigravity 프로젝트는 '지식 가드닝'의 우선순위 설정 시 전략적 사고 원칙을 적용하여, 프로젝트 기여도가 가장 높은 도메인 지식부터 우선적으로 보강함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Systems-Thinking]], [[Game-Theory]], Decision-Making, GStack-Core-[[Principles]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Strategic-Thinking.md
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -0,0 +1,96 @@
|
||||
---
|
||||
id: wiki-2026-0508-swarm-intelligence
|
||||
title: Swarm Intelligence
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-SWIN-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.98
|
||||
tags: [auto-reinforced, Swarm-Intelligence, biology-inspired, decentralized-systems, ai-agents]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Swarm Intelligence]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "단순한 개체들의 위대한 합창: 중앙 집중적 통제 없이도 개별 개체들이 주변과 상호작용하며 만드는 집단적 질서를 통해, 개별 지능을 뛰어넘는 고난도의 최적해를 찾아내는 자연의 알고리즘."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
집단 지능(Swarm Intelligence, 군집 지능)은 개미, 벌, 새와 같은 사회적 곤충 및 동물들이 보여주는 집단적 행동에서 영감을 얻은 분산적이고 자발적인 지능 형태입니다.
|
||||
|
||||
1. **3대 원칙**:
|
||||
* **Decentralization**: 지휘관이나 중앙 통제 장치가 없음.
|
||||
* **Self-Organization**: 개체 간의 로컬한 상호작용이 거시적인 패턴을 형성 ([[Self-Correction]]과 밀접).
|
||||
* **Stigmergy**: 환경에 남겨진 흔적(예: 개미의 페로몬)을 매개로 소통하여 협업 수행.
|
||||
2. **주요 알고리즘**:
|
||||
* **Ant Colony [[Optimization]] (ACO)**: 최단 경로를 찾는 개미의 습성을 이용해 네트워크 라우팅 및 물류 최적화.
|
||||
* **Particle Swarm Optimization (PSO)**: 무리의 이동을 모방하여 다차원 공간의 최적점 탐색.
|
||||
3. **로보틱스/AI 적용**:
|
||||
* **Drone Swarms**: 수천 대의 드론이 충돌 없이 군집 비행하며 입체적 공격이나 감시 수행.
|
||||
* **Multi-Agent[[ system]]s**: 소형 AI 에이전트들이 협업하여 복잡한 소프트웨어 문제를 해결.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 개별 지능(슈퍼컴퓨터 하나)을 키우는 것에 집착했으나, 현대 AI 인프라 정책은 작고 저렴한 에이전트 수천 개를 엮어 집단 지능을 구현하는 '엣지 군집 정책'으로 확장됨(RL Update).
|
||||
- **정책 변화(RL Update)**: 군집 지능 무기가 가져올 통제 불능 리스크를 방어하기 위해, 인위적인 군집 비행 및 로봇 무리의 동작 프로토콜에 '킬 스위치'를 의무화하고 집단 윤리를 프로그래밍하는 국방 테크 정책이 수립됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Complex Adaptive Systems, [[Robotics]], [[Simulated-Annealing]], [[Self-Correction Mechanisms]], [[Decision Theory]]
|
||||
- **Modern Tech/Tools**: Swarm [[Robotics]], Slime mold algorithms, Boids simulation.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,92 @@
|
||||
---
|
||||
id: wiki-2026-0508-swarm-intelligence
|
||||
title: Swarm Intelligence
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [AI-SWARM-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [ai, swarm-intelligence, bio-inspired, Optimization, aco, pso, decentralized-systems, Robotics]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Swarm Intelligence]] (집단 지능)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "중앙의 지휘관 없이 단순한 개체들의 상호작용만으로 거대한 질서를 창조하고, 흩어진 정보 조각들을 모아 집단적인 최적의 해답을 도출하라" — 개미, 벌, 새와 같은 생명체들의 집단적 행동 양식을 모방하여 복잡한 문제를 해결하는 분산형 인공지능 기술.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **추출된 패턴:** "Self-organization and Decentralized Collaboration" — 개별 에이전트는 주변의 국소적인 정보만으로 행동하지만, 이들의 상호작용이 누적되어 전체 시스템 차원의 목적(최적 경로 탐색, 먹이 확보 등)을 달성하는 패턴.
