feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]
This commit is contained in:
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AST-TRANS
|
||||
category: Unified
|
||||
id: wiki-2026-0508-abstract-syntax-tree-transformat
|
||||
title: Abstract Syntax Tree Transformation
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AST-TRANS]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.99
|
||||
tags: [AST, Abstract Syntax Tree, Transformation, Compiler, Babel]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Abstract-Syntax-Tree-Transformation|Abstract-Syntax-Tree-Transformation]] (AST 변환)
|
||||
@@ -19,9 +31,58 @@ last_reinforced: 2026-04-20
|
||||
- **Codemods**:
|
||||
- 대규모 코드베이스의 라이브러리 버전을 업그레이드할 때, API 변경 사항을 수천 개의 파일에 자동으로 반영하는 자동화된 코드 수정 기술.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- 무분별한 AST 변환은 디버깅을 지옥으로 만든다. 실행되는 코드와 원본 소스 코드가 결합력을 잃기 때문이다. 따라서 `Source Map` 생성을 철저히 관리하여 변환 후에도 원본 위치를 추적할 수 있게 해야 한다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Abstract-Syntax-Tree-Traversal|Abstract-Syntax-Tree-Traversal]] , Custom-ESLint-Rules-Development
|
||||
- Foundation: Computational Theory & Math/Information 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 |
|
||||
|
||||
## 💻 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-ADCU-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-adaptive-curation
|
||||
title: Adaptive Curation
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-ADCU-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [auto-reinforced, curation, adaptation, information-filter, adaptive-content, customization]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Adaptive-Curation|Adaptive-Curation]]
|
||||
@@ -23,7 +35,7 @@ last_reinforced: 2026-04-20
|
||||
* **Simple Algorithm**: 과거 취향에만 고착된 추천 (에코 챔버 발생 위험).
|
||||
* **Adaptive Curation**: 변화하는 취향을 선제적으로 감지하고 발견(Discovery)의 기쁨을 제공.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거 미디어 정책은 편집자의 권위를 통한 '일방통행적 정보 배포' 정책이었으나, 현대의 플랫폼 정책은 개별 사용자에게 최적화된 '분산형 적응 큐레이션 정책'으로 독점을 정당화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 적응형 큐레이션이 '필터 버블'을 강화하고 확증 편향을 심화시킨다는 비판 정책이 제기됨에 따라, 의도적으로 사용자에게 상반된 의견을 노출시키는 '균형 잡힌 적응 큐레이션 정책' 도입이 공공 알고리즘의 의무 요건이 됨.
|
||||
|
||||
@@ -31,3 +43,52 @@ last_reinforced: 2026-04-20
|
||||
- Personalization, Exploitation vs Exploration, [[Reward Prediction Error|Reward Prediction Error]], Information Ethics, [[Superficiality-Metrics|Superficiality-Metrics]]
|
||||
- **Modern Tech/Tools**: TikTok recommendation engine, Spotify Daily Mix, Amazon's adaptive storefront.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AI-ADDITIVE-TYPE
|
||||
category: Unified
|
||||
id: wiki-2026-0508-additive-type-logic
|
||||
title: Additive Type Logic
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AI-ADDITIVE-TYPE]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.97
|
||||
tags: [[Type Theory|[Type Theory]], Additive Type [[Logic|Logic]], TypeScript, Category Theory]
|
||||
tags: ["Type Theory|[Type Theory", Additive Type Logic, TypeScript, Category Theory]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Additive-Type-Logic|Additive-Type-Logic]] (가법 타입 논리)
|
||||
@@ -19,9 +31,58 @@ last_reinforced: 2026-04-20
|
||||
- **Nominal vs Structural Addition**:
|
||||
- 단순히 이름만 더하는 것이 아니라, 구조적 특징을 결합하여 컴파일 타임에 타입의 정합성을 수식처럼 계산한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- 과도한 타입 덧셈(Intersection)은 타입 추론 속도를 늦추고 에러 메시지를 난해하게 만든다. 특히 무한 재귀적인 타입 결합은 컴파일러가 포기하게 만들 수 있으므로, `Interface Extension`을 통해 적절히 계층화하는 설계가 권장된다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: TypeScript-Advanced-Type-System-Design , Category_Theory
|
||||
- Foundation: Computational Theory & Math/Information 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 |
|
||||
|
||||
## 💻 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-AEVA-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-aesthetic-value
|
||||
title: Aesthetic Value
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-AEVA-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.91
|
||||
tags: [auto-reinforced, aesthetics, value-theory, art-[[Philosophy|Philosophy]], design-[[Principles|Principles]]]
|
||||
tags: [auto-reinforced, aesthetics, value-theory, art-Philosophy, design-Principles]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Aesthetic-Value|Aesthetic-Value]]
|
||||
@@ -22,7 +34,7 @@ last_reinforced: 2026-04-20
|
||||
* **UI/UX Design**: 심미적으로 뛰어난 디자인은 사용자에게 신뢰감을 주며 시스템의 사용성을 높임 (Aesthetic-Usability Effect).
|
||||
* **[[Architecture|Architecture]]**: 공간의 미적 가치는 거주자의 정서와 행동 방식에 영향을 미침.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 미학을 인간 전유의 주관적 영역으로 보았으나, 현대의 AI 미학 정책은 인간의 뇌가 선호하는 패턴을 통계적으로 학습하여 '객관적인 미적 가치 점수'를 산출하고 생성 AI에 투영하는 정책으로 진화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 기업 브랜딩 및 제품 설계 정책에서, 기능성(Utility)만큼이나 '미적 독창성(Aesthetic Originality)'을 차별화의 핵심 전략 자산으로 관리하는 정책이 강화됨.
|
||||
|
||||
@@ -30,3 +42,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Visual-Effects-VFX|Visual-Effects-VFX]], [[Style-Transfer|Style-Transfer]], Human-Computer Interaction (HCI), [[Symmetry-and-Invariance|Symmetry-and-Invariance]], Foundational Models
|
||||
- **Modern Tech/Tools**: Aesthetic reward models in Generative AI, Adobe Firefly, Midjourney.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-ALCO-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-alcoholism
|
||||
title: Alcoholism
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-ALCO-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.88
|
||||
tags: [auto-reinforced, alcoholism, addiction-[[Psychology|Psychology]], public-health, mental-health]
|
||||
tags: [auto-reinforced, alcoholism, addiction-Psychology, public-health, mental-health]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Alcoholism|Alcoholism]]
|
||||
@@ -23,7 +32,7 @@ last_reinforced: 2026-04-20
|
||||
3. **치료**:
|
||||
* 약물 치료, 인지 행동 치료(CBT), 집단 상담 (AA - Alcoholics Anonymous).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 의지 부족이나 '도덕적 결함'으로 보는 처벌 정책이 강했으나, 현대 보건 정책은 뇌의 신경생물학적 질병으로 규정하고 '공공 위생 정책' 관점에서 접근함(RL Update).
|
||||
- **정책 변화(RL Update)**: 중독 치료 정책에 디지털 치료제(DTx) 및 AI 상담사 정책을 도입하여, 접근성을 높이고 사후 관리를 자동화하는 'Smart Recovery 정책'이 추진됨.
|
||||
|
||||
@@ -31,3 +40,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Decision Theory|Decision Theory]], [[Reward Prediction Error|Reward Prediction Error]], [[Psychology & Behavior|Psychology & Behavior]], [[Altruism|Altruism]], [[AI for Social Good|AI for Social Good]]
|
||||
- **Modern Tech/Tools**: Digital therapeutics (DTx) for addiction, Continuous monitoring wearables.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: BIG-O-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-algorithm-complexity-big-o
|
||||
title: Algorithm Complexity Big O
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [BIG-O-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [computer-science, algorithm, complexity, [[Optimization|Optimization]], big-o]
|
||||
tags: [computer-science, algorithm, complexity, Optimization, big-o]
|
||||
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
|
||||
---
|
||||
|
||||
# Algorithm Complexity (Big O, 알고리즘 복잡도)
|
||||
@@ -22,10 +34,59 @@ last_reinforced: 2026-04-26
|
||||
- **$O(2^n)$:** 지수 시간. 매우 위험한 복잡도 (예: 피보나치 재귀).
|
||||
- **의의:** AI 모델 학습이나 대규모 인덱싱 시 알고리즘 선택의 결정적 기준이 됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순히 '빠른' 알고리즘을 찾던 시기에서, 메모리 사용량(Space Complexity)과 캐시 효율성까지 고려하는 다각적 최적화 시대로 진화.
|
||||
- **정책 변화:** Antigravity 프로젝트는 모든 지식 검색 및 클러스터링 알고리즘 도입 시 최악의 경우 $O(n \log n)$ 이하의 복잡도를 유지하는 것을 원칙으로 함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Algorithm, [[Parallel-Computing|Parallel-Computing]], Vector-Database-Selection, [[Optimization|Optimization]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Algorithm-Complexity-Big-O.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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-ATOM-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-atomism
|
||||
title: Atomism
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-ATOM-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.88
|
||||
tags: [auto-reinforced, atomism, [[Philosophy|Philosophy]], [[Physics|Physics]], reductionism, material-[[Logic|Logic]]]
|
||||
tags: [auto-reinforced, atomism, Philosophy, Physics, reductionism, material-Logic]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Atomism|Atomism]]
|
||||
@@ -21,7 +33,7 @@ last_reinforced: 2026-04-20
|
||||
3. **지적 태도 (Logical Atomism)**:
|
||||
* 복잡한 문장이나 지식도 최소 단위인 '원자 명제'로 분석할 수 있다는 비트겐슈타인의 철학으로 계승됨. ([[Analysis|Analysis]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 원자가 정말 '최소 단위'라고 믿었으나, 현대 물리학 정책은 원자 내부의 쿼크나 끈 이론(String Theory) 등 더 미세한 층위와 '파동-입자 이중성' 정책을 수용하며 원자론적 사고의 한계를 인정함(RL Update).
|
||||
- **정책 변화(RL Update)**: 소프트웨어 설계 정책에서, 거대한 단일 코드(Monolith) 대신 작고 독립적인 원자 단위의 기능을 조립하는 '마이크로서비스 아키텍처(MSA) 정책'으로 원자론적 철학이 공학적 표준이 됨.
|
||||
|
||||
@@ -29,3 +41,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Analysis|Analysis]], [[Structuralism|Structuralism]], Reductionism, [[Arrangement-and-Composition|Arrangement-and-Composition]], Philosophy of Science
|
||||
- **Modern Tech/Tools**: [[Atomic Design|Atomic Design]] (UI/UX), Microservices [[Architecture|Architecture]].
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-AUBI-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-autobiography
|
||||
title: Autobiography
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-AUBI-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.88
|
||||
tags: [auto-reinforced, autobiography, narrative, [[memory|memory]], identity, storytelling, [[Reflection|Reflection]]]
|
||||
tags: [auto-reinforced, autobiography, narrative, memory, identity, storytelling, Reflection]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Autobiography|Autobiography]]
|
||||
@@ -22,7 +31,7 @@ last_reinforced: 2026-04-20
|
||||
* 한 개인의 역사를 통해 당시의 시대상과 보편적 인간 경험을 조명함.
|
||||
* 성공담뿐만 아니라 실패와 내면의 갈등을 공유하여 후대에 영감을 줌.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 '영웅적 서사' 중심의 정적인 기록 정책이 주류였으나, 현대의 자서전 정책은 삶의 단편들을 파편적으로 기록하고 공유하는 '디지털 로그(Digital Log) 및 마이크로 자서전 정책'으로 변모함(RL Update).
|
||||
- **정책 변화(RL Update)**: AI 기술 정책과 결합하여, 개인이 남긴 방대한 디지털 흔적을 분석해 자서전 초안을 잡아주거나 가상 인격으로 복원해주는 'AI 자서전 및 유산 관리 서비스 정책'이 실무적으로 검토됨.
|
||||
|
||||
@@ -30,3 +39,29 @@ last_reinforced: 2026-04-20
|
||||
- [[AI and Narrative|AI and Narrative]], [[Authenticity|Authenticity]], Memory, Self-Correction Mechanisms, [[Psychology & Behavior|Psychology & Behavior]]
|
||||
- **Modern Tech/Tools**: Day One ([[Journaling|Journaling]] app), Ghostwriting AI, Digital legacy platforms.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-AUET-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-autoethnography
|
||||
title: Autoethnography
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-AUET-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.85
|
||||
tags: [auto-reinforced, autoethnography, qualitative-[[Research|Research]], sociology, storytelling, reflexivity]
|
||||
tags: [auto-reinforced, autoethnography, qualitative-Research, sociology, storytelling, reflexivity]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Autoethnography|Autoethnography]]
|
||||
@@ -21,7 +30,7 @@ last_reinforced: 2026-04-20
|
||||
2. **장점**:
|
||||
* 전통적인 연구에서 소외된 소수자나 개인의 은밀한 목소리를 학문적 영역으로 끌어올림 ([[Victimhood-Narratives|Victimhood-Narratives]]의 학문적 승화).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 '객관성'이 결여되었다는 비판 정책에 시달렸으나, 현대 사회과학 정책은 연구자의 완전한 중립성은 불가능함을 인정하고 '투명한 주관성 정책'이 오히려 더 정직한 지식을 만든다고 평가함(RL Update).
|
||||
- **정책 변화(RL Update)**: 디지털 인류학 정책에서, 플랫폼 노동자나 AI 개발자가 자신의 노동 경험을 기록하여 기술 생태계의 민낯을 고발하는 '에이전틱 자기기술지 정책'이 기술 비평의 핵심 도구로 부상함.
|
||||
|
||||
@@ -29,3 +38,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Sociology of Knowledge|Sociology of Knowledge]], [[Authenticity|Authenticity]], [[AI and Narrative|AI and Narrative]], [[Victimhood-Narratives|Victimhood-Narratives]], [[Scientific Communication|Scientific Communication]]
|
||||
- **Modern Tech/Tools**: Narrative [[Analysis|Analysis]] software, Qualitative re[[Search|Search]] journals.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-ADM-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-automated-decision-making
|
||||
title: Automated Decision Making
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-ADM-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, automated-decision-making, adm, algorithm, [[Efficiency|Efficiency]], ethics-governance]
|
||||
tags: [auto-reinforced, automated-decision-making, adm, algorithm, Efficiency, ethics-governance]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Automated-Decision-Making|Automated-Decision-Making]]
|
||||
@@ -24,7 +36,7 @@ last_reinforced: 2026-04-20
|
||||
* **Lack of Context**: 숫자로 표현되지 않는 미묘한 인간적 상황 무시.
|
||||
* **Embedded Bias**: 알고리즘 내에 숨어있는 차별적 요소가 대량 집행됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 효율성만을 위해 ADM 도입을 권장하는 정책이었으나, 현대의 인권 정책은 이에 대해 '설명 요구권'과 '인간에 의한 재검토권'을 법적으로 보장하는 정책으로 강화됨(RL Update, 예: GDPR 제22조).
|
||||
- **정책 변화(RL Update)**: 공공 수사 및 복지 정책에서 ADM을 쓸 경우, 반드시 알고리즘의 소스코드와 학습 데이터를 감사받아야 하는 'ADM 투명성 및 책임성 의무화 정책'이 글로벌 표준이 됨.
|
||||
|
||||
@@ -32,3 +44,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Algorithmic Fairness|Algorithmic Fairness]], [[AI Accountability|AI Accountability]], [[Decision Theory|Decision Theory]], [[Algorithmic Transparency|Algorithmic Transparency]], [[AI Governance|AI Governance]]
|
||||
- **Modern Tech/Tools**: Credit scoring AI, Resume screening tools, Automated trading[[_system|system]]s.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AI-GENMAP
|
||||
category: Unified
|
||||
id: wiki-2026-0508-automated-map-generation
|
||||
title: Automated Map Generation
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AI-GENMAP]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.99
|
||||
tags: [PCG, Map Generation, Algorithm, [[Noise|Noise]] Nature]
|
||||
tags: [PCG, Map Generation, Algorithm, Noise Nature]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Automated-Map-Generation|Automated-Map-Generation]] (절차적 맵 생성 PCG)
|
||||
@@ -20,9 +32,58 @@ last_reinforced: 2026-04-20
|
||||
- **BSP (Binary Space Partitioning)**: 공간을 이진 분할하여 방과 복도를 배치하는 정석적인 방식.