|
||||
- **주요 알고리즘:**
|
||||
- **Ant Colony Optimization (ACO):** 페로몬 자국을 따라 최단 경로를 찾는 개미의 습성 모방. 물류 및 네트워크 경로 최적화에 탁월.
|
||||
- **Particle Swarm Optimization (PSO):** 먹이를 찾는 새 떼의 위치 변화 모방. 연속적인 공간에서의 수치 최적화에 강점.
|
||||
- **핵심 원칙:**
|
||||
- **[[Scalability]]:** 개체 수가 늘어나도 통제 부담이 크지 않음.
|
||||
- **[[Robustness]]:** 일부 개체가 사라져도 시스템 전체의 목적 달성에 지장이 없음.
|
||||
- **[[Adaptability]]:** 환경 변화에 유연하게 대응.
|
||||
- **의의:** 군집 로봇(Swarm Robotics), 트래픽 제어, 복잡한 조합 최적화 문제 등 중앙 집중형 제어가 한계에 부딪히는 지점에서 강력한 대안을 제시함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 초기에는 생물학적 모사에 치중했으나, 이제는 이를 수학적으로 정교하게 모델링하여 클라우드 리소스 배분이나 다중 에이전트 강화학습(MARL)의 협력 전략 설계로 응용 영역이 넓어짐.
|
||||
- **정책 변화:** Antigravity 프로젝트는 다수의 에이전트가 지식을 병렬로 가드닝할 때, 서로 중복되지 않으면서도 최적의 탐색 순서를 결정하기 위해 집단 지능의 분산 협력 프로토콜을 시스템 기저에 도입함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Optimization-Algorithms]], [[Robotics-Foundations]], [[Multi-agent-System]]s-Best-Practices, [[Simulated-Annealing]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Swarm-Intelligence.md
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,72 @@
|
||||
---
|
||||
id: wiki-2026-0508-systems-thinking
|
||||
title: Systems Thinking
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-SYTH-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.98
|
||||
tags: [auto-reinforced, Systems-Thinking, holistic-view, Feedback-Loops, complexity]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Systems Thinking]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "숲과 실핏줄을 동시에 보는 눈: 부분적인 문제 해결에 집착하지 않고, 보이지 않는 연결 고리와 피드백 루프를 파악하여 전체 시스템의 근본적인 역동성을 이해하는 지적 프레임워크."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
시스템 사고(Systems Thinking)는 대상을 분리된 조각이 아니라 상호 작용하는 구성 요소들이 얽힌 하나의 유기적인 '전체(Whole)'로 인식하고 분석하는 사고 방식입니다.
|
||||
|
||||
1. **핵심 원칙**:
|
||||
* **Holism**: 전체는 부분의 합보다 크다. (창발성 중시)
|
||||
* **Interconnectivity**: 모든 것은 다른 것과 연결되어 있으며, 한 곳의 변화는 예상치 못한 곳에서 파급 효과를 일으킴.
|
||||
* **Feedback Loops**:
|
||||
* **Reinforcing (+)**: 변화를 가속화 (성장 또는 파멸의 소용돌이).
|
||||
* **Balancing (-)**: 안정과 평형을 유지 ([[Self-Correction]]).
|
||||
* **Delayed Response**: 원인과 결과는 시간적, 공간적으로 떨어져 있을 수 있음.
|
||||
2. **분석 도구**:
|
||||
* **Iceberg Model**: 눈에 보이는 사건(Event) 아래의 패턴, 구조, 정신 모델을 파헤침.
|
||||
* **Causal Loop Diagrams (CLD)**: 인과관계의 고리를 시각화하여 악순환의 지점을 발견.
|
||||
3. **필요성**:
|
||||
* 단순한 선형적 사고로 풀 수 없는 기후 변화, 경제 위기, 조직 갈등 등 '사악한 문제(Wicked Problems)' 해결의 필수 도구.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거의 경영/정치 정책은 당장의 증상을 치료하는 'Quick-fix' 정책에 집중했으나, 현대 거버넌스 정책은 시스템 사고를 통해 근본 구조를 바꾸는 '지렛대 지점(Leverage Point)' 타격 정책으로 이동함(RL Update).
|
||||
- **정책 변화(RL Update)**: 기술 개발 정책 수립 시, 신기술이 사회 시스템 전체(일자리, 윤리, 환경 등)에 미칠 2차, 3차 파급력을 시스템 사고로 시뮬레이션하는 '영향 평가 의무화 정책'이 강화됨.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Complex Adaptive[[ system]]s, [[Social Systems Theory]], [[Structuralism]], [[Risk Management]], [[Decision Theory]], [[Ps-Reinforce]]
|
||||
- **Modern Tech/Tools**: System Dynamics software (Vensim, Stella), Causal Loop mapping.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -0,0 +1,67 @@
|
||||
---
|
||||
id: wiki-2026-0508-systems-thinking
|
||||
title: Systems Thinking
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-SYTH-002]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, systems-thinking, mental-model, root-cause, holistic-view, leverage-points]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Systems-Thinking]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "현상의 이면 읽기: 눈앞에 보이는 일시적인 사건(Event)에 일희일비하지 않고, 그 아래에 흐르는 패턴과 구조를 파악하여 '최소한의 힘으로 시스템 전체를 바꿀 수 있는 지점(Leverage point)'을 찾는 고차원 사고력."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
시스템 사고(Systems-Thinking)는 현상의 개별 부분보다는 전체와 그 연결 관계에 초점을 두는 사고방식입니다. ([[System-Theory]]의 실천적 도구)
|
||||
|
||||
1. **사고의 층위 (Iceberg Model)**:
|
||||
* **[[Events]]**: 지금 무슨 일이 일어났는가? (당장 주입할 주제 10개)
|
||||
* **Patterns**: 과거부터 어떤 흐름이 있었는가? (배치별 주입 속도 및 품질 유지)
|
||||
* **Structures**: 어떤 구조가 이런 패턴을 만드는가? ([[Ps-Reinforce]] 프로토콜과 코다리의 지휘 체계). ([[Standard-[[Opera]]ting-Procedure]]와 연결)
|
||||
* **[[Mental Models]]**: 우리의 어떤 생각이 이 구조를 유지하는가? (지식이 곧 자산이라는 철학).
|
||||
2. **왜 중요한가?**:
|
||||
* 단순한 문제 해결(Firefighting)이 아니라 '문제의 근본 원인'을 제거하여 같은 문제가 다시는 발생하지 않게 하기 때문임.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 인과관계가 직선적(A가 B를 만든다)이라 믿었으나, 현대 정책은 모든 것이 얽힌 순환적 인과관계 정책을 중시함(RL Update).
|
||||
- **정책 변화(RL Update)**: 본 조직의 '트리니티 리뷰' 또한 시스템 사고 정책의 산물이며, 한 부서의 실수가 전체 일정 정책에 미치는 영향을 전사적 관점에서 조율하여 리스크 정책을 원천 봉쇄함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Standard-Operating-Procedure]], [[System-Theory]], [[Problem-Solving]], [[Management]], [[Logic]]
|
||||
- **Key Tools**: Causal loop diagrams (CLD), Stock and flow diagrams.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -0,0 +1,95 @@
|
||||
---
|
||||
id: wiki-2026-0508-technical-debt
|
||||
title: Technical Debt
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-TEDE-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, technical-debt, code-quality, legacy, interest, maintenance, refactoring]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Technical-Debt]]
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "미래에서 빌려온 시간: 출시 속도를 높이기 위해 지금 당장 대충 짠 코드(Quick-and-dirty)는 나중에 반드시 '이자'라는 이름의 엄청난 유지보수 비용과 개발 속도 저하로 되돌아오는 지옥의 대출 상품."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
기술 부채(Technical-Debt)는 단기적인 성과를 위해 품질이 떨어지거나 비효율적인 설계를 선택했을 때 발생하는 장기적인 비용의 총합입니다.
|
||||
|
||||
1. **부채의 징후**:
|
||||
* **Rigidity**: 코드 한 줄 고치면 엉뚱한 곳에서 10개의 버그가 터짐.
|
||||
* **[[Fragility]]**: 시스템의 특정 부분을 건드리는 것이 두려워짐 (Legacy).
|
||||
* **Immobility**: 다른 프로젝트에서 기존 코드를 재사용하기가 불가능함.