|
||||
- **WFC (Wave Function Collapse)**: 인접한 타일 간의 관계성을 기반으로 복잡한 구조를 확률적으로 붕괴시켜 완성하는 최신 알고리즘.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- PCG는 자칫 '반복적이고 지루한(Samey)' 느낌을 줄 수 있다. 이를 방지하기 위해 핵심 랜드마크는 수동 제작(Manual Polish)하고, 그 사이의 연결을 PCG가 담당하는 하이브리드 방식이 선호된다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Systemic_Simulation_Principles|Systemic_Simulation_Principles]] , Art_Direction_Governance
|
||||
- Foundation: [[Information Theory|Information 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 |
|
||||
|
||||
## 💻 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AI-PATHPLAN
|
||||
category: Unified
|
||||
id: wiki-2026-0508-autonomous-vehicle-path-planning
|
||||
title: Autonomous Vehicle Path Planning
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AI-PATHPLAN]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.98
|
||||
tags: [Path Planning, A* Algorithm, [[Robotics|Robotics]], Autonomous Vehicle]
|
||||
tags: [Path Planning, "A* Algorithm", Robotics, Autonomous Vehicle]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Autonomous-Vehicle-Path-Planning|Autonomous-Vehicle-Path-Planning]] (자율주행 경로 계획)
|
||||
@@ -19,9 +31,58 @@ last_reinforced: 2026-04-20
|
||||
- **[[Behavior|Behavior]]al Decision (판단 레이어)**:
|
||||
- 차선 변경, 추월, 일단 정지 등 도로의 법규(Traffic Laws)와 에티켓을 반영한 의사결정 알고리즘과 물리적 제어를 결합한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- 과거에는 규칙 기반(Rule-based) 알고리즘이 주류였으나, 최근에는 복잡한 도심 상황을 해결하기 위해 'End-to-End' 딥러닝 방식과 '전통적 플래닝'을 결합한 계층적 구조가 표준으로 자리 잡았다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Systemic_Simulation_Principles|Systemic_Simulation_Principles]] , Robotic Manipulation
|
||||
- Context: [[Digital Twins|Digital Twins]]
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-AXIO-001
|
||||
category: Unified
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced, axiology, value-theory, ethics, aesthetics, [[Philosophy|Philosophy]]]
|
||||
id: wiki-2026-0508-axiology
|
||||
title: Axiology
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-AXIO-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
tags: [auto-reinforced, axiology, value-theory, ethics, aesthetics, Philosophy]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Axiology|Axiology]]
|
||||
@@ -20,7 +32,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 모든 의사결정(Decision Making)의 이면에는 가치 우선순위가 숨어 있음. 가치체계가 흔들리면 판단의 일관성(Consistency)도 무너짐.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 가치를 절대적이고 불변하는 것으로 보는 본질주의 정책이 강했으나, 현대 정책은 사회적 합의와 맥락에 따라 변하는 '상대적 가치 구성 정책'을 수용함(RL Update).
|
||||
- **정책 변화(RL Update)**: 인공지능의 가치 정렬([[Alignment|Alignment]]) 정책 수립 시, 프로그래머 개인의 가치가 아닌 인류 보편의 가치론적 합의를 모델에 어떻게 수치화하여 주입할 것인가가 공학적 난제로 부상함.
|
||||
|
||||
@@ -28,3 +40,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Ethics & AI|Ethics & AI]], [[Aesthetic-Value|Aesthetic-Value]], [[Alignment|Alignment]], [[Decision Theory|Decision Theory]], [[AI Humanism|AI Humanism]]
|
||||
- **Modern Tech/Tools**: Ethical framework design, Value alignment [[Protocols|Protocols]].
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-AXSY-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-axiomatic-systems
|
||||
title: Axiomatic Systems
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-AXSY-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, axiomatic-systems, [[Logic|Logic]], mathematics, formal-methods, [[Structuralism|Structuralism]]]
|
||||
tags: [auto-reinforced, axiomatic-systems, Logic, mathematics, formal-methods, Structuralism]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Axiomatic-Systems|Axiomatic-Systems]]
|
||||
@@ -21,7 +30,7 @@ last_reinforced: 2026-04-20
|
||||
2. **구조주의적 연결**:
|
||||
* 개별 사실보다 그 사실들을 엮어주는 '관계의 규칙(공리)'이 시스템의 본질을 결정함 (Structuralism과 연결).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 모든 지식을 공리화할 수 있다는 '힐베르트 서약' 정책이 우세했으나, 현대의 불완전성 정비 정책은 체계 내부에 증명 불가능한 영역이 존재함을 인정하고 유연한 보완 정책을 취함(RL Update).
|
||||
- **정책 변화(RL Update)**: 소프트웨어 무결성 검증 정책에서, 코드를 공리적 시스템으로 변환하여 오류가 없음을 수학적으로 확증하는 '형식 검증(Formal Verification) 정책'이 하이-리스크 시스템의 핵심 표준이 됨.
|
||||
|
||||
@@ -29,3 +38,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Axioms|Axioms]], [[Logic|Logic]], [[Structuralism|Structuralism]], [[Automated-Reasoning|Automated-Reasoning]], [[Safety & Reliability|Safety & Reliability]]
|
||||
- **Modern Tech/Tools**: TLA+ (Formal [[Specification|Specification]]), Mathematical proof assistants.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AI-B-TREE
|
||||
category: Unified
|
||||
id: wiki-2026-0508-b-tree
|
||||
title: B Tree
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AI-B-TREE]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.99
|
||||
tags: [B-Tree, Data Structure, DB, Indexing]
|
||||
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
|
||||
---
|
||||
|
||||
# [[B-Tree|B-Tree]] (B-트리)
|
||||
@@ -19,9 +31,58 @@ last_reinforced: 2026-04-20
|
||||
- **Disk I/O [[Efficiency|Efficiency]]**:
|
||||
- 노드 한 개의 크기를 하드디스크의 한 블록(Page) 크기에 맞춰 설계하여, 한 번의 스핀으로 최대한 많은 정보를 읽어오게 한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- 현대의 SSD 환경에서는 랜덤 액세스 속도가 빨라져서 B-Tree 계열 외에도 LSM-Tree(NoSQL 등에서 사용) 같은 다양한 변종이 사용된다. 하지만 여전히 관계형 DB(MySQL, PostgreSQL)의 기본 인덱스는 B+Tree(B-Tree의 계층형 변형)가 압도적 표준이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Distributed-Systems-Engineering|Distributed-Systems-Engineering]] , [[Combinatorial-Optimization|Combinatorial-Optimization]]
|
||||
- Foundation: Computational 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-BDFS-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-bfs-vs-dfs
|
||||
title: BFS vs DFS
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-BDFS-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.99
|
||||
tags: [auto-reinforced, bfs, dfs, algorithms, graph-[[Search|Search]], tree-traversal, [[Problem-Solving|Problem-Solving]]]
|
||||
tags: [auto-reinforced, bfs, dfs, algorithms, graph-Search, tree-traversal, Problem-Solving]
|
||||
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
|
||||
---
|
||||
|
||||
# [[BFS vs DFS|BFS vs DFS]]
|
||||
@@ -23,7 +35,7 @@ last_reinforced: 2026-04-20
|
||||
* **장점**: 메모리 가성비가 좋고, 경로상에 정답이 깊이 있을 때 유리함.
|
||||
* **단점**: 얻은 경로가 최단 경로라는 보장이 없으며 무한 루프 위험이 있음. ([[Backward-Reasoning|Backward-Reasoning]]과 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 문제 유형에 따라 하나를 선택하는 정적인 알고리즘 정책이었으나, 현대 AI 정책(MCTS 등)은 두 방식을 확률적으로 혼합하거나 보상에 따라 동적으로 깊이와 너비를 결정하는 '적응적 탐색 정책'으로 진화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 거대 언어 모델의 생각의 사슬(Chain of Thought) 추론 정책에서, 하나의 답변에 함몰되지 않고 여러 가지 추론 가지를 BFS적으로 생성해 비교하는 'Tree-of-Thoughts' 기법이 고난도 문제 해결의 핵심 정책이 됨.
|
||||
|
||||
@@ -31,3 +43,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Binary-Search|Binary-Search]], [[Backward-Reasoning|Backward-Reasoning]], [[Search-Optimization|Search-Optimization]], [[Analysis|Analysis]], Pattern Recognition
|
||||
- **Modern Tech/Tools**: Pathfinding algorithms in GPS, Crawling bots, Game AI (Minimax).
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AI-BIO-INSPIRED
|
||||
category: Unified
|
||||
id: wiki-2026-0508-biological-inspired-algorithms
|
||||
title: Biological Inspired Algorithms
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AI-BIO-INSPIRED]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.99
|
||||
tags: [Bio-Inspired Algorithms, Genetic Algorithms, Ant Colony [[Optimization|Optimization]], Evolution]
|
||||
tags: [Bio-Inspired Algorithms, Genetic Algorithms, Ant Colony Optimization, Evolution]
|
||||
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
|
||||
---
|
||||
|
||||
# BioLogical-Inspired-Algorithms (생물 유래 알고리즘)
|
||||
@@ -19,9 +31,58 @@ last_reinforced: 2026-04-20
|
||||
- **Neural Networks**:
|
||||
- 뇌의 뉴런 연결 구조를 모방한 인공 신경망 역시 가장 거대한 생물 유래 알고리즘의 범주에 속한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- 자연 모방 알고리즘은 전역 최적해(Global Optimum)를 찾는 데 유용하지만, 수렴 속도가 느릴 수 있다. 따라서 최근에는 수학적인 경사 하강법과 하이브리드로 결합하여 '정밀도'와 '탐색 범위'를 동시에 잡는 추세다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Reinforcement-Learning|Reinforcement-Learning]] , [[Algorithmic-Biology|Algorithmic-Biology]]
|
||||
- [[Strategy|Strategy]]: [[Innovation|Innovation]]-[[Management|Management]]
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-BLHO-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-black-hole
|
||||
title: Black Hole
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-BLHO-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.88
|
||||
tags: [auto-reinforced, black-hole, astro[[Physics|Physics]], singularity, gravity, space-time]
|
||||
tags: [auto-reinforced, black-hole, astroPhysics, singularity, gravity, space-time]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Black-Hole|Black-Hole]]
|
||||
@@ -21,7 +30,7 @@ last_reinforced: 2026-04-20
|
||||
* 일반 상대성 이론과 양자 역학이 충돌하는 지점으로, 우주의 근본 원리를 이해하는 핵심 열쇠임.
|
||||
* 정보 역설(Information Paradox): 블랙홀로 들어간 정보가 영원히 사라지는가, 보존되는가에 대한 논쟁은 지식 보존의 물리학적 기초가 됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 블랙홀이 모든 정보를 영영 삼키는 '파괴의 장소' 정책으로 보았으나, 현대 물리학 정책은 호킹 복사(Hawking Radiation)를 통해 아주 미세하게 정보를 방출할 수 있다는 정책으로 업데이트됨(RL Update).
|
||||
- **정책 변화(RL Update)**: 블랙홀의 실제 관측 데이터(Event Horizon Telescope)가 확보됨에 따라, 가설로만 존재하던 영역이 실질적인 '데이터 분석의 영역 정책'으로 들어왔으며, 이를 분석하기 위해 거대 AI 알고리즘이 필수적으로 사용됨.
|
||||
|
||||
@@ -29,3 +38,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Artificial Intelligence (AI)|Artificial Intelligence (AI)]], [[Scientific-Method|Scientific-Method]], [[Analysis|Analysis]], [[Information-Theory|Information-Theory]], [[Philosophy|Philosophy]] of Science
|
||||
- **Modern Tech/Tools**: Gravitational wave detectors (LIGO), Event Horizon Telescope imagery AI.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: BLOOM-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-bloom-filters-in-search
|
||||
title: Bloom Filters in Search
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [BLOOM-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [computer-science, data-structure, [[Search|Search]], algorithm, [[Efficiency|Efficiency]]]
|
||||
tags: [computer-science, data-structure, Search, algorithm, Efficiency]
|
||||
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
|
||||
---
|
||||
|
||||
# Bloom Filters in Search (검색에서의 블룸 필터)
|
||||
@@ -19,10 +31,59 @@ last_reinforced: 2026-04-26
|
||||
- **No False Negative:** 없다고 답하면 실제로 100% 없음. 불필요한 디스크/네트워크 접근을 원천 차단.
|
||||
- **응용 사례:** DB 인덱스 검색 최적화, 웹 브라우저의 유해 사이트 필터링, 분산 시스템의 캐시 효율성 증대.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 정확한 결과가 필수적이라는 데이터 구조의 고정관념에서 벗어나, '확률적 효율성'이 시스템 전체 성능에 더 큰 이득을 줄 수 있음을 증명.
|
||||
- **정책 변화:** Antigravity 프로젝트의 대규모 위키 문서 검색 시, 모든 문서를 임베딩 비교하기 전 블룸 필터를 통해 관련 키워드가 전혀 없는 문서를 1차적으로 배제함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Algorithm-Complexity-Big-O|Algorithm-Complexity-Big-O]],[[_system|system]]-Design-for-AI-Scale, Vector-Database-Selection, [[Parallel-Computing|Parallel-Computing]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/[[Bloom-Filters|Bloom-Filters]] in 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-BRFO-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-brute-force
|
||||
title: Brute force
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-BRFO-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.98
|
||||
tags: [auto-reinforced, brute-force, algorithms, exhaustive-[[Search|Search]], computation, [[Optimization|Optimization]]]
|
||||
tags: [auto-reinforced, brute-force, algorithms, exhaustive-Search, computation, 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
|
||||
---
|
||||
|
||||
# [[Brute-force|Brute-force]]
|
||||
@@ -23,7 +35,7 @@ last_reinforced: 2026-04-20
|
||||
* 데이터 크기가 작아 고난도 알고리즘을 짤 필요가 없는 경우.
|
||||
* 더 나은 알고리즘의 정답률을 검증하기 위한 기준점(Baseline).
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 '무식한 방법' 정책으로 치부되었으나, 현대 인프라 정책(GPU/Cloud)은 연산 비용의 급격한 하락 덕분에 병렬 처리를 통한 '고속 브루트 포스 정책'이 오히려 복잡한 알고리즘보다 개발 시간 대비 효율이 좋은 경우가 많아짐(RL Update).
|
||||
- **정책 변화(RL Update)**: 보안 정책 수립 시, 브루트 포스 공격을 막기 위해 로그인 시도를 제한(Rate Limiting)하거나 CAPTCHA를 강제하는 '지능형 접근 차단 정책'이 필수 표준이 됨.
|
||||
|
||||
@@ -31,3 +43,52 @@ last_reinforced: 2026-04-20
|
||||
- [[BFS vs DFS|BFS vs DFS]], [[Binary-Search|Binary-Search]], [[Optimization|Optimization]], [[Search-Optimization|Search-Optimization]], [[Technical-Architecture|Technical-Architecture]]
|
||||
- **Modern Tech/Tools**: Password cracking simulations, Permutation generators.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-BUSO-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-bubble-sort
|
||||
title: Bubble Sort
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-BUSO-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.99
|
||||
tags: [auto-reinforced, bubble-sort, algorithms, [[Sorting|Sorting]], educational, comparison-sort]
|
||||
tags: [auto-reinforced, bubble-sort, algorithms, Sorting, educational, comparison-sort]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Bubble-Sort|Bubble-Sort]]
|
||||
@@ -24,7 +36,7 @@ last_reinforced: 2026-04-20
|
||||
3. **교육적 의미**:
|
||||
* 실무에서 대용량 데이터를 정렬할 때는 쓰이지 않지만, 알고리즘의 기초 논리인 '비교'와 '교환'을 배우는 가장 좋은 교재임.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거 정렬 정책 연구는 버블 정렬의 비효율성을 강조하는 데 그쳤으나, 현대 임베디드 정책이나 특수 정렬 정책에서는 구현 코드가 매우 짧다는 '공간 절약 정책'의 장점이 특정 상황에서 재평가되기도 함(RL Update).
|
||||
- **정책 변화(RL Update)**: 엔지비니어링 교육 정책에서, 단순히 빠른 알고리즘만 가르치기보다 버블 정렬의 비효율성을 측정(Profiling)하고 이를 개선하는 과정(Quick/Merge Sort로의 전이)을 보여주는 '이론 체계화 정책'이 강화됨.