|
||||
2. **해결책 (Debt [[Management]])**:
|
||||
* **Refactoring**: 기능을 유지하며 정기적으로 부채 상환(코드 개선). ([[Refinement]]와 연결)
|
||||
* **Automated [[Testing]]**: 부채 상환 중 뒤통수 맞지 않게 방패 설치. (Testing와 연결)
|
||||
3. **왜 중요한가?**:
|
||||
* 부채가 임계점을 넘으면(Bankrupt), 조직은 새 기능을 만드는 대신 '과거의 잘못을 고치는 데만' 모든 시간을 쓰게 되어 결국 시장에서 도태되기 때문임.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 부채를 무조건 죄악시했으나, 현대 정책은 '의도적인 부채 정책'을 통해 시장의 기회 정책을 먼저 잡고 나중에 갚는 전략적 선택 정책(Strategic debt)을 인정함(RL Update). ([[Quick-Wins]]와 연결)
|
||||
- **정책 변화(RL Update)**: "언제 부채를 낼 것인가?"와 "언제 갚을 것인가?"를 데이터로 결정하는 것 자체가 고도의 기술 매니지먼트 정책임.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Refinement]], [[Testing]], [[Quick-Wins]], [[Quality-Control]], [[Management]], [[Standard-[[Opera]]ting-Procedure]]
|
||||
- **Common Types**: Reckless vs Prudent debt, Deliberate vs Inadvertent debt.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -0,0 +1,22 @@
|
||||
---
|
||||
id: wiki-2026-0508-variational-autoencoders-vae
|
||||
title: Variational Autoencoders (VAE)
|
||||
category: 10_Wiki/Topics
|
||||
status: merged
|
||||
redirect_to: 데이터_사이언스_및_ML_엔지니어링
|
||||
canonical_id: wiki-2026-0507-029
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [uncategorized]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Redirect
|
||||
|
||||
이 문서는 Canonical 문서인 [[데이터_사이언스_및_ML_엔지니어링]]으로 통합되었습니다.
|
||||
모든 최신 지식과 세부 내용은 위 링크를 참조하십시오.
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-2026-0508-stochastic-gradient-descent
|
||||
title: stochastic gradient descent
|
||||
category: 10_Wiki/Topics/AI
|
||||
status: merged
|
||||
redirect_to: Neural_Networks_and_Deep_Learning_Foundations
|
||||
canonical_id: Neural_Networks_and_Deep_Learning_Foundations
|
||||
aliases: [P-Reinforce-REDIRECT-SGD-LOWER]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[stochastic gradient descent]]
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 고밀도 지식 자산 통합 정책에 따라 **[[Neural_Networks_and_Deep_Learning_Foundations]]**으로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Neural_Networks_and_Deep_Learning_Foundations]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-4x--redir
|
||||
title: 4X 전략
|
||||
category: AI_and_ML
|
||||
status: merged
|
||||
redirect_to: 4X 전략
|
||||
canonical_id: 4X 전략
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# 4X 전략
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[4X 전략]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[4X 전략]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-ai--redir
|
||||
title: AI 코드 리뷰
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: AI_코드_리뷰
|
||||
canonical_id: AI_코드_리뷰
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# AI 코드 리뷰
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[AI_코드_리뷰]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[AI_코드_리뷰]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-ai-safety-redir
|
||||
title: AI Safety
|
||||
category: AI_and_ML
|
||||
status: merged
|
||||
redirect_to: AI Safety
|
||||
canonical_id: AI Safety
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# AI Safety
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[AI Safety]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[AI Safety]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-allocation-timeline-redir
|
||||
title: Allocation Timeline
|
||||
category: AI_and_ML
|
||||
status: merged
|
||||
redirect_to: Allocation Timeline
|
||||
canonical_id: Allocation Timeline
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Allocation Timeline
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Allocation Timeline]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Allocation Timeline]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-ambient-declarations-redir
|
||||
title: Ambient Declarations
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Ambient_Declarations
|
||||
canonical_id: Ambient_Declarations
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Ambient Declarations
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Ambient_Declarations]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Ambient_Declarations]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-automated-refactoring-tools-redir
|
||||
title: Automated Refactoring Tools
|
||||
category: AI_and_ML
|
||||
status: merged
|
||||
redirect_to: Automated Refactoring Tools
|
||||
canonical_id: Automated Refactoring Tools
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Automated Refactoring Tools
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Automated Refactoring Tools]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Automated Refactoring Tools]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-bayesian-inference-redir
|
||||
title: Bayesian Inference
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Bayesian_Inference
|
||||
canonical_id: Bayesian_Inference
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Bayesian Inference
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Bayesian_Inference]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Bayesian_Inference]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-bellman-equation-redir
|
||||
title: Bellman Equation
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Bellman Equation
|
||||
canonical_id: Bellman Equation
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Bellman Equation
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Bellman Equation]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Bellman Equation]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-bellman-equation-redir
|
||||
title: Bellman Equation
|
||||
category: AI_and_ML
|
||||
status: merged
|
||||
redirect_to: Bellman Equation
|
||||
canonical_id: Bellman Equation
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Bellman Equation
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Bellman Equation]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Bellman Equation]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-best-of-n-sampling--redir
|
||||
title: Best of N Sampling ( ø)
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Best-of-N_Sampling
|
||||
canonical_id: Best-of-N_Sampling
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Best of N Sampling ( ø)
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Best-of-N_Sampling]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Best-of-N_Sampling]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-best-of-n-sampling-redir
|
||||
title: Best of N Sampling
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Best-of-N_Sampling
|
||||
canonical_id: Best-of-N_Sampling
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Best of N Sampling
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Best-of-N_Sampling]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Best-of-N_Sampling]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-best-of-n-sampling-redir
|
||||
title: Best of N Sampling
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Best-of-N_Sampling
|
||||
canonical_id: Best-of-N_Sampling
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Best of N Sampling
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Best-of-N_Sampling]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Best-of-N_Sampling]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-bounded-rationality-redir
|
||||
title: Bounded Rationality
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Bounded_Rationality
|
||||
canonical_id: Bounded_Rationality
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Bounded Rationality
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Bounded_Rationality]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Bounded_Rationality]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-bounded-rationality-redir
|
||||
title: Bounded Rationality
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Bounded_Rationality
|
||||
canonical_id: Bounded_Rationality
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Bounded Rationality
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Bounded_Rationality]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Bounded_Rationality]]*
|
||||
+25
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-brain-computer-interface-bci--redir
|
||||
title: Brain Computer Interface (BCI)
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Brain-Computer_Interface_(BCI)
|
||||
canonical_id: Brain-Computer_Interface_(BCI)
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Brain Computer Interface (BCI)
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Brain-Computer_Interface_(BCI)]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Brain-Computer_Interface_(BCI)]]*
|
||||
+25
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-brain-computer-interface-bci--redir
|
||||
title: Brain Computer Interface (BCI)
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Brain-Computer_Interface_(BCI)
|
||||
canonical_id: Brain-Computer_Interface_(BCI)
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Brain Computer Interface (BCI)
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Brain-Computer_Interface_(BCI)]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Brain-Computer_Interface_(BCI)]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-css--redir
|
||||
title: CSS 구조 설계 방식
|
||||
category: AI_and_ML
|
||||
status: merged
|
||||
redirect_to: CSS 구조 설계 방식
|
||||
canonical_id: CSS 구조 설계 방식
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# CSS 구조 설계 방식
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[CSS 구조 설계 방식]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[CSS 구조 설계 방식]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-call-stack-redir
|
||||
title: Call Stack
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Call_Stack
|
||||
canonical_id: Call_Stack
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Call Stack
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Call_Stack]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Call_Stack]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-chrome-devtools-redir
|
||||
title: Chrome DevTools
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Chrome_DevTools
|
||||
canonical_id: Chrome_DevTools
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Chrome DevTools
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Chrome_DevTools]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Chrome_DevTools]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-complexity-theory-redir
|
||||
title: Complexity Theory
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Complexity_Theory
|
||||
canonical_id: Complexity_Theory
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Complexity Theory
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Complexity_Theory]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Complexity_Theory]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-complexity-theory-redir
|
||||
title: Complexity Theory
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Complexity_Theory
|
||||
canonical_id: Complexity_Theory
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Complexity Theory
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Complexity_Theory]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Complexity_Theory]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-computational-creativity-redir
|
||||
title: Computational Creativity
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Computational_Creativity
|
||||
canonical_id: Computational_Creativity
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Computational Creativity
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Computational_Creativity]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Computational_Creativity]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-computational-creativity-redir
|
||||
title: Computational Creativity
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Computational_Creativity
|
||||
canonical_id: Computational_Creativity
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Computational Creativity
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Computational_Creativity]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Computational_Creativity]]*
|
||||
+25
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-constraint-satisfaction-problems-redir
|
||||
title: Constraint Satisfaction Problems
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Constraint-Satisfaction_Problems
|
||||
canonical_id: Constraint-Satisfaction_Problems
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Constraint Satisfaction Problems
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Constraint-Satisfaction_Problems]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Constraint-Satisfaction_Problems]]*
|
||||
+25
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-constraint-satisfaction-problems-redir
|
||||
title: Constraint Satisfaction Problems
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Constraint-Satisfaction_Problems
|
||||
canonical_id: Constraint-Satisfaction_Problems
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Constraint Satisfaction Problems