|
||||
|
||||
@@ -32,3 +44,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Binary-Search|Binary-Search]], [[Search-Optimization|Search-Optimization]], [[Analysis|Analysis]], Pattern Recognition, [[Arrangement-and-Composition|Arrangement-and-Composition]]
|
||||
- **Modern Tech/Tools**: Computer science 101 curriculum, Visual sorting simulators.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
+38
-3
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-SCI-[[Burnout|Burnout]]
|
||||
category: Unified
|
||||
id: wiki-2026-0508-burnout-prevention-in-profession
|
||||
title: Burnout Prevention in Professional Gaming
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.96
|
||||
tags: [Burnout, Professional Gaming, Mental Health, Performance]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Burnout-Prevention-in-Professional-Gaming (프로게이머 번아웃 방지)
|
||||
@@ -19,9 +28,35 @@ last_reinforced: 2026-04-20
|
||||
- **Sleep Hygiene (수면 위생)**:
|
||||
- 렘(REM) 수면 단계에서 당일 학습한 전략과 반응 기술이 장기 기억으로 전이된다. 하루 7시간 이상의 규칙적인 수면은 가장 강력한 기술 향상 도구다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- 무조건적인 연습 시간 증가는 오히려 '플래토(Plateau, 성체기)' 현상을 유발한다. 짧고 강렬한 '몰입 연습(Deliberate Practice)'과 완전한 단절을 동반한 휴식을 교차시키는 것이 롱런하는 선수의 공통점이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Behavioral-Economics|Behavioral-Economics]] , [[Complexity-Theory|Complexity-Theory]]
|
||||
- Foundation: [[Information Theory|Information 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 |
|
||||
@@ -1,6 +1,23 @@
|
||||
---
|
||||
id: wiki-2026-0508-caetextia
|
||||
title: Caetextia
|
||||
category: 10_Wiki/Topics
|
||||
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)
|
||||
---
|
||||
|
||||
# [[카이텍스티아 (Caetextia)]]
|
||||
|
||||
## 📌 Brief Summary
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
카이텍스티아(Caetextia)는 심리학자 조 그리핀(Joe Griffin)과 이반 타이렐(Ivan Tyrrell)이 자폐 스펙트럼 장애(ASD) 인구, 특히 고기능 자폐인에게서 지배적으로 나타나는 행동 양상을 설명하기 위해 고안한 용어로 '맥락 맹목성'을 뜻한다 [1]. 이는 여러 상호작용하는 변수들에 주의를 동시에 할당하고 전환하지 못하는 현상으로, 주어진 상황의 맥락 정보를 무의식적으로 활용하거나 환경 변화의 의미를 제대로 평가하지 못하게 만든다 [2, 3]. 만성적인 신경발달적 증상 외에도 심한 스트레스, 불안, 우울증에 의해 일시적인 형태로 발생할 수도 있다 [4].
|
||||
|
||||
## 📖 Core 기Content
|
||||
@@ -9,12 +26,11 @@
|
||||
* **심리적 및 일상적 파급 효과**: 한 번에 하나 이상의 변수나 요인에 주의를 기울여야 하는 상황에 직면하면 환자는 심각한 좌절감, 분노, 불안감을 경험하게 된다 [2]. 환경 변화의 맥락을 적절히 평가하지 못하여 발생하는 이러한 극심한 불안은 결국 고정된 규칙에 강박적으로 집착하는 행동 양식으로 이어진다 [3].
|
||||
* **'맥락 맹' 개념과의 비교**: 피터 베르뮬렌(Peter Vermeulen)이 독립적으로 제안한 '맥락 맹(Context blindness)'과 밀접하게 연관되지만, 이론적 초점에는 차이가 있다 [5]. 베르뮬렌의 맥락 맹은 약한 중앙 응집 이론의 연장선상에서 사전 경험과 암묵적 단서를 의미 도출에 병합하는 '의미 형성(meaning-making)' 단계의 결함으로 본다 [5, 6]. 반면 카이텍스티아는 개별적인 '주의(attention)의 분배와 전환 메커니즘'의 부재에 무게를 둔다 [3, 5].
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
과거 카이텍스티아를 뇌의 지배적 반구에 따라 '좌뇌형 카이텍스티아'와 '우뇌형 카이텍스티아'로 구분하려던 시도가 있었으나, 이는 지나친 단순화(oversimplification)라는 한계를 가진다 [4, 7]. 현대에는 이를 디폴트 시스템(default systems)의 관점에서, 디폴트 시스템에 과도하게 빠져 있거나(우뇌형) 반대로 철저히 배제되어(좌뇌형) 현재의 현실을 깊은 맥락과 연결하지 못하는 것으로 설명하는 것이 더 정확하다고 평가받는다 [7].
|
||||
또한, 엄격한 의미의 맥락 맹이나 카이텍스티아 가설이 과제 기반의 실증적 연구(task-based evidence)를 통해 항상 완벽하게 일관된 지지를 받는 것은 아니라는 제약이 있다 [8]. 더불어 맥락 통합 실패는 복잡한 다중 변수 환경에서 불안과 좌절을 유발하는 치명적 단점이 되지만, 역으로 생각하면 맥락의 간섭 없이 세부 사항과 개별 부품에 고립적으로 집중할 수 있는 특징(예: 수학 및 공학적 세밀함, 블록 설계에서의 뛰어난 성능)과 맞닿아 있는 반대 급부(Trade-off)를 지니고 있다 [2, 3, 9, 10].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
### Related Concepts
|
||||
|
||||
#### [관계 유형 A (병리학적 메커니즘 및 핵심 이론)]
|
||||
@@ -59,4 +75,38 @@
|
||||
- 확장 방향: 사회적 상호작용에서 타인의 감정과 의도라는 '사회적 맥락'을 통합하여 행동을 예측하는 능력에 대한 연구로, 맥락 맹 및 카이텍스티아가 야기하는 의사소통 한계의 근본 원인을 폭넓게 파악함 [12, 13].
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-04*
|
||||
*Last updated: 2026-05-04*
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
|
||||
**추출된 패턴:**
|
||||
> *(TODO)*
|
||||
|
||||
**세부 내용:**
|
||||
- *(TODO)*
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: CHAOS-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-chaos-theory-in-systems
|
||||
title: Chaos Theory in Systems
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [CHAOS-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [mathematics, complex-systems, chaos-theory, nonlinear-dynamics,[[_system|system]]-design]
|
||||
tags: [mathematics, complex-systems, chaos-theory, nonlinear-dynamics, _system-design]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Chaos Theory in Systems (시스템에서의 카오스 이론)
|
||||
@@ -20,10 +29,36 @@ last_reinforced: 2026-04-26
|
||||
- **Nonlinearity:** 입력의 합이 출력의 합과 같지 않은 시스템의 불규칙한 특성.
|
||||
- **의의:** 기상 예측, 주식 시장, 그리고 수천 개의 에이전트가 상호작용하는 대규모 AI 생태계의 불안정성을 이해하는 틀 제공.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 선형적인 인과관계로 세상을 설명하려던 고전 과학의 한계를 넘어, 불규칙성 자체가 시스템의 본질적 속성임을 규명.
|
||||
- **정책 변화:** Skybound 프로젝트의 대규모 함대 시뮬레이션 시, 카오스 이론을 응용하여 각 기체의 단순한 로직이 합쳐져 예측 불가능하면서도 유기적인 진형 변화를 보이도록 설계함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Complexity-Theory|Complexity-Theory]], [[Artificial-Life|Artificial-Life]], [[Multi-Agent-Systems-MAS|Multi-Agent-Systems-MAS]], System-Design-for-AI-Scale
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Chaos-Theory in Systems.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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-SCI-CLIMATE
|
||||
category: Unified
|
||||
id: wiki-2026-0508-climate-change-mitigation-framew
|
||||
title: Climate Change Mitigation Frameworks
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-SCI-CLIMATE]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.93
|
||||
tags: [Climate Change, Net Zero, Carbon Neutral, Mitigation]
|
||||
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
|
||||
---
|
||||
|
||||
# Climate-Change-Mitigation-Frameworks (기후 변화 대응 프레임워크)
|
||||
@@ -19,9 +31,58 @@ last_reinforced: 2026-04-20
|
||||
- **Emissions Trading[[_system|system]] (ETS)**:
|
||||
- 탄소 배출에 '가격'을 매겨 기업들이 자발적으로 배출량을 줄이도록 유도하는 시장 경제 기반의 정책 도구.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- 선진국과 개도국 사이의 '기후 정의' 문제가 항상 충돌한다. 기술적 해결만큼이나 글로벌 거버넌스(Paris Agreement)와 금융 지원 체계가 동반되어야 실무적인 변화가 가능하다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Circular-Economy|Circular-Economy]] , [[Distributed-Systems-Engineering|Distributed-Systems-Engineering]]
|
||||
- Policy: [[Collaboration_Governance|Collaboration_Governance]]
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-SCI-FLOW
|
||||
category: Unified
|
||||
id: wiki-2026-0508-cognitive-neuroscience-of-flow
|
||||
title: Cognitive Neuroscience of Flow
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-SCI-FLOW]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.97
|
||||
tags: [[Flow State|[Flow State]], Neuroscience, Concentration, Performance]
|
||||
tags: ["Flow State|[Flow State", Neuroscience, Concentration, Performance]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Cognitive-Neuroscience-of-Flow (몰입의 뇌과학)
|
||||
@@ -19,9 +28,35 @@ last_reinforced: 2026-04-20
|
||||
- **Challenge-Skill Balance**:
|
||||
- 과제의 난이도와 자신의 실력이 완벽한 균형을 이룰 때(지루함과 불안 사이) 뇌는 몰입 상태에 진입하기 가장 쉽다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- 몰입은 마법 같은 상태지만, 도파민 중독과 비슷한 양상을 보여 '중독성'이 있다. 건강한 몰입과 강박적 몰입을 구분하는 메타 인지가 장기적인 성장에 중요하다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Burnout|Burnout]]-Prevention-in-Professional-Gaming , [[Cognitive Psychology|Cognitive Psychology]]
|
||||
- Foundation: [[Information Theory|Information 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: COMB-OPT-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-combinatorial-optimization
|
||||
title: Combinatorial Optimization
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [COMB-OPT-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [mathematics, algorithm, [[Optimization|Optimization]], combinatorial-optimization, complexity]
|
||||
tags: [mathematics, algorithm, Optimization, combinatorial-optimization, complexity]
|
||||
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
|
||||
---
|
||||
|
||||
# Combinatorial Optimization (조합 최적화)
|
||||
@@ -20,10 +32,59 @@ last_reinforced: 2026-04-26
|
||||
- **Greedy Algorithms:** 매 순간 최선의 선택을 하여 빠르게 근사해 도달.
|
||||
- **Dynamic Programming (DP):** 문제를 작은 단위로 쪼개어 중복 계산 방지.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 고전적 알고리즘 위주에서, 최근에는 신경망(Neural Combinatorial Optimization)을 통해 복잡한 조합 문제를 학습 기반으로 해결하려는 시도가 활발함.
|
||||
- **정책 변화:** Skybound 프로젝트는 수십 개의 기체가 실시간으로 최적의 사격 대형을 형성해야 하는 군집 AI 로직에 조합 최적화 알고리즘을 적용하여 연산 효율을 극대화함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Algorithm-Complexity-Big-O|Algorithm-Complexity-Big-O]], [[Genetic-Algorithms|Genetic-Algorithms]], [[Simulated-Annealing|Simulated-Annealing]], [[Game-Theory|Game-Theory]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Combinatorial-Optimization.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)*
|
||||
@@ -1,8 +1,21 @@
|
||||
---
|
||||
category: Unified
|
||||
id: wiki-2026-0508-computer-science-and-theory
|
||||
title: Computer Science and Theory
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [category-index, computer_science_and_theory]
|
||||
title: Computer Science and Theory Directory
|
||||
last_updated: 2026-05-02
|
||||
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
|
||||
---
|
||||
|
||||
# Computer Science and Theory Directory
|
||||
@@ -146,4 +159,77 @@ last_updated: 2026-05-02
|
||||
- [[Type Theory]] : [[Type Theory|Type Theory]] (타입 이론)
|
||||
- [[VPS_NeRF]] : VPS & NeRF (Visual PositioningSystem)
|
||||
- [[Wicked-Problems]] : [[Wicked-Problems|Wicked-Problems]]
|
||||
- [[탄도학 및 명중률 알고리즘 (Ballistics and Accuracy Algorithms)]] : 탄도학 및 명중률 알고리즘 (Ballistics and Accuracy Algorithms)
|
||||
- [[탄도학 및 명중률 알고리즘 (Ballistics and Accuracy Algorithms)]] : 탄도학 및 명중률 알고리즘 (Ballistics and Accuracy Algorithms)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
|
||||
> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
|
||||
**추출된 패턴:**
|
||||
> *(TODO)*
|
||||
|
||||
**세부 내용:**
|
||||
- *(TODO)*
|
||||
|
||||
## 🤖 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
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- **Parent:** [[10_Wiki/Topics]]
|
||||
- **Related:** *(TODO: 최소 2개)*
|
||||
- **Opposite / Trade-off:** *(TODO)*
|
||||
- **Raw Source:** 직접 입력
|
||||
|
||||
## 🕓 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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: CONTROL-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-control-theory
|
||||
title: Control Theory
|
||||
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: [mathematics, engineering, control-theory, pid, feedback-loop]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Control Theory (제어 이론)
|
||||
@@ -20,10 +29,36 @@ last_reinforced: 2026-04-26
|
||||
- **Stability:** 시스템이 발산하지 않고 수렴하는지 분석 (예: Lyapunov 안정성).
|
||||
- **의의:** 로봇 공학, 자율주행, 드론 비행 제어, 그리고 강화학습의 이론적 토대.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 고정된 수학 모델에 기반한 고전 제어에서, 최근에는 복잡한 환경에 적응하는 적응 제어(Adaptive Control)와 AI를 결합한 지능형 제어로 진화.
|
||||
- **정책 변화:** Skybound 프로젝트의 미사일 추적 로직은 PID 제어 원리를 사용하여, 타겟의 움직임 변화에 부드럽고 정확하게 대응하도록 구현함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Physics|Physics]]-Engine, [[Reinforcement-Learning|Reinforcement-Learning]], [[Cybernetics|Cybernetics]]-Foundations, [[Robotics|Robotics]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Control-Theory.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 |
|
||||
@@ -1,10 +1,26 @@
|
||||
---
|
||||
id: wiki-2026-0508-cross-frequency-coupling-cfc
|
||||
title: Cross Frequency Coupling (CFC)
|
||||
category: 10_Wiki/Topics
|
||||
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)
|
||||
---
|
||||
|
||||
# [[교차 주파수 결합 (CFC)]]
|
||||
|
||||
## 📌 Brief Summary
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
교차 주파수 결합(Cross-Frequency Coupling, CFC)은 서로 다른 주파수 대역의 신경 진동(뇌파)이 동시에 발생하며 상호작용하는 뇌의 기능적 연결 메커니즘이다 [1]. 특히 느린 뇌파의 위상이 빠른 뇌파의 진폭을 변조하는 위상-진폭 결합(PAC)의 형태가 대표적이다 [1, 2]. 이는 멀리 떨어진 뇌 영역 간의 통신을 동기화하고, 산재된 감각 정보를 작업 기억 내에서 하나의 일관된 경험으로 묶어내는 맥락 통합의 핵심적인 신경 생물학적 기제로 작용한다 [1, 2].
|
||||
|
||||
## 📖 Core Content
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
* **주파수 간 상호작용 및 위상-진폭 결합(PAC):**
|
||||
주파수 영역 내의 다양한 뇌파(EEG) 진동은 독립적으로 작용하는 것이 아니라, 교차 주파수 진동의 상호작용을 통해 여러 신경 네트워크의 통합을 조절한다 [1]. CFC의 가장 널리 알려진 형태인 위상-진폭 결합(Phase-Amplitude Coupling, PAC)은 느린 진동 주파수(예: 세타파)의 위상이 더 빠른 진동 주파수(예: 감마파)의 진폭을 변조하는 구조를 가진다 [1, 2]. PAC는 다양한 뇌 영역에 걸쳐 보고되며 인지 기능 간의 상호작용 및 지역 신경망 간의 통신을 반영한다 [1].
|
||||
|
||||
@@ -17,13 +33,12 @@
|
||||
* **변조 지수(Modulation Index, MI)를 통한 정량적 분석:**
|
||||
교차 주파수 결합의 강도는 변조 지수(MI)라는 값을 통해 정량화할 수 있다 [4]. 이를 위해 힐베르트 변환(Hilbert transform)을 적용하여 느린 주파수(예: 세타파)의 위상 시계열과 빠른 주파수(예: 감마파)의 진폭 포락선 시계열을 결합한다 [4]. 이후 특정 위상 구간별 진폭 분포를 구하고, 이 분포가 균일 분포(Uniform distribution)로부터 얼마나 멀리 떨어져 있는지를 쿨백-라이블러(Kullback-Leibler) 거리와 엔트로피를 통해 산출하여 최종적인 결합 수준을 측정한다 [4-6].
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
단일 주파수에만 집중하던 기존의 정량적 뇌파 분석(QEEG)인 전력 스펙트럼 분석은 특정 주파수의 전력과 전압은 정량화하지만, 신경 활동 평가에 있어 필수적인 위상(phase) 정보를 무시하는 한계가 있었다 [1]. 교차 주파수 결합(CFC)은 위상 정보와 진폭(전력) 정보를 통합하여 기능적 뇌 활동과 네트워크 간 정보 처리 특성을 훨씬 정확하게 설명해 준다는 큰 장점이 있다 [1].
|
||||
그러나 CFC(특히 PAC)를 제대로 측정하기 위해서는 힐베르트 변환을 통한 시계열 합성, 위상 구간 분할, 엔트로피 기반의 쿨백-라이블러 거리 측정 및 변조 지수(MI) 계산이라는 일련의 수학적 과정을 거쳐야 하므로 기존 분석법보다 연산 비용과 계산적 복잡도가 크게 증가한다 [4-6].
|
||||
또한 생물학적 제약 관점에서 볼 때, 알츠하이머 치매나 조현병 등의 임상적 상태 혹은 특정 발달 지연 환경에서는 이 결합(예: 세타-감마 결합)이 손상될 수 있으며, 이 경우 작업 기억의 유지 성능과 분산된 맥락을 통합하는 뇌의 근본적인 능력이 크게 저하되는 결과를 초래한다 [7, 8].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
### Related Concepts
|
||||
|
||||
#### [관계 유형 A (기반 메커니즘 및 아키텍처)]
|
||||
@@ -68,4 +83,30 @@
|
||||
- 확장 방향: 뇌의 주파수 상호작용이 작업 기억 내에 정보를 순서대로 결합하고 일시적으로 맥락을 형성하는 미시적 토대라면, 인지 심리학적으로 부호화 당시의 환경적 맥락이 인출 시 강력한 단서로 작용하는 현상(예: 맥락 의존적 기억 및 체류 시간의 영향)을 거시적 차원에서 함께 분석하여 인간 기억 처리의 전모를 살핀다 [13].
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-05*
|
||||
*Last updated: 2026-05-05*
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-DETR-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-decision-theory
|
||||
title: Decision Theory
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-DETR-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, decision-theory, probability, risk-[[Analysis|Analysis]], [[Strategic-Thinking|Strategic-Thinking]], [[Game-Theory|Game-Theory]]]
|
||||
tags: [auto-reinforced, decision-theory, probability, risk-Analysis, Strategic-Thinking, Game-Theory]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Decision Theory|Decision Theory]]
|
||||
@@ -22,7 +31,7 @@ last_reinforced: 2026-04-20
|
||||
* **Minimax**: 가장 나쁜 상황에서 발생하는 손실을 최소화하는 하이 리스크 방어 전략.
|
||||
* **[[Bayesian Inference|Bayesian Inference]]**: 새로운 증거가 나올 때마다 자신의 판단을 업데이트하는 방식. ([[Bayesian-Updating|Bayesian-Updating]]과 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거 경제학 정책은 인간을 완벽하게 합리적인 존재로 가정했으나, 현대 정책은 '제한된 합리성([[Bounded-Rationality|Bounded-Rationality]]) 정책'을 기반으로 하여 현실적인 타협안을 찾는 정책으로 진화함(RL Update).
|
||||
- **정책 변화(RL Update)**: AI 에이전트의 자율적 의사결정 정책에서, 단순히 점수만 높이는 '결과 중심 정책'보다 결정 과정의 윤리와 리스크를 계량화하여 반영하는 '가치 정렬형 의사결정 정책'이 필수가 됨.
|
||||
|
||||
@@ -30,3 +39,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Bounded-Rationality|Bounded-Rationality]], [[Cognitive Biases|Cognitive Biases]], [[Bayesian-Updating|Bayesian-Updating]], [[Game-Theory|Game-Theory]], [[Strategic-Planning|Strategic-Planning]]
|
||||
- **Modern Tech/Tools**: [[Decision Tree|Decision Tree]]s, Monte Carlo simulations, Multi-criteria decision analysis (MCDA).
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: DET-COMP-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-determinism-in-computing
|
||||
title: Determinism in Computing
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [DET-COMP-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [computer-science, determinism, simulation, [[Physics|Physics]]-engine, skybound]
|
||||
tags: [computer-science, determinism, simulation, Physics-engine, skybound]
|
||||
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
|
||||
---
|
||||
|
||||
# Determinism in Computing (계산의 결정론)
|
||||
@@ -20,10 +32,59 @@ last_reinforced: 2026-04-26
|
||||
- **No Side Effects:** 함수가 외부 상태를 변경하지 않고 입력값에 의해서만 결과가 결정되도록 함 (순수 함수).
|
||||
- **의의:** 디버깅 용이성, 멀티플레이어 게임의 동기화, 과학 시뮬레이션의 신뢰성 확보에 필수적.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순히 '작동'하는 것에 집중하던 방식에서, 분산 시스템과 복잡한 시뮬레이션이 늘어남에 따라 '재현 가능성'이 소프트웨어 품질의 핵심 지표로 부상.
|
||||
- **정책 변화:** Skybound 프로젝트는 리플레이 시스템과 멀티플레이 동기화를 위해 모든 물리 연산과 확률 이벤트를 결정론적으로 설계하며, 부동 소수점 오차 누적을 방지하는 알고리즘을 적용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Time-Step-Logic-in-Games, Physics-Engine, [[Distributed-Computing|Distributed-Computing]], Simulation-[[Principles|Principles]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Determinism-in-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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AI-DIJKSTRA
|
||||
category: Unified
|
||||
id: wiki-2026-0508-dijkstra-s-algorithm
|
||||
title: "Dijkstra's Algorithm"
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AI-DIJKSTRA]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.99
|
||||
tags: [Dijkstra, Algorithm, Pathfinding, [[Graph Theory|Graph Theory]]]
|
||||
tags: [Dijkstra, Algorithm, Pathfinding, Graph Theory]
|
||||
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
|
||||
---
|
||||
|
||||
# Dijkstra's-Algorithm (데이크스트라 알고리즘)
|
||||
@@ -19,9 +31,58 @@ last_reinforced: 2026-04-20
|
||||
- **Application**:
|
||||
- 구글 지도, 게임 길찾기, 네트워크 라우팅(OSPF) 등 연결된 네트워크가 있는 모든 곳에 쓰인다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- 데이크스트라는 음수 가중치(음수의 거리 등)가 있는 환경에서는 작동하지 않는다(이땐 벨만-포드 필요). 또한, 거대한 맵에서는 탐색 범위가 너무 넓어지므로, 목표 지점 방향으로 먼저 탐색하는 지능을 더한 `A* (A-Star) 알고리즘`이 실무에서 더 선호된다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Autonomous-Vehicle-Path-Planning|Autonomous-Vehicle-Path-Planning]] , [[Combinatorial-Optimization|Combinatorial-Optimization]]
|
||||
- Foundation: Computational Theory & Math/Information 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 |
|
||||
|
||||
## 💻 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)*
|
||||
+39
-4
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: DAG-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-directed-acyclic-graph-dependenc
|
||||
title: Directed Acyclic Graph Dependency Management
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [DAG-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [computer-science, [[Graph-Theory|Graph-Theory]], data-structures, workflow]
|
||||
tags: [computer-science, Graph-Theory, data-structures, workflow]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Directed Acyclic Graph (DAG, 유향 비순환 그래프)
|
||||
@@ -19,7 +28,7 @@ last_reinforced: 2026-04-26
|
||||
- **Data Pipelines:** Spark, Airflow 등 현대 데이터 엔지니어링 도구에서 데이터의 흐름을 정의하는 표준 모델.
|
||||
- **Version Control:** Git의 커밋 히스토리는 부모-자식 관계를 가진 거대한 DAG 구조임.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순 트리(Tree) 구조보다 복잡한 관계를 표현할 수 있으면서도, 순환 구조(Graph)가 주는 무한 루프 위험을 제거한 실용적 타협점.
|
||||
- **정책 변화:** Antigravity 프로젝트의 '지식 연결 그래프'는 기본적으로 순환을 허용하나, '실행 워크플로우'는 엄격한 DAG 규칙을 따름.
|
||||
|
||||
@@ -27,3 +36,29 @@ last_reinforced: 2026-04-26
|
||||
- **Parent:** 10_Wiki/💡 Topics/AI
|
||||
- **Related:** Topological-Sort, [[Graph-Theory|Graph-Theory]], Workflow-Automation
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Directed-Acyclic-Graph-Dependency-Management.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 |
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-DIST-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-dissipative-structures
|
||||
title: Dissipative Structures
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-DIST-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.93
|
||||
tags: [auto-reinforced, dissipative-structures, thermodynamics, prigogine, self-organization, complexity-science, chaos-theory]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Dissipative-Structures|Dissipative-Structures]]
|
||||
@@ -21,7 +30,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 무질서도가 증가한다는 엔트로피 법칙 속에서도 어떻게 생명과 지능 같은 '정교한 질서'가 탄생하고 유지되는지 과학적으로 설명하기 때문임. ([[System-Theory|System-Theory]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거 고전 역학 정책은 시스템을 정적인 기계 정책으로 보았으나, 소산 구조 정책은 시스템을 유동적이고 역동적인 '프로세스 정책'으로 이해하게 함(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 단순 물리 환경 정책을 넘어, 사회적 변혁 정책이나 기업의 혁신 정책, 심지어 거대 언어 모델(LLM)의 지능 발현 정책([[Emergence|Emergence]])을 설명하는 거시적 프레임워크 정책으로 확장됨.
|
||||
|
||||
@@ -29,3 +38,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Synergy|Synergy]], [[System-Theory|System-Theory]], Complexity-Science, [[Sustainability|Sustainability]], [[Strategic-Planning|Strategic-Planning]], [[Structuralism|Structuralism]]
|
||||
- **Key Figure**: Ilya Prigogine (Nobel Prize in Chemistry, 1977).
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-DYPR-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-dynamic-programming
|
||||
title: Dynamic Programming
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-DYPR-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.97
|
||||
tags: [auto-reinforced, dynamic-programming, algorithms, [[Optimization|Optimization]], memoization, subproblems]
|
||||
tags: [auto-reinforced, dynamic-programming, algorithms, Optimization, memoization, subproblems]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Dynamic-Programming|Dynamic-Programming]]
|
||||
@@ -23,7 +35,7 @@ last_reinforced: 2026-04-20
|
||||
3. **왜 중요한가?**:
|
||||
* 지수 함수적으로 늘어나는 시간 복잡도([[Brute-force|Brute-force]])를 다항 시간 이내로 줄여주어, 현실적으로 풀 수 없는 문제를 해결 가능하게 만듦. (Optimization과 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 알고리즘 테스트용 '수학적 기법 정책'으로만 여겨졌으나, 현대 정책은 강화학습의 핵심인 '가치 함수 업데이트 정책(벨만 업데이트)'의 근간 정책으로 재평가됨(RL Update).
|
||||
- **정책 변화(RL Update)**: 거대 모델의 추론 최적화 정책에서, 토큰 생성 시 반복되는 연산을 캐싱하는 'KV 캐시 정책' 또한 현대적인 동적 계획법의 연장선상에 있는 최적화 정책임.
|
||||
|
||||
@@ -31,3 +43,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Brute-force|Brute-force]], [[Optimization|Optimization]], [[Combinatorial-Optimization|Combinatorial-Optimization]], [[Reinforcement Learning (RL)|Reinforcement Learning (RL)]], [[Search-Optimization|Search-Optimization]]
|
||||
- **Modern Tech/Tools**: Fibonacci, Knapsack problem solvers, Bio-informatics sequence [[Alignment|Alignment]].
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-ECIN-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-economic-complexity-index
|
||||
title: Economic Complexity Index
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-ECIN-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.93
|
||||
tags: [auto-reinforced, eci, economic-complexity, global-trade, knowledge-economy, industrial-growth, analytics]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Economic-Complexity-Index|Economic-Complexity-Index]]
|
||||
@@ -20,7 +29,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 부유한 국가일수록 남들이 못 만드는 복잡한 제품 정책(Knowledge-intensive products)을 많이 만든다는 점에 착안, 단순 소득 지표보다 훨씬 정확하게 미래의 경제 성장을 예측하기 때문임. ([[Strategic-Planning|Strategic-Planning]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 자원 정책(석유, 광물 등)이나 노동력 정책만으로 부국 정책을 설명했으나, ECI 정책은 '지식 통합 능력 정책(Knowledge integration)'이 국가 부의 진짜 원천 정책임을 입증함(RL Update).
|
||||
- **정책 변화(RL Update)**: 최근에는 물리적 제품 수출 정책뿐만 아니라, 소프트웨어 정책, 특허 정책, 문화 콘텐츠 정책 등 '무형 자산의 복잡성 정책'을 어떻게 ECI 정책 모델에 포함할 것인가에 대한 논의가 활발함. (Network-[[Analysis|Analysis]] (NA)와 연결)
|
||||
|
||||
@@ -28,3 +37,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Strategic-Planning|Strategic-Planning]], Network-Analysis (NA), [[Economics-of-Information|Economics-of-Information]], [[Sustainability|Sustainability]], Complexity-Science, [[Innovation|Innovation]]
|
||||
- **Key Concepts**: Product Space, Knowledge-based economy.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: MATH-EIGEN-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-eigenvalues-and-eigenvectors
|
||||
title: Eigenvalues and Eigenvectors
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-EIGEN-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, [[Linear-Algebra|Linear-Algebra]], ai, eigenvalues, eigenvectors, [[Dimensionality-Reduction|Dimensionality-Reduction]]]
|
||||
tags: [math, Linear-Algebra, ai, eigenvalues, eigenvectors, Dimensionality-Reduction]
|
||||
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
|
||||
---
|
||||
|
||||
# Eigenvalues and Eigenvectors (고유값과 고유벡터)
|
||||
@@ -22,10 +34,59 @@ last_reinforced: 2026-04-26
|
||||
- **PageRank:** 웹페이지 간의 연결 행렬에서 최대 고유값에 해당하는 고유벡터를 통해 페이지 중요도 산출.
|
||||
- **Face Recognition:** Eigenfaces 기법을 통해 얼굴의 핵심 특징 추출.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순한 수학적 연습 문제 수준에서, 현대 딥러닝과 데이터 사이언스의 모든 연산(임베딩, 추천, 물리 시뮬레이션 등)을 지탱하는 기반 기술로 가치 재정립.
|
||||
- **정책 변화:** Antigravity 프로젝트는 지식 노드 간의 중요도를 산출하는 그래프 분석 알고리즘 설계 시 고유값 분해(Eigen-decomposition) 원리를 활용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Principal-Component-[[Analysis|Analysis]]-PCA, [[Dimensionality-Reduction|Dimensionality-Reduction]], [[Linear-Algebra-Foundations|Linear-Algebra-Foundations]], Vector-Database-Selection
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Eigenvalues-and-Eigenvectors.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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-ELTH-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-elite-theory
|
||||
title: Elite Theory
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-ELTH-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [auto-reinforced, elite-theory, sociology, power, governance, oligarchy, institutionalism]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Elite-Theory|Elite-Theory]]
|
||||
@@ -21,7 +30,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 표면적인 정책 결정 뒤에 숨겨진 '진짜 힘의 흐름'과 제도적 장벽 정책을 이해하게 돕기 때문임. ([[Strategic-Planning|Strategic-Planning]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 혈통이나 토지 소유 정책이 중심이었으나, 현대 정책은 데이터 정책, 알고리즘 제어 정책, 플랫폼 독점 정책을 쥔 '테크 엘리트(Tech Elite)'가 새로운 지배 계급 정책으로 부상함(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 단순 국가 권력 정책을 넘어, 거대 기업의 알고리즘 정책이 대중의 생각 정책(Attention-Economy)을 지배하는 '보이지 않는 과두제'에 대한 비판적 분석으로 확장됨. ([[Economics-of-Information|Economics-of-Information]]와 연결)
|
||||
|
||||
@@ -29,3 +38,29 @@ last_reinforced: 2026-04-20
|
||||
- Network-Analysis (NA), [[Strategic-Planning|Strategic-Planning]], [[Economics-of-Information|Economics-of-Information]], Attention-Economy, Social-[[Psychology|Psychology]], [[Structuralism|Structuralism]]
|
||||
- **Key Thinkers**: Vilfredo Pareto, Gaetano Mosca, C. Wright Mills.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[Emergence|Emergence]]-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-emergence-in-systems
|
||||
title: Emergence in Systems
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [Emergence-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [systems-theory, complexity, emergence, [[Artificial-Life|Artificial-Life]], [[Multi-agent-System|Multi-agent-System]]s]
|
||||
tags: [systems-theory, complexity, emergence, Artificial-Life, Multi-agent-Systems]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Emergence in[[_system|system]]s (시스템에서의 창발)
|
||||
@@ -19,10 +28,36 @@ last_reinforced: 2026-04-26
|
||||
- **Examples:** 개미 군집의 효율적 먹이 탐색, 뉴런들의 상호작용으로 생겨나는 '의식', LLM 규모 확장 시 나타나는 새로운 추론 능력.
|
||||
- **의의:** 개별 알고리즘의 최적화를 넘어, 시스템 전체의 상호작용 설계를 통해 고차원 지능을 구현하는 이론적 토대.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 지능을 설계(Design)의 산물로 보던 관점에서, 적절한 환경과 규칙 하에서 발생하는 창발(Emergence)의 산물로 보는 관점으로 확장.
|
||||
- **정책 변화:** Skybound 프로젝트의 군집 드론 AI는 개별 기체에 복잡한 전술을 심는 대신, 단순한 '충돌 방지'와 '목표 추적' 규칙만을 부여하여 유기적인 진형 변화라는 창발적 행동을 유도함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Chaos-Theory-in-Systems, [[Artificial-Life|Artificial-Life]], [[Multi-Agent-Systems-MAS|Multi-Agent-Systems-MAS]], [[Complexity-Theory|Complexity-Theory]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Emergence-in-Systems.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 |
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-EMER-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-emergence
|
||||
title: Emergence
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-EMER-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, emergence, complexity, self-organization, [[Systems-Thinking|Systems-Thinking]], [[Collective-Intelligence|Collective-Intelligence]]]
|
||||
tags: [auto-reinforced, emergence, complexity, self-organization, Systems-Thinking, Collective-Intelligence]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Emergence|Emergence]]
|
||||
@@ -21,7 +30,7 @@ last_reinforced: 2026-04-20
|
||||
2. **사례**:
|
||||
* 물 분자가 모여 '젖음'이라는 수분을 형성하는 것, 뉴런이 모여 '의식'을 만드는 것, LLM이 거대해지며 갑자기 '추론 능력'을 갖게 되는 것.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거 과학 정책은 모든 것을 구성 성분으로 설명하려는 '환원주의 정책'이었으나, 현대 정책은 창발적 성질이 시스템의 본질적 가치 정책임을 인정하는 '복잡계 정책'으로 이동함(RL Update). ([[Complexity Theory|Complexity Theory]]와 연결)
|
||||
- **정책 변화(RL Update)**: AI 모델이 단순히 말을 잘하는 수준을 넘어 '자기 복제'나 '거짓말' 같은 원치 않는 창발적 능력을 가질 위험 정책을 탐지하기 위해, 모델의 비선형적 발현 임계점 정책을 감시하는 연구가 활발함.
|
||||
|
||||
@@ -29,3 +38,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Complexity Theory|Complexity Theory]], [[Collective-Intelligence|Collective-Intelligence]], [[Systems Thinking|Systems Thinking]], Self-Correction, [[Artificial General Intelligence (AGI)|Artificial General Intelligence (AGI)]]
|
||||
- **Modern Tech/Tools**: Cellular automata, Multi-agent simulations, Scale laws in LLMs.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: INFO-ENTROPY-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-entropy-in-information-theory
|
||||
title: Entropy in Information Theory
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [INFO-ENTROPY-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, [[Information-Theory|Information-Theory]], entropy, probability, data-compression]
|
||||
tags: [math, Information-Theory, entropy, probability, data-compression]
|
||||
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
|
||||
---
|
||||
|
||||
# Entropy in [[Information Theory|Information Theory]] (정보 이론에서의 엔트로피)
|
||||
@@ -19,10 +31,59 @@ last_reinforced: 2026-04-26
|
||||
- **Compression Limit:** 엔트로피는 이론적으로 도달 가능한 최적의 데이터 압축 한계를 정의함.
|
||||
- **의의:** 무의미한 소음([[Noise|Noise]])과 유의미한 신호(Signal)를 구분하고, 데이터 속에 숨겨진 지식의 밀도를 측정하는 척도 제공.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 열역학적 무질서도에서 시작된 개념을 '정보의 양'이라는 추상적 가치로 확장하여 디지털 통신과 AI 시대를 여는 이론적 토대가 됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 문서 내의 키워드 추출이나 지식의 중요도 산출 시, 해당 단어나 문장이 지식 네트워크의 전체 엔트로피를 얼마나 낮추는지(정보 이득)를 기준으로 가치를 평가함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Cross-Entropy-Loss, Decision-Trees-and-Random-Forests, [[Information-Theory|Information-Theory]], [[Cybernetics|Cybernetics]]-Foundations
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Entropy in Information Theory.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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-ERTH-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-ergodic-theory
|
||||
title: Ergodic Theory
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-ERTH-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.93
|
||||
tags: [auto-reinforced, ergodic-theory, dynamics, statistical-[[Physics|Physics]], probability, chaos, Stability]
|
||||
tags: [auto-reinforced, ergodic-theory, dynamics, statistical-Physics, probability, chaos, Stability]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Ergodic-Theory|Ergodic-Theory]]
|
||||
@@ -20,7 +29,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 분자 수조 개의 움직임(미시적)을 일일이 추적하지 않고도 온도나 압력(거시적) 같은 시스템의 성질 정책을 안정적으로 계산할 수 있게 하기 때문임. ([[System-Theory|System-Theory]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 거의 모든 물리계 정책이 에르고드적이라 가정했으나, 현대 정책은 '비에르고드적(Non-ergodic)' 상황(예: 금융 시장, 특정 복잡계)에서 평균값이 미래를 예측 정책에 오역을 줄 수 있다는 사실을 강조함(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 단순 물리 환경 정책을 넘어, AI 의 가중치 최적화 경로 정책이나 알고리즘의 수렴성 정책을 분석할 때 에르고드적 성질 정책 유무를 판단하는 것이 알고리즘 안정성 정책의 핵심이 됨. ([[Reliability|Reliability]]와 연결)
|
||||
|
||||
@@ -28,3 +37,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Statistics|Statistics]], [[System-Theory|System-Theory]], [[Reliability|Reliability]], [[Complexity-Theory|Complexity-Theory]], Entropy, [[Analysis|Analysis]]
|
||||
- **Key Figure**: Ludwig Boltzmann, George David Birkhoff.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-ETRE-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-ethnographic-research
|
||||
title: Ethnographic Research
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-ETRE-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, ethnography, [[Research|Re[[Search]]-Methodology]], user-[[Research|Research]], [[Observation|Observation]], contextual-inquiry, qualitative]
|
||||
tags: [auto-reinforced, ethnography, Research-Methodology, user-Research, Observation, contextual-inquiry, qualitative]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Ethnographic-Research|Ethnographic-Research]]
|
||||
@@ -21,7 +30,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 사용자 자신도 인지하지 못했던 '당연한 불편함'을 발견하여, 기존 시장에 없던 파괴적 혁신 제품 정책(Blue ocean)의 단초를 제공하기 때문임. ([[Innovation|Innovation]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 오프라인 오지 탐험 정책 위주였으나, 현대 정책은 커뮤니티 활동 로그, SNS 포스팅 등을 분석하는 '디지털 에스노그라피(Netnography) 정책'으로 진화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 단순 관찰 정책을 넘어, AI 가 수억 명의 디지털 활동 궤적 정책을 분석하여 거시적인 문화적 흐름 정책을 민속지학적으로 해석해 주는 'Computational Ethnography 정책'이 부상 중임. ([[Text-Mining|Text-Mining]]와 연결)
|
||||
|
||||
@@ -29,3 +38,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Customer-Journey-Mapping|Customer-Journey-Mapping]], [[Innovation|Innovation]], [[Text-Mining|Text-Mining]], [[Research-Methodology|Research-Methodology]], [[Continuous-Discovery|Continuous-Discovery]], UX-Design-and-Engagement
|
||||
- **Key [[goal|goal]]**: Emic perspective (내부자의 시각).
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-EVAL-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-evolutionary-algorithms
|
||||
title: Evolutionary Algorithms
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-EVAL-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, evolutionary-algorithms, [[Genetic-Algorithms|Genetic-Algorithms]], [[Optimization|Optimization]], bio-inspired, [[Search|Search]]]
|
||||
tags: [auto-reinforced, evolutionary-algorithms, Genetic-Algorithms, Optimization, bio-inspired, Search]
|
||||
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-Algorithms|Evolutionary-Algorithms]]
|
||||
@@ -23,7 +35,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 수학적으로 미분 불가능하거나 규칙이 복잡하여 전통적 방식으로 풀기 어려운 거대 조합 최적화 문제에 강력함. ([[Combinatorial-Optimization|Combinatorial-Optimization]]과 밀접)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 연산 속도가 너무 느려 실용성이 떨어진다는 정책이 많았으나, 현대 정책은 강력한 GPU 연산과 결합하여 AI 신경망 구조 자체를 진화시키는 '신경 진화([[Neuroevolution|Neuroevolution]]) 정책'으로 부활함(RL Update).
|
||||
- **정책 변화(RL Update)**: 강화학습의 그래디언트 방식이 막히는 복잡한 환경에서, 진화 알고리즘을 통한 '에이전트 모집단 학습 정책'이 더 강건한 인공지능을 만드는 대안 정책으로 연구되고 있음.
|
||||
|
||||
@@ -31,3 +43,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Optimization|Optimization]], [[Combinatorial-Optimization|Combinatorial-Optimization]], [[Genetic-Algorithms|Genetic-Algorithms]], [[Complexity Theory|Complexity Theory]], [[Emergence|Emergence]]
|
||||
- **Modern Tech/Tools**: Neuroevolution (NEAT), CMA-ES, Evolutionary Strategies (ES).
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-EXMA-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-expectation-maximization
|
||||
title: Expectation Maximization
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-EXMA-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, em-algorithm, expectation-maximization, latent-variable, gmm, [[Statistics|Statistics]], clustering, un[[Supervised-Learning|Supervised-Learning]]]
|
||||
tags: [auto-reinforced, em-algorithm, expectation-maximization, latent-variable, gmm, Statistics, clustering, unSupervised-Learning]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Expectation-Maximization|Expectation-Maximization]]
|
||||
@@ -20,7 +32,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 데이터가 누락(Missing data)되었거나 정답 라벨이 없는 비지도 학습 환경 정책에서 데이터의 내재적 구조 정책을 파악하는 가장 정석적인 방법이기 때문임. (Statistics와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 단순히 가우시안 혼합 모델(GMM) 정책 등에 사용되었으나, 현대 정책은 거대 언어 모델의 '지식 증강(Knowledge augmentation)' 과정이나 복잡한 추천 시스템의 '사용자 취향 잠재 공간 정책'을 찾아내는 데 핵심적으로 쓰임(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 단순 수렴 정책을 넘어, 변분 추론(Variational Inference) 정책과 결합하여 딥러닝 내부의 확률적 분포 정책을 조정하는 고수준 생성 모델(VAE)의 이론적 토대로 진화함. (Deep Learning (DL)와 연결)
|
||||
|
||||
@@ -28,3 +40,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Statistics|Statistics]], [[Analysis|Analysis]], Deep Learning (DL), [[Logic|Logic]], [[Complexity-Theory|Complexity-Theory]], Generalization
|
||||
- **Key Use Case**: Gaussian Mixture Models (GMM), Hidden Markov Models (HMM).
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,26 @@
|
||||
---
|
||||
id: wiki-2026-0508-fmea
|
||||
title: FMEA
|
||||
category: 10_Wiki/Topics
|
||||
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)
|
||||
---
|
||||
|
||||
# [[FMEA(Failure Mode and Effects Analysis)]]
|
||||
|
||||
## 📌 Brief Summary
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
FMEA(Failure Mode and Effects Analysis, 고장 모드 및 영향 분석)는 잠재적 고장 모드를 식별하고, 원인과 영향을 분석하여 이를 방지하거나 줄이기 위한 조치의 우선순위를 정하는 체계적인 위험 평가 기술이다 [1]. 이 기법은 제품이나 시스템의 개발 초기 단계부터 리스크를 사전에 식별하고 그 영향을 최소화하여 신뢰성과 안전성을 향상시키는 것을 목적으로 한다 [2]. 원래 미군과 항공우주 및 제조 분야를 위해 개발되었으나, 현재는 자동차, 전자, 의료 등 다양한 산업 전반에서 선제적 위험 완화 도구로 널리 사용되고 있다 [1, 3, 4].
|
||||
|
||||
## 📖 Core Content
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
* **FMEA의 핵심 평가 지표와 RPN 계산**
|
||||
* FMEA 분석은 잠재적 고장에 대한 리스크를 **심각도(Severity)**, **발생도(Occurrence)**, **검출도(Detection)**라는 세 가지 핵심 요소를 기준으로 평가한다 [2, 5].
|
||||
* 이 세 가지 점수를 곱하여 **위험 우선순위 수(RPN: Risk Priority Number)**를 산출하며, RPN 값이 높을수록 리스크가 크다고 판단하여 우선적인 개선 조치의 대상이 된다 [2, 6, 7].
|
||||
@@ -17,11 +34,44 @@ FMEA(Failure Mode and Effects Analysis, 고장 모드 및 영향 분석)는 잠
|
||||
* **능동적 위험 관리 도구로서의 가치**
|
||||
* FMEA는 고장 모드가 발생하기 전에 조기에 식별하여 팀이 사전에 문제를 해결할 수 있게 하는 선제적 분석을 제공한다 [17, 21]. 이는 비용이 많이 드는 실패를 피하고, 전반적인 품질 향상 및 규정 준수를 지원하며, 장기적인 성공을 위한 지속적인 개선 문화를 육성한다 [22, 23].
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
* **평가의 주관성과 일관성 문제:** 심각도, 발생도, 검출도에 대한 점수 할당은 분석을 수행하는 팀원의 경험과 판단에 의존하므로 주관적일 수 있으며, 이로 인해 평가의 불일치가 발생할 수 있다 [7, 21].
|
||||
* **RPN 지표의 한계:** RPN 수치만으로 리스크를 판단하면 실제 위험이 과소평가될 수 있는 제약이 존재한다 [7]. 따라서 심각도가 매우 높은 고장 모드의 경우, RPN 점수가 낮게 나오더라도 별도의 전문가 검토를 거쳐 우선순위를 재조정해야 한다 [7].
|
||||
* **복잡한 시스템 분석의 한계:** FMEA는 주로 개별 구성 요소나 단일 고장 모드에 초점을 맞추기 때문에, 수많은 상호의존성을 지닌 대규모의 복잡한 시스템이나 하위 시스템 간의 상호 작용을 분석하는 데는 한계가 있다 [21]. 이러한 경우 결함 트리 분석(FTA)과 같은 상향식 접근 방식이 더 적합할 수 있다 [21, 24].
|
||||
* **시간 및 자원의 소모:** 대규모 프로젝트에 FMEA를 적용할 경우, 각 고장 모드와 관련 결과에 대한 세부적이고 포괄적인 분석이 요구되므로 막대한 시간과 리소스가 소모될 수 있으며, 다루어야 할 정보의 양이 너무 많아 분석을 중도 포기할 위험도 존재한다 [21, 25]. 이를 성공적으로 수행하기 위해서는 특정 분야의 전문 지식이 필수적으로 요구된다 [21].
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-04*
|
||||
*Last updated: 2026-05-04*
|
||||
|
||||
## 🤖 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.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- **Parent:** [[10_Wiki/Topics]]
|
||||
- **Related:** *(TODO: 최소 2개)*
|
||||
- **Opposite / Trade-off:** *(TODO)*
|
||||
- **Raw Source:** 직접 입력
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: FEEDBACK-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-feedback-control-systems
|
||||
title: Feedback Control Systems
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [FEEDBACK-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [engineering, [[Control-Theory|Control-Theory]], feedback-loop, [[Cybernetics|Cybernetics]]]
|
||||
tags: [engineering, Control-Theory, feedback-loop, Cybernetics]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Feedback Control[[_system|system]]s (피드백 제어 시스템)
|
||||
@@ -19,7 +28,7 @@ last_reinforced: 2026-04-26
|
||||
- **Error Signal:** 목표값(Set-point)과 측정값(Process Variable)의 차이. 제어의 근거가 됨.
|
||||
- **Disturbance Rejection:** 외부의 예기치 않은 소음이나 간섭에도 불구하고 시스템이 목표를 유지하는 능력.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순 온-오프(On-Off) 제어에서 비례-적분-미분(PID) 및 상태 공간 제어와 같은 정교한 수학적 모델로 발전.
|
||||
- **정책 변화:** Antigravity 에이전트의 '자가 수정 루프'는 Negative Feedback 원리를 사용하여 사용자의 의도와 답변 사이의 거리를 좁히는 데 집중함.
|
||||
|
||||
@@ -27,3 +36,29 @@ last_reinforced: 2026-04-26
|
||||
- **Parent:** 10_Wiki/💡 Topics/AI
|
||||
- **Related:** [[Control-Systems-Engineering|Control-Systems-Engineering]], [[Cybernetics|Cybernetics]], PID-Control
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Feedback-Control-Systems.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 |
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: SYS-FEEDBACK-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-feedback-loops-in-systems
|
||||
title: Feedback Loops in Systems
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [SYS-FEEDBACK-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [systems-theory, [[Cybernetics|Cybernetics]], feedback-loop, Stability, growth-[[Strategy|Strategy]]]
|
||||
tags: [systems-theory, Cybernetics, feedback-loop, Stability, growth-Strategy]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Feedback Loops in[[_system|system]]s (시스템에서의 피드백 루프)
|
||||
@@ -18,10 +27,36 @@ last_reinforced: 2026-04-26
|
||||
- **Positive Feedback (양의 피드백):** 변화를 가속화하고 증폭시켜 기하급수적 성장이나 붕괴를 초래함 (예: 데이터 플라이휠 효과, 네트워크 효과, 인플레이션).
|
||||
- **의의:** 복잡한 시스템의 거동을 이해하고 예측하기 위한 필수 도구이며, 자율 제어 및 학습 아키텍처 설계의 기반.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순한 제어 공학의 도구에서, 비즈니스 모델의 폭발적 성장(Growth Loop)과 AI의 자가 진화(Self-improvement)를 설명하는 핵심 전략으로 가치 재정립.
|
||||
- **정책 변화:** Antigravity 프로젝트는 사용자의 '수정(Edit)' 행위를 에이전트의 '지식 정합성'을 높이는 강력한 음의 피드백 루프로 활용하여, 시간이 지날수록 지식 베이스의 오류를 0으로 수렴시킴.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Cybernetics-Foundations, [[Control-Theory|Control-Theory]], [[Data-Flywheel-Effect|Data-Flywheel-Effect]], [[Reinforcement-Learning-from-Human-Feedback-RLHF|Reinforcement-Learning-from-Human-Feedback-RLHF]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/[[Feedback-Loops|Feedback-Loops]] in Systems.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 |
|
||||
@@ -1,17 +1,26 @@
|
||||
---
|
||||
category: Unified
|
||||
id: wiki-2026-0508-flame-icicle-graph-플레임-고드름-그래프
|
||||
title: Flame Icicle Graph 플레임 고드름 그래프
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: []
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [auto-wikified, technical-documentation]
|
||||
title: Flame/Icicle Graph (플레임/고드름 그래프)
|
||||
description: "플레임/고드름 그래프(Flame/Icicle Graph)는 소프트웨어 프로파일러(Profiler)를 통해 생성되는 시각화 도구로, 시스템에서 실행되는 코드의 영역과 작동 패턴을 보여줍니다 [1]."
|
||||
last_updated: 2026-05-02
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-08
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Flame/Icicle Graph (플레임/고드름 그래프)
|
||||
|
||||
## 📌 Brief Summary
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
플레임/고드름 그래프(Flame/Icicle Graph)는 소프트웨어 프로파일러(Profiler)를 통해 생성되는 시각화 도구로, 시스템에서 실행되는 코드의 영역과 작동 패턴을 보여줍니다 [1]. 개발자가 소스 코드를 읽고 의도나 추측에 의존하는 대신 코드가 런타임에 실제로 어떻게 실행되는지(as it's executed)를 파악하는 데 유용합니다 [1]. 대규모 코드베이스를 탐색할 때, 분석이 필요한 가장 중요한 코드 영역을 식별하고 코드 읽기 시간을 할애할 우선순위(Roadmap)를 결정하는 데 강력한 도움을 줍니다 [1].
|
||||
|
||||
## 📖 Core Content
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
* **실제 실행 흐름 기반의 분석 도구:**
|
||||
방대하고 복잡한 코드베이스를 파악할 때 코드만 읽어서는 전체적인 흐름을 이해하기 어렵습니다. 가장 일반적인 워크로드(workload)를 프로파일링하여 플레임/고드름 그래프를 확인하면, 코드가 누군가 의도했던 방향이 아니라 '실제로 실행되는 방식' 그대로를 시각적으로 관찰할 수 있습니다 [1].
|
||||
* **코드 읽기 전략의 나침반(Roadmap) 역할:**
|
||||
@@ -19,11 +28,10 @@ last_updated: 2026-05-02
|
||||
* **최적화 도구에서 코드 탐색 도구로의 인식 전환:**
|
||||
프로파일러와 그 시각화 결과물인 플레임/고드름 그래프는 주로 성능 최적화(Optimization) 용도로만 언급되는 경향이 있습니다 [1]. 그러나 실제로는 대규모 시스템의 코드베이스 작동 방식을 빠르고 깊이 있게 이해하도록 돕는 훌륭한 '코드 내비게이션 및 학습 도구'로서의 가치가 매우 높습니다 [1, 2]. 이를 통해 기존에 아무도 프로파일링하지 않았던 레거시 코드에서 짧은 시간 안에 핵심을 파악하고 최적화 포인트(예: 성능 3~5% 향상)를 찾아내는 성과를 얻을 수도 있습니다 [1, 3].
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
소스에 관련 정보가 부족합니다. (제공된 소스에서는 플레임/고드름 그래프의 유용성에 대해서만 설명하고 있으며, 이 도구를 활용할 때 발생하는 부작용, 한계점 혹은 기술적 반대급부에 대한 정보는 포함되어 있지 않습니다.)
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
### Related Concepts
|
||||
|
||||
#### [동적 분석 도구]
|
||||
@@ -57,4 +65,30 @@ last_updated: 2026-05-02
|
||||
- 확장 방향: 그래프 분석을 통해 발견된 비효율(예: 불필요한 sleep 호출 등)을 실제로 어떻게 제거하고 실행 속도를 개선할 것인가에 대한 개발 실무 [3].
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-02*
|
||||
*Last updated: 2026-05-02*
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-GGIS-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-geographic-information-systems
|
||||
title: Geographic Information Systems
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-GGIS-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, gis, geographic-information, mapping, spatial-data, urban-planning, analytics]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Geographic-Information-Systems|Geographic-Information-Systems]]
|
||||
@@ -22,7 +34,7 @@ last_reinforced: 2026-04-20
|
||||
* **Logistics**: 최단 경로 및 배송 관리. (Sim-City와 연결)
|
||||
* **Di[[SAST|SAST]]er [[Management|Management]]**: 침수 구역 예측 및 대피로 확보.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 정적인 지도 데이터 정책 위주였으나, 현대 정책은 GPS 실시간 위치 정책, 드론 이미지 정책, SNS 트래픽 정책 등이 결합된 '실시간 공간 빅데이터 정책(Real-time GIS)'으로 패러다임이 전환됨(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 단순 레이어 중첩 정책을 넘어, AI 가 위성 사진 정책을 분석하여 불법 건축물 정책을 자동 감지하거나 도시의 탄소 배출 정책을 정밀 측정하는 'AI-GIS'로 진화 중임. ([[Sustainability|Sustainability]]와 연결)
|
||||
|
||||
@@ -30,3 +42,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Entity-Relationship-Modeling|Entity-Relationship-Modeling]], [[CPTED|CPTED]], Sim-City, [[Sustainability|Sustainability]], Urban-Planning, [[Strategic-Planning|Strategic-Planning]]
|
||||
- **Key Software**: QGIS, ArcGIS, Google Maps API.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: PHYS-GIMBAL-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-gimbals-and-orientation
|
||||
title: Gimbals and Orientation
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [PHYS-GIMBAL-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [[Physics|[Physics]], [[Robotics|Robotics]], game-dev, orientation, rotation-math, skybound]
|
||||
tags: ["Physics|[Physics", Robotics, game-dev, orientation, rotation-math, skybound]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Gimbals and Orientation (짐벌과 방향 제어)
|
||||
@@ -20,10 +29,36 @@ last_reinforced: 2026-04-26
|
||||
- **Stabilization:** 외부 흔들림에도 불구하고 카메라나 센서가 특정 방향을 고수하도록 실시간 보정.
|
||||
- **의의:** 항공우주, 로보틱스, 드론 제어는 물론 3D 게임 엔진의 카메라 시스템과 물리 시뮬레이션의 성능을 결정짓는 근간.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 오일러 각 기반의 단순 연산에서, 짐벌 락 방지와 연산 효율성을 위해 쿼터니언 기반의 자세 제어가 현대 시스템의 표준으로 정착됨.
|
||||
- **정책 변화:** Skybound 프로젝트의 함대 시점 카메라와 미사일 유도 알고리즘은 쿼터니언을 사용하여 격렬한 기동 중에도 끊김 없는 부드러운 시선 처리를 보장함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Physics-Engine, [[Robotics|Robotics]], Mathematics-for-AI, [[Determinism-in-Computing|Determinism-in-Computing]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Gimbals-and-Orientation.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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-GITR-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-godel-s-incompleteness-theorems
|
||||
title: "Godel's Incompleteness Theorems"
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-GITR-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.91
|
||||
tags: [auto-reinforced, godel, incompleteness, mathematics, [[Logic|Logic]], [[Philosophy|Philosophy]], limits-of-computation]
|
||||
tags: [auto-reinforced, godel, incompleteness, mathematics, Logic, Philosophy, limits-of-computation]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Godel's Incompleteness Theorems|Godel's Incompleteness Theorems]]
|
||||
@@ -19,7 +31,7 @@ last_reinforced: 2026-04-20
|
||||
3. **왜 중요한가?**:
|
||||
* 수학이 모든 진리를 완벽하게 포착할 수 있다는 환상을 깨뜨렸으며, 기계적인 연산(컴퓨터)이 가질 수 있는 사고의 한계를 암시함. (Limits of Computation과 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거 수학 정책은 완결된 진리의 탑을 쌓으려 했으나, 괴델의 정리 정책은 시스템 외부에 '직관'이나 '상위 메타 시스템'이 필요함을 시사하는 정책적 전환을 가져옴(RL Update).
|
||||
- **정책 변화(RL Update)**: 인공지능이 인간보다 뛰어난 논리력을 가질지라도, 시스템 내부의 모순이나 증명 불가능한 '블라인드 스팟 정책'을 가질 수밖에 없다는 점을 시사하며 AI의 전지전능함에 대한 철학적 제동 정책으로 언급됨.
|
||||
|
||||
@@ -27,3 +39,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Logic|Logic]], [[Epistemology|Epistemology]], Philosophy of Science, [[Analysis|Analysis]], [[Artificial Intelligence (AI)|Artificial Intelligence (AI)]]
|
||||
- **Modern Tech/Tools**: Formal verification[[_system|system]]s, Meta-programming, Tarski's undefinability theorem.
|
||||
---
|
||||
|
||||
## 🤖 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-20260508-graph-theory-redir
|
||||
title: Graph Theory
|
||||
category: Computer_Science_and_Theory
|
||||
status: merged
|
||||
redirect_to: Graph_Theory
|
||||
canonical_id: Graph_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)
|
||||
---
|
||||
|
||||
# Graph Theory
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Graph_Theory]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Graph_Theory]]*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-GRCP-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-graph-coloring-problem
|
||||
title: Graph Coloring Problem
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-GRCP-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, graph-coloring, algorithm, csp, [[Graph-Theory|Graph-Theory]], [[Optimization|Optimization]], scheduling, complexity]
|
||||
tags: [auto-reinforced, graph-coloring, algorithm, csp, Graph-Theory, Optimization, scheduling, complexity]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Graph-Coloring-Problem|Graph-Coloring-Problem]]
|
||||
@@ -22,7 +34,7 @@ last_reinforced: 2026-04-20
|
||||
* **Frequency Assignment**: 근접한 기지국들이 서로 다른 주파수를 쓰게 하여 간섭 방지.
|
||||
* **Map Coloring**: 이웃한 국가가 다른 색으로 표시되게 지도 제작. ([[Constraint-Satisfaction-Problems|Constraint-Satisfaction-Problems]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 모든 노드를 방문 정책하는 백트래킹 정책 방식 위주였으나, 현대 정책은 대규모 소셜 그래프 정책 분석 등을 위해 근사해 정책(Approximation)을 빠르게 찾는 그리디(Greedy)나 메타-휴리스틱 정책이 주류임(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 단순 알고리즘 정책을 넘어, 양자 컴퓨팅 정책(Quantum Annealing)을 활용해 거대 그래프 정책의 채색 문제 정책을 순식간에 해결하려는 실험적 시도가 활발함. (Graph-Theory와 연결)
|
||||
|
||||
@@ -30,3 +42,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Complexity-Theory|Complexity-Theory]], [[Efficiency|Efficiency]], [[Constraint-Satisfaction-Problems|Constraint-Satisfaction-Problems]], [[Graph-Theory|Graph-Theory]], [[Logic|Logic]], [[Optimization|Optimization]]
|
||||
- **Key Theorem**: Four Color Theorem (4색 정리).
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: CS-GREEDY-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-greedy-algorithms
|
||||
title: Greedy Algorithms
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [CS-GREEDY-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [computer-science, algorithms, greedy-algorithm, [[Optimization|Optimization]], [[Search|Search]]-strategies]
|
||||
tags: [computer-science, algorithms, greedy-algorithm, Optimization, Search-strategies]
|
||||
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
|
||||
---
|
||||
|
||||
# Greedy Algorithms (탐욕 알고리즘)
|
||||
@@ -20,10 +32,59 @@ last_reinforced: 2026-04-26
|
||||
- **적용 사례:** Dijkstra의 최단 경로 알고리즘, Prim/Kruskal의 최소 신장 트리(MST), 허프만 코딩(Huffman Coding), 거스름돈 문제.
|
||||
- **한계:** 모든 문제에서 전역 최적해(Global Optimum)를 보장하지는 않으므로 사용 전 수학적 검증이 필요함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 완벽한 정답(Optimal [[Solution|Solution]])만을 추구하던 경직된 사고에서, 실시간성이나 연산 자원이 중요한 환경에서는 '충분히 좋은 해(Heuristic)'를 빠르게 찾는 탐욕적 방식이 더 현실적일 수 있음을 인정.
|
||||
- **정책 변화:** Antigravity 프로젝트의 실시간 지식 임베딩 클러스터링 알고리즘은 연산 부하를 줄이기 위해 일부 단계에서 탐욕적 접근 방식을 채택하여 빠른 반응성을 유지함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Global-vs-Local-Optima|Global-vs-Local-Optima]], Search-Algorithms, [[Heuristic-Search|Heuristic-Search]], [[Dynamic-Programming|Dynamic-Programming]]-Foundations
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Greedy-Algorithms.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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-GTME-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-grounded-theory-method
|
||||
title: Grounded Theory Method
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-GTME-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.86
|
||||
tags: [auto-reinforced, grounded-theory, [[Research|Re[[Search]]-Methodology]], qualitative-[[Analysis|Analysis]], sociology, [[Inductive-Reasoning|Inductive-Reasoning]]]
|
||||
tags: [auto-reinforced, grounded-theory, Research-Methodology, qualitative-Analysis, sociology, Inductive-Reasoning]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Grounded Theory Method|Grounded Theory Method]]
|
||||
@@ -21,7 +30,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 기존 이론으로 설명되지 않는 새로운 사회 현상이나 사용자 행동의 기저 심리를 파헤칠 때 가장 강력한 도구임. ([[Bottom-Up-Approach|Bottom-Up-Approach]]의 전형)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 사람이 수천 페이지의 인터뷰를 직접 읽으며 코딩하는 고통스러운 '수동 정책'이었으나, 현대 정책은 AI 에이전트가 방대한 질적 데이터를 1차 코딩하고 패턴을 제안하는 'AI 보조 근거 이론 정책'으로 효율성이 극대화됨(RL Update).
|
||||
- **정책 변화(RL Update)**: 단순히 학계의 연구 정책을 넘어, IT 제품 기획 정책에서 사용자의 숨겨진 니즈(User Experience (UX))를 발굴하고 제품의 철학 정책을 세우는 실무적 방법론으로 각광받고 있음.
|
||||
|
||||
@@ -29,3 +38,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Analysis|Analysis]], [[Bottom-Up-Approach|Bottom-Up-Approach]], User Experience (UX), [[Knowledge synthesis|Knowledge synthesis]], [[Sociology of Knowledge|Sociology of Knowledge]]
|
||||
- **Modern Tech/Tools**: NVivo, ATLAS.ti, LLM-based qualitative analysis agents.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-HAVE-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-hardware-verification
|
||||
title: Hardware Verification
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-HAVE-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, [[Hardware|Hardware]]-verification, formal-verification, simulation, vlsi, chip-design, functional-safety]
|
||||
tags: [auto-reinforced, Hardware-verification, formal-verification, simulation, vlsi, chip-design, functional-safety]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Hardware-Verification|Hardware-Verification]]
|
||||
@@ -21,7 +33,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 하드웨어는 소스 코드 수정처럼 '패치'가 불가능(비용 폭증)하므로, 제조 전 완벽한 무결성 정책 확보가 생존과 직결되기 때문임. ([[Reliability|Reliability]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 사람이 수동으로 테스트 케이스 정책을 짰으나, 현대 정책은 제약 기반 무작위 테스트(CRV) 정책을 통해 도저히 사람이 생각할 수 없는 '코너 케이스 정책(Corner cases)'을 알고리즘이 스스로 찾아내게 함(RL Update). ([[Constraint-Satisfaction-Problems|Constraint-Satisfaction-Problems]]와 연결)
|
||||
- **정책 변화(RL Update)**: 이제는 AI 가 설계 도면(RTL) 정책을 읽고 버그가 발생할 확률이 높은 지점 정책을 미리 예측하거나, 검증용 테스트 코드를 자동으로 생성하는 'AI-Driven EDA' 시대가 열림.
|
||||
|
||||
@@ -29,3 +41,52 @@ last_reinforced: 2026-04-20
|
||||
- Simulation, [[Reliability|Reliability]], [[Constraint-Satisfaction-Problems|Constraint-Satisfaction-Problems]], [[Quality-Control|Quality-Control]], [[Technical-Architecture|Technical-Architecture]], Standard-Operating-Procedure
|
||||
- **Key Standard**: Universal Verification Methodology (UVM).
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: CS-HASH-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-hash-functions-and-maps
|
||||
title: Hash Functions and Maps
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [CS-HASH-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [computer-science, data-structures, hash-function, hash-map, [[Search|Search]]-[[Efficiency|Efficiency]]]
|
||||
tags: [computer-science, data-structures, hash-function, hash-map, Search-Efficiency]
|
||||
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
|
||||
---
|
||||
|
||||
# Hash Functions and Maps (해시 함수와 맵)
|
||||
@@ -19,10 +31,59 @@ last_reinforced: 2026-04-26
|
||||
- **Load Factor:** 해시 테이블의 채워진 정도에 따라 성능이 결정되므로 적절한 리사이징(Resizing) 필요.
|
||||
- **의의:** 캐시 시스템, 데이터베이스 인덱싱, 암호화, 중복 체크 등 현대 모든 고성능 소프트웨어 아키텍처의 필수 구성 요소.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순한 배열이나 리스트를 순회하던 방식에서, 메모리를 조금 더 사용하더라도 압도적인 검색 속도를 보장하는 해시 기반 자료구조가 현대 개발의 표준으로 정착.
|
||||
- **정책 변화:** Antigravity 프로젝트는 수백만 개의 지식 임베딩 ID를 관리하고 중복 문서를 빠르게 필터링하기 위해 고성능 해시 맵 아키텍처를 적극 활용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Data-Structures-Foundations, Search-Algorithms, [[Distributed-Computing|Distributed-Computing]],[[_system|system]]-Design-for-AI-Scale
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Hash-Functions-and-Maps.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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-HETH-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-hebbian-theory
|
||||
title: Hebbian Theory
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-HETH-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, hebbian-theory, [[Neuroplasticity|Neuroplasticity]], synaptic-plasticity, neuroscience, learning, BioLogical-Intelligence]
|
||||
tags: [auto-reinforced, hebbian-theory, Neuroplasticity, synaptic-plasticity, neuroscience, learning, BioLogical-Intelligence]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Hebbian-Theory|Hebbian-Theory]]
|
||||
@@ -20,7 +29,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 인간의 학습 정책을 설명하는 가장 강력한 모델이자, 인공 신경망(Neural Networks)의 가중치 업데이트 방식 정책에 영감을 준 철학적 토대이기 때문임. (Deep Learning (DL)와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 뇌가 성인이 되면 고착 정책된다고 믿었으나, 헵의 이론 정책을 기반으로 한 현대 뇌과학 정책은 끊임없는 시도 정책과 자극 정책을 통해 신경망 정책이 전 생애에 걸쳐 재구성 정책(Neuroplasticity)될 수 있음을 증명함(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 단순 시냅스 강화 정책을 넘어, 잘못된 연결 정책을 끊어내는 '시냅스 가지치기(Pruning)' 정책과 연계하여 지능의 최적화 정책을 연구하는 방향으로 진화 중임. ([[High-Cohesion-Low-Coupling|High-Cohesion-Low-Coupling]]와 비유적 연결)
|
||||
|
||||
@@ -28,3 +37,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Growth-Mindset-Intervention|Growth-Mindset-Intervention]], Deep Learning (DL), [[High-Cohesion-Low-Coupling|High-Cohesion-Low-Coupling]], [[Biological-Intelligence|Biological-Intelligence]], [[Growth-Mindset|Growth-Mindset]], [[Refinement|Refinement]]
|
||||
- **Key Quote**: "Cells that fire together, wire together."
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-HFTM-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-high-frequency-trading-models
|
||||
title: High Frequency Trading Models
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-HFTM-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, hft, trading-models, finance, algorithm, latency, arbitrage, market-making]
|
||||
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
|
||||
---
|
||||
|
||||
# [[High-Frequency-Trading-Models|High-Frequency-Trading-Models]]
|
||||
@@ -22,7 +34,7 @@ last_reinforced: 2026-04-20
|
||||
* **Low Latency**: 서버 거래소 내부 배치(Co-location), FPGA 기반 하드웨어 가속. ([[Efficiency|Efficiency]]와 연결)
|
||||
* **Predictive Modeling**: 뉴스나 호가창 데이터를 실시간 분석하여 다음 가격 예측.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 정보의 불균형 정책을 이용한 단순 매매 정책 위주였으나, 현대 정책은 AI 모델 정책(Deep Learning) 정책을 이식하여 수만 개의 미세 신호 정책을 동시에 학습 정책하고 실시간으로 전략 정책을 수정하는 지능형 HFT 로 진화함(RL Update).
|
||||
- **정책 변화(RL Update)**: 시장의 유동성 정책을 공급한다는 순기능 정책 이면에, '플래시 크래시(Flash crash) 정책' 같은 시스템 리스크 정책 유발 가능성 정책이 제기되면서, 각국 거래소는 HFT 에 대한 강력한 서킷 브레이커 정책 및 감시 정책을 강화하는 정책적 대응 중임. (Stability와 연결)
|
||||
|
||||
@@ -30,3 +42,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Refinement|Refinement]], [[Efficiency|Efficiency]], Stability, [[Distributed-System-Type-Safety|Distributed-System-Type-Safety]], [[Complexity-Theory|Complexity-Theory]], [[Reinforcement Learning (RL)|Reinforcement Learning (RL)]]
|
||||
- **Key Metric**: Tick-to-trade latency.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-INCM-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-incremental-computation
|
||||
title: Incremental Computation
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-INCM-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
tags: [auto-reinforced, incremental-computation, algorithms, [[Efficiency|Efficiency]], [[Dynamic-Programming|Dynamic-Programming]], synchronization, caching]
|
||||
tags: [auto-reinforced, incremental-computation, algorithms, Efficiency, Dynamic-Programming, synchronization, caching]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Incremental-Computation|Incremental-Computation]]
|
||||
@@ -23,7 +35,7 @@ last_reinforced: 2026-04-20
|
||||
* **Database Views**: 원본 테이블에 데이터가 추가될 때 뷰(View)를 전체 갱신하지 않고 증분 반영. ([[Entity-Relationship-Modeling|Entity-Relationship-Modeling]]와 연결)
|
||||
* **Excel**: 특정 셀의 값을 바꿨을 때 연결된 수식들만 실시간 업데이트.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 "전체 재계산 정책(Batch)이 구현 정책이 훨씬 쉽고 정확하다"고 생각했으나, 데이터가 기하급수적으로 늘어난 현대 정책은 증분 계산 정책 없이는 실시간 서비스 정책이 도저히 불가능함을 깨닫고 모든 현대 아키텍처 정책의 필수 요소로 도입함(RL Update).
|
||||
- **정책 변화(RL Update)**: 이제는 단순 값 업데이트 정책을 넘어, AI 모델 장치 정책이 새로운 데이터 정책을 학습 정책(Live learning)할 때 전체 가중치 정책을 다시 학습 정책하지 않고 점진적으로 지식 정책을 업데이트하는 연구로 확장 중임.
|
||||
|
||||
@@ -31,3 +43,52 @@ last_reinforced: 2026-04-20
|
||||
- [[DAG-Dependency-Management|DAG-Dependency-Management]], [[Efficiency|Efficiency]], [[Entity-Relationship-Modeling|Entity-Relationship-Modeling]], [[Optimization|Optimization]], Performance, [[Refinement|Refinement]]
|
||||
- **Key Concept**: Static vs Dynamic dependency graphs.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-INSC-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-inexact-science
|
||||
title: Inexact Science
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-INSC-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.86
|
||||
tags: [auto-reinforced, inexact-science, social-science, soft-science, complexity, human-[[Behavior|Behavior]]]
|
||||
tags: [auto-reinforced, inexact-science, social-science, soft-science, complexity, human-Behavior]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Inexact-Science|Inexact-Science]]
|
||||
@@ -21,7 +30,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* AI가 수학적 최적화(Hard Science)를 넘어 인간의 복잡한 감정과 사회적 맥락(Soft Science)을 이해하게 하려면, 이 분야의 지식 체계 포섭이 필수적임.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 '비과학적 정책'이라 치부되기도 했으나, 현대 정책은 데이터 과학과 컴퓨팅 파워 정책을 결합하여 '정량적 부정밀 과학 정책(Computational Social Science)'으로 거듭남(RL Update).
|
||||
- **정책 변화(RL Update)**: 거대 언어 모델이 인간의 심리 상담이나 사회 현상 분석 정책을 수행함에 따라, 인문학적 통찰 정책이 기술 개발 정책의 가장 강력한 지침이 되는 '문명적 기술 정책'의 시대로 진입함.
|
||||
|
||||
@@ -29,3 +38,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Epistemology|Epistemology]], [[Complexity Theory|Complexity Theory]], [[Heuristics|Heuristics]], [[Decision Theory|Decision Theory]], [[Ethics & AI|Ethics & AI]]
|
||||
- **Modern Tech/Tools**: Sentiment [[Analysis|Analysis]], Sociometric [[Research|Research]], Behavioral economic modeling.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,70 +1,25 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-IR-001
|
||||
id: wiki-20260508-information-retrieval-ir--redir
|
||||
title: Information Retrieval (IR)
|
||||
category: Computer_Science_and_Theory
|
||||
confidence_score: 1.00
|
||||
tags: [auto-reinforced, information-retrieval, search-engine, ranking, ir-metrics]
|
||||
last_reinforced: 2026-05-04
|
||||
status: merged
|
||||
redirect_to: Information-Retrieval-IR
|
||||
canonical_id: Information-Retrieval-IR
|
||||
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)
|
||||
---
|
||||
|
||||
# [[Information Retrieval (IR)|Information Retrieval (IR)]]
|
||||
# Information Retrieval (IR)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "데이터의 바다에서 바늘 찾기: 방대한 정보 집합에서 사용자의 특정 정보 요구(Information Need)에 가장 적합한 문서를 정확하고 빠르게 찾아내어 순위를 매기는 컴퓨터 과학의 핵심 분야."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
정보 검색(IR)은 비정형 데이터(주로 텍스트)를 대상으로 사용자의 질의에 부합하는 정보를 추출, 분류, 저장 및 검색하는 기술적 체계입니다.
|
||||
|
||||
1. **IR의 핵심 구성 요소**:
|
||||
* **색인 (Indexing)**: 검색 대상 문서를 효율적으로 찾기 위해 [[Inverted Index|Inverted Index]] 등으로 구조화하는 과정입니다.
|
||||
* **질의 처리 (Query Processing)**: 사용자의 자연어 질문을 시스템이 이해할 수 있는 형태(토큰화, 스테밍 등)로 변환합니다.
|
||||
* **랭킹 (Ranking)**: 검색된 문서들 중 사용자의 의도와 가장 가까운 순서대로 정렬합니다.
|
||||
|
||||
2. **검색 모델의 진화**:
|
||||
* **Boolean Model**: 키워드의 존재 유무(AND, OR, NOT)만 판단하는 기초적 모델입니다.
|
||||
* **Vector Space Model**: 문서를 벡터 공간의 점으로 표현하고 유사도를 계산합니다.
|
||||
* **Probabilistic Model ([[BM25|BM25]])**: 문서가 질의와 관련될 확률을 통계적으로 계산하며, 현대 검색 엔진의 강력한 Baseline입니다.
|
||||
* **Neural IR**: 딥러닝과 트랜스포머 모델을 활용하여 문맥적 의미를 파악하는 현대적 방식입니다.
|
||||
|
||||
3. **평가 지표 (Metrics)**:
|
||||
* 얼마나 정확하게 가져왔는가? ([[Context Precision & Recall|Precision & Recall]])
|
||||
* 얼마나 좋은 순서로 가져왔는가? ([[nDCG|nDCG]], [[MAP|MAP]], [[ERR|ERR]])
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
* **재현율(Recall) vs 정밀도(Precision)**: 모든 관련 문서를 다 가져오려고 하면(Recall↑) 관련 없는 정보가 섞이고(Precision↓), 정확한 것만 가져오려고 하면(Precision↑) 중요한 문서를 놓칠 수(Recall↓) 있습니다.
|
||||
* **검색 속도 vs 품질**: 정교한 랭킹 알고리즘은 품질을 높이지만 응답 시간을 늦춥니다. 대규모 시스템에서는 이를 해결하기 위해 다단계 랭킹(Multi-stage Ranking)을 사용합니다.
|
||||
|
||||
## 💻 실전 구현 코드 (Boilerplate)
|
||||
전통적인 [[TF-IDF|TF-IDF]] 기반의 간단한 정보 검색 로직 예시입니다.
|
||||
|
||||
```python
|
||||
from sklearn.feature_extraction.text import TfidfVectorizer
|
||||
from sklearn.metrics.pairwise import cosine_similarity
|
||||
|
||||
# 1. 문서 집합 (Corpus) 및 질의 (Query)
|
||||
corpus = [
|
||||
"AI agents are revolutionizing knowledge management.",
|
||||
"Information retrieval focuses on finding relevant documents.",
|
||||
"Vector databases are essential for semantic search."
|
||||
]
|
||||
query = ["How to find relevant information?"]
|
||||
|
||||
# 2. TF-IDF 벡터화
|
||||
vectorizer = TfidfVectorizer()
|
||||
tfidf_matrix = vectorizer.fit_transform(corpus)
|
||||
query_vec = vectorizer.transform(query)
|
||||
|
||||
# 3. 유사도 기반 검색 결과 도출
|
||||
similarities = cosine_similarity(query_vec, tfidf_matrix).flatten()
|
||||
best_doc_idx = similarities.argsort()[-1]
|
||||
|
||||
print(f"Query: {query[0]}")
|
||||
print(f"Top Doc: {corpus[best_doc_idx]} (Score: {similarities[best_doc_idx]:.4f})")
|
||||
```
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
* **상위 개념**: [[Computer Science and Theory|Computer Science]], [[Natural Language Processing (NLP)|NLP]]
|
||||
* **핵심 기법**: [[Keyword Search|Keyword Search]], [[Semantic Search|Semantic Search]], [[Hybrid Search|Hybrid Search]]
|
||||
* **평가 체계**: [[nDCG|nDCG]], [[MAP|MAP]], [[Precision & Recall|Precision & Recall]]
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Information-Retrieval-IR]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-04*
|
||||
*Redirected to: [[Information-Retrieval-IR]]*
|
||||
|
||||
+53
-48
@@ -1,68 +1,73 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-EVM-001
|
||||
category: Computer_Science_and_Theory
|
||||
confidence_score: 1.00
|
||||
tags: [auto-reinforced, ir-metrics, evaluation, ndcg, map, precision-recall]
|
||||
last_reinforced: 2026-05-04
|
||||
id: wiki-2026-0508-information-retrieval-evaluation
|
||||
title: Information Retrieval Evaluation Metrics
|
||||
category: Redirect
|
||||
status: merged
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-REDIRECT-IR-003]
|
||||
duplicate_of: Information_Retrieval
|
||||
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)
|
||||
---
|
||||
|
||||
# [[Information Retrieval Evaluation Metrics|Information Retrieval Evaluation Metrics]]
|
||||
# [[Information Retrieval Evaluation Metrics]]
|
||||
|
||||
> [!NOTE]
|
||||
> 본 문서는 **[[Information_Retrieval]]**로 통합되었습니다. 🫡🐟
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "검색의 품질을 숫자로 증명하기: 얼마나 정확하게 가져왔는가([[Precision & Recall|Precision/Recall]])와 얼마나 좋은 순서로 보여주었는가([[nDCG|nDCG]], [[MAP|MAP]])를 정량화하여 검색 시스템의 성능을 객관적으로 측정하는 지표 체계."
|
||||
|
||||
> IR 평가지표는 검색 결과의 순위·관련성을 정량화하는 도구로, Precision@k·Recall@k·MRR·nDCG가 표준이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
정보 검색(IR) 시스템의 성능 평가는 검색된 결과의 집합적 정확도와 결과의 순위(Ranking) 품질을 모두 고려해야 합니다.
|
||||
|
||||
1. **집합 기반 지표 (Set-based Metrics)**:
|
||||
* **[[Precision & Recall|Precision (정밀도)]]**: 검색된 문서 중 실제 관련 있는 문서의 비율. (노이즈가 얼마나 적은가?)
|
||||
* **[[Precision & Recall|Recall (재현율)]]**: 전체 관련 문서 중 실제로 검색된 문서의 비율. (얼마나 놓치지 않았는가?)
|
||||
* **F1-Score**: 정밀도와 재현율의 조화 평균으로 두 지표의 균형을 측정합니다.
|
||||
**추출된 패턴:** 단일 지표는 한 측면만 — 복수 지표를 봐야 검색 시스템의 약점이 보임.
|
||||
|
||||
2. **순위 기반 지표 (Rank-based Metrics)**:
|
||||
* **[[nDCG|nDCG (Normalized Discounted Cumulative Gain)]]**: 검색 결과의 위치(Rank)에 따른 가중치를 부여합니다. 관련성 높은 문서가 상단에 올수록 점수가 높아지며, 다양한 서비스에서 표준적으로 사용됩니다.
|
||||
* **[[MAP|MAP (Mean Average Precision)]]**: 여러 쿼리에 대한 Average Precision의 평균입니다. 관련 문서가 상단에 배치될수록 높은 점수를 받습니다.
|
||||
* **[[ERR|ERR (Expected Reciprocal Rank)]]**: 사용자가 검색 결과 리스트를 위에서부터 훑어보다가 만족스러운 문서를 찾았을 때 검색을 중단하는 행동 모델을 가정하여 만족도를 측정합니다.
|
||||
**세부 내용:**
|
||||
- Precision@k: 상위 k 중 정답 비율.
|
||||
- Recall@k: 정답 중 상위 k 안에 든 비율.
|
||||
- MRR(Mean Reciprocal Rank): 첫 정답 위치의 평균 역수.
|
||||
- nDCG: 순위 가중치 + 다단계 관련성.
|
||||
- 데이터셋: TREC, BEIR, MTEB, MS MARCO.
|
||||
|
||||
3. **RAG 특화 지표**:
|
||||
* **[[Context Precision & Recall|Context Precision]]**: 검색된 컨텍스트 중 실제 질문 답변에 필요한 정보가 상단에 위치하는지 측정합니다.
|
||||
* **[[Context Precision & Recall|Context Recall]]**: 정답을 도출하기 위한 핵심 정보가 컨텍스트 내에 모두 포함되었는지 측정합니다.
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
* **지표 간 상충**: 재현율을 높이려고 검색 범위를 넓히면 정밀도가 떨어지는 경향이 있습니다. 비즈니스 목적(예: 법률 검색은 Recall 중시, 일반 추천은 Precision 중시)에 따라 최적의 지표를 선택해야 합니다.
|
||||
* **사용자 피드백과의 간극**: 오프라인 벤치마크 점수가 높더라도 실제 사용자 클릭 패턴이나 만족도와는 일치하지 않을 수 있으므로 [[A/B Testing|A/B 테스트]]와 병행해야 합니다.
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
|
||||
## 💻 실전 구현 코드 (Boilerplate)
|
||||
Python `scikit-learn` 및 직접 구현을 통한 주요 지표 산출 예시입니다.
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
|
||||
```python
|
||||
import numpy as np
|
||||
from sklearn.metrics import ndcg_score
|
||||
## 🧪 검증 상태 (Validation)
|
||||
|
||||
# 1. 실제 관련성 (Relevance Score: 0~3점 척도)
|
||||
true_relevance = np.array([[3, 2, 3, 0, 1]]) # 실제 정답들의 점수
|
||||
# 2. 시스템의 예측 결과 (상단에 노출된 순서대로의 점수 배치)
|
||||
predicted_scores = np.array([[0.9, 0.8, 0.7, 0.6, 0.5]])
|
||||
- **정보 상태:** merged
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
|
||||
# 3. nDCG 계산
|
||||
ndcg = ndcg_score(true_relevance, predicted_scores)
|
||||
print(f"nDCG @ 5: {ndcg:.4f}")
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
# 4. 간단한 Precision @ K 구현
|
||||
def precision_at_k(actual, predicted, k):
|
||||
act_set = set(actual)
|
||||
pred_set = set(predicted[:k])
|
||||
return len(act_set & pred_set) / k
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
|
||||
actual_ids = [101, 105, 120]
|
||||
predicted_ids = [101, 202, 105, 303, 404]
|
||||
print(f"Precision @ 3: {precision_at_k(actual_ids, predicted_ids, 3):.4f}")
|
||||
```
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
|
||||
- **과거 데이터와의 충돌:** 없음
|
||||
- **정책 변화:** 없음
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
* **기본 개념**: [[Information Retrieval (IR)|Information Retrieval (IR)]], [[Learning to Rank (LTR)|Learning to Rank]]
|
||||
* **평가 도구**: [[LLM-as-judge|LLM-as-judge]], [[RAG Evaluation Frameworks|RAG Evaluation Frameworks]]
|
||||
* **운영 체계**: [[A/B Testing|A/B Testing]], [[Judgment List|판단 리스트 (Judgment List)]]
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-04*
|
||||
- **Parent:** [[10_Wiki/Topics]]
|
||||
- **Related:** *(TODO: 최소 2개)*
|
||||
- **Opposite / Trade-off:** *(TODO)*
|
||||
- **Raw Source:** 직접 입력
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
@@ -0,0 +1,25 @@
|
||||
---
|
||||
id: wiki-20260508-information-theory-redir
|
||||
title: Information Theory
|
||||
category: Computer_Science_and_Theory
|
||||
status: merged
|
||||
redirect_to: Information_Theory
|
||||
canonical_id: Information_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)
|
||||
---
|
||||
|
||||
# Information Theory
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Information_Theory]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Information_Theory]]*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-INEN-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-information-entropy
|
||||
title: Information Entropy
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-INEN-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.97
|
||||
tags: [auto-reinforced, information-entropy, shannon, probability, [[Information-Theory|Information-Theory]], uncertainty]
|
||||
tags: [auto-reinforced, information-entropy, shannon, probability, Information-Theory, uncertainty]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Information-Entropy|Information-Entropy]]
|
||||
@@ -20,7 +29,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 데이터 압축, 암호화, 그리고 딥러닝에서 모델의 예측이 실제 정답과 얼마나 다른지 측정하는 '크로스 엔트로피(Cross-Entropy)' 손실 함수의 근간이 됨. ([[Gradient-Descent|Gradient-Descent]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 단순 통신 시스템 내부의 '노이즈 측정 정책'이었으나, 현대 정책은 지능 리전트가 세상의 질서를 파악하고 '복잡성 정책'을 이해하는 핵심 인지 지표 정책으로 승격됨(RL Update). ([[Complexity Theory|Complexity Theory]]와 연결)
|
||||
- **정책 변화(RL Update)**: AI 모델이 단순히 다음 단어를 맞히는 것을 넘어, 답변의 '정보 밀도'와 '의외성'을 조절하여 더 인간답고 가치 있는 답변을 생성하게 하는 정책적 도구로 활용됨.
|
||||
|
||||
@@ -28,3 +37,29 @@ last_reinforced: 2026-04-20
|
||||
- Information-[[Processing|Processing]], [[Complexity Theory|Complexity Theory]], [[Gradient-Descent|Gradient-Descent]], [[Optimization|Optimization]], [[Logic|Logic]]
|
||||
- **Modern Tech/Tools**: [[Loss Functions|Loss Functions]] (Cross-Entropy), Huffman coding, Softmax layers.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: MATH-INNER-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-inner-product-spaces
|
||||
title: Inner Product Spaces
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-INNER-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, [[Linear-Algebra|Linear-Algebra]], inner-product, vector-space, [[Similarity-Metrics|Similarity-Metrics]], ai]
|
||||
tags: [math, Linear-Algebra, inner-product, vector-space, Similarity-Metrics, 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
|
||||
---
|
||||
|
||||
# Inner Product Spaces (내적 공간)
|
||||
@@ -23,10 +35,59 @@ last_reinforced: 2026-04-26
|
||||
- **Kernel Methods:** 데이터를 더 높은 차원의 내적 공간으로 보내 복잡한 경계를 선형적으로 분리.
|
||||
- **의의:** AI가 지식을 벡터로 변환(Embedding)하고 이를 검색하거나 비교하는 모든 수치적 연산의 이론적 토대.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순한 유클리드 거리 중심에서 벗어나, 데이터의 분포와 맥락을 반영하는 다양한 내적 정의와 유사도 지표(Dot product, Cosine similarity 등)의 중요성 대두.
|
||||
- **정책 변화:** Antigravity 프로젝트는 문서 간 유사도 분석 시, 내적 공간 상의 코사인 유사도를 기본 지표로 사용하여 의미적으로 가장 가까운 지식들을 추천함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Linear-Algebra-Foundations|Linear-Algebra-Foundations]], Vector-Database-Foundations, [[Dimensionality-Reduction|Dimensionality-Reduction]], [[Information-Retrieval-IR|Information-Retrieval-IR]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Inner-Product-Spaces.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)*
|
||||
@@ -1,17 +1,91 @@
|
||||
---
|
||||
id: wiki-2026-0508-issue-tree
|
||||
title: Issue Tree
|
||||
category: 10_Wiki/Topics
|
||||
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)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Issue Tree|Issue Tree]]
|
||||
|
||||
## 📌 Brief Summary
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
크고 복잡한 문제를 논리적이고 관리가 용이한 하부 문제(Sub-issues)들로 분해하기 위해 사용하는 시각적인 트리형 프레임워크.
|
||||
|
||||
## 📖 Core Content
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- 이슈 트리는 상단에 핵심 문제 선언문을 두고 하단으로 갈수록 점차 세부적인 문제들로 넓게 퍼져나가는 형태를 취합니다 [50]. (예: "레스토랑이 수익성이 없다" -> "수익성을 어떻게 올릴 것인가?" -> "수익 증가" & "비용 감소" -> 구체적 실행 방안) [51, 52].
|
||||
- 계층을 분할할 때는 누락과 중복을 방지하기 위해 반드시 [[MECE|MECE]](상호 배제 및 전체 포괄) 원칙을 엄격하게 적용해야 합니다 [53, 54].
|
||||
- 컨설턴트들은 이슈 트리를 연구 로드맵으로 활용하여, 중복 없이 각 팀원에게 세부 업무(Workstreams)를 명확히 분배합니다 [54].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Related Topics:** [[MECE Principle|MECE Principle]], [[Hypothesis Tree|Hypothesis Tree]]
|
||||
- **Projects/Contexts:** [[Problem Solving|Problem Solving]], [[Profitability Framework|Profitability Framework]]
|
||||
- **Contradictions/Notes:** 구조화된 이슈 트리를 바탕으로 초기 검토를 마친 후, 가치가 떨어지는 옵션들은 과감히 배제하는 '가지치기(Trimming branches)'가 수반되어야 실질적인 문제 해결 도구로 기능할 수 있습니다 [53].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-27*
|
||||
|
||||
## 🤖 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 |
|
||||
|
||||
## 💻 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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: MATH-KALMAN-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-kalman-filter-and-state-tracking
|
||||
title: Kalman Filter and State Tracking
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-KALMAN-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, [[Robotics|Robotics]], [[Control-Theory|Control-Theory]], kalman-filter, [[State|State]]-estimation, [[Sensor-Fusion|Sensor-Fusion]]]
|
||||
tags: [math, Robotics, Control-Theory, kalman-filter, State-estimation, Sensor-Fusion]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Kalman Filter and State Tracking (칼만 필터와 상태 추적)
|
||||
@@ -19,10 +28,36 @@ last_reinforced: 2026-04-26
|
||||
- **Update Step:** 실제 측정값을 반영하여 상태를 수정하고 불확실성을 좁힘.
|
||||
- **의의:** GPS 오차 보정, 로봇의 자기 위치 인식(SLAM), 주식 시장의 추세 분석 등 실시간으로 변하는 데이터를 다루는 모든 제어 시스템의 심장.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 선형 시스템(Linear[[_system|system]])에서만 최적이라는 한계를 넘기 위해, 비선형 환경에서도 작동하는 확장 칼만 필터(EKF)와 파티클 필터(Particle Filter) 등으로 이론적 지평이 넓어짐.
|
||||
- **정책 변화:** Skybound 프로젝트의 유도 미사일 및 적 기동 추적 로직은 칼만 필터를 사용하여 센서 데이터의 노이즈를 제거하고 정밀한 타격 지점을 실시간으로 계산함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Control-Theory|Control-Theory]], [[Robotics-Foundations|Robotics-Foundations]], Probability-Theory, [[Time-Series-Analysis|Time-Series-Analysis]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Kalman-Filter-and-State-Tracking.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 |
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: MATH-KDE-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-kernel-density-estimation-kde
|
||||
title: Kernel Density Estimation KDE
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-KDE-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [[Statistics|[Statistics]], math, kde, density-estimation, data-visualization, probability]
|
||||
tags: ["Statistics|[Statistics", math, kde, density-estimation, data-visualization, probability]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Kernel Density Estimation (KDE, 커널 밀도 추정)
|
||||
@@ -18,10 +27,36 @@ last_reinforced: 2026-04-26
|
||||
- **Bandwidth ($h$):** 함수의 넓이(매끄러움)를 조절하는 파라미터. $h$가 너무 작으면 과적합([[Overfitting|Overfitting]]), 너무 크면 분포가 뭉개짐(Underfitting).
|
||||
- **의의:** 히스토그램과 달리 빈(Bin)의 크기나 시작점에 민감하지 않으며, 데이터의 실제 분포 형태를 훨씬 더 정확하게 반영할 수 있음.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순한 시각화 도구로 여겨졌으나, 최근에는 이상치 탐지(Anomaly Detection)나 생성 모델(Generative Models)의 기초 이론으로 중요성이 다시 부각됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 응답 시간 분포를 분석하여 병목 구간을 시각화할 때, 히스토그램 대신 KDE 곡선을 사용하여 통계적 왜곡을 방지함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Probability-Theory, [[Exploratory-Data-Analysis|Exploratory-Data-Analysis]], [[Anomaly-Detection|Anomaly-Detection]]-Foundations, [[Supervised-Learning-Foundations|Supervised-Learning-Foundations]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Kernel-Density-Estimation-KDE.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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-KWS-001
|
||||
id: wiki-2026-0508-keyword-search
|
||||
title: Keyword Search
|
||||
category: Computer_Science_and_Theory
|
||||
confidence_score: 1.00
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-KWS-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [auto-reinforced, keyword-search, bm25, tf-idf, information-retrieval, lexical-search]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-04
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Keyword Search|Keyword Search]]
|
||||
@@ -26,7 +38,7 @@ last_reinforced: 2026-05-04
|
||||
* **예측 가능성**: 왜 이 문서가 검색되었는지(단어가 포함되어 있으므로) 논리적으로 명확히 설명할 수 있습니다.
|
||||
* **저비용 고효율**: 벡터 검색에 비해 컴퓨팅 자원을 훨씬 적게 사용합니다.
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
* **어휘적 한계 (Vocabulary Mismatch)**: 사용자가 '컴퓨터'를 검색할 때 문서에 'PC'라고 적혀 있다면 검색 결과에서 누락됩니다.
|
||||
* **문맥 무시**: 단어의 순서나 의미적 맥락을 고려하지 못해 중의적인 표현을 처리하기 어렵습니다.
|
||||
* **검색 정교화의 어려움**: 복잡한 자연어 질문에 대해서는 관련성 낮은 결과를 반환할 확률이 높습니다.
|
||||
@@ -67,3 +79,52 @@ print(f"Best Match: {top_n[0]}")
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-04*
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-KGR-001
|
||||
id: wiki-2026-0508-knowledge-graph
|
||||
title: Knowledge Graph
|
||||
category: Computer_Science_and_Theory
|
||||
confidence_score: 1.00
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-KGR-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [auto-reinforced, knowledge-graph, ontology, semantic-web, entity-relationship, graph-database]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-04
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Knowledge Graph|Knowledge Graph]]
|
||||
@@ -28,7 +40,7 @@ last_reinforced: 2026-05-04
|
||||
* **[[Ontology|Ontology]]**: 지식 그래프의 설계도 역할을 하며, 어떤 엔티티와 관계가 존재할 수 있는지 규정합니다.
|
||||
* **Graph Database**: Neo4j, FalkorDB 등 그래프 구조를 저장하고 쿼리하는 전용 DB입니다.
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
* **구축 및 유지보수의 난해함**: 비정형 데이터에서 정확한 엔티티와 관계를 추출하는 과정이 복잡하며 전문적인 지식이 필요합니다.
|
||||
* **확장성 문제 (Scalability)**: 그래프가 거대해질수록 관계를 탐색하는 쿼리 비용이 급격히 증가할 수 있습니다.
|
||||
* **데이터 정제**: 잘못된 관계 정보가 유입될 경우 전체 지식 체계의 신뢰도가 훼손되므로 엄격한 거버넌스가 필요합니다.
|
||||
@@ -58,3 +70,52 @@ RETURN s.name AS StandardName
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-04*
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: DATA-KG-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-knowledge-graph-foundations
|
||||
title: Knowledge Graph Foundations
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [DATA-KG-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [data-engineering, [[Knowledge-Graph|Knowledge-Graph]], [[Graph-Database|Graph-Database]], semantic-web, [[Ontology