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Constraint-Satisfaction_Problems]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Constraint-Satisfaction_Problems]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-control-systems-engineering-redir
|
||||
title: Control Systems Engineering
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Control_Systems_Engineering
|
||||
canonical_id: Control_Systems_Engineering
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Control Systems Engineering
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Control_Systems_Engineering]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Control_Systems_Engineering]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-control-systems-engineering-redir
|
||||
title: Control Systems Engineering
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Control_Systems_Engineering
|
||||
canonical_id: Control_Systems_Engineering
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Control Systems Engineering
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Control_Systems_Engineering]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Control_Systems_Engineering]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-deep-q-networks-dqn-redir
|
||||
title: Deep Q Networks DQN
|
||||
category: AI_and_ML
|
||||
status: merged
|
||||
redirect_to: Deep Q-Networks (DQN)
|
||||
canonical_id: Deep Q-Networks (DQN)
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Deep Q Networks DQN
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Deep Q-Networks (DQN)]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Deep Q-Networks (DQN)]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-distributed-computing-redir
|
||||
title: Distributed Computing
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Distributed_Computing
|
||||
canonical_id: Distributed_Computing
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Distributed Computing
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Distributed_Computing]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Distributed_Computing]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-edge-computing-redir
|
||||
title: Edge Computing
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Edge Computing
|
||||
canonical_id: Edge Computing
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Edge Computing
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Edge Computing]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Edge Computing]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-edge-computing-redir
|
||||
title: Edge Computing
|
||||
category: AI_and_ML
|
||||
status: merged
|
||||
redirect_to: Edge Computing
|
||||
canonical_id: Edge Computing
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Edge Computing
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Edge Computing]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Edge Computing]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-evolutionary-computation-redir
|
||||
title: Evolutionary Computation
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Evolutionary_Computation
|
||||
canonical_id: Evolutionary_Computation
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Evolutionary Computation
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Evolutionary_Computation]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Evolutionary_Computation]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-evolutionary-computation-redir
|
||||
title: Evolutionary Computation
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Evolutionary_Computation
|
||||
canonical_id: Evolutionary_Computation
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Evolutionary Computation
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Evolutionary_Computation]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Evolutionary_Computation]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-excess-property-checking-redir
|
||||
title: Excess Property Checking
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Excess_Property_Checking
|
||||
canonical_id: Excess_Property_Checking
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Excess Property Checking
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Excess_Property_Checking]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Excess_Property_Checking]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-executive-dysfunction-redir
|
||||
title: Executive Dysfunction
|
||||
category: AI_and_ML
|
||||
status: merged
|
||||
redirect_to: Executive-Dysfunction
|
||||
canonical_id: Executive-Dysfunction
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Executive Dysfunction
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Executive-Dysfunction]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Executive-Dysfunction]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-explainable-ai-xai--redir
|
||||
title: Explainable AI (XAI)
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Explainable-AI-XAI
|
||||
canonical_id: Explainable-AI-XAI
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Explainable AI (XAI)
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Explainable-AI-XAI]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Explainable-AI-XAI]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-exploration-vs-exploitation-redir
|
||||
title: Exploration vs Exploitation
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Exploration_vs_Exploitation
|
||||
canonical_id: Exploration_vs_Exploitation
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Exploration vs Exploitation
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Exploration_vs_Exploitation]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Exploration_vs_Exploitation]]*
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-exploration-vs-exploitation-redir
|
||||
title: Exploration vs Exploitation
|
||||
category: AI
|
||||
status: merged
|
||||
redirect_to: Exploration_vs_Exploitation
|
||||
canonical_id: Exploration_vs_Exploitation
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [redirect]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-merge 2026-05-08)
|
||||
---
|
||||
|
||||
# Exploration vs Exploitation
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Exploration_vs_Exploitation]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Exploration_vs_Exploitation]]*
|
||||
Some files were not shown because too many files have changed in this diff Show More
Reference in New Issue
Block a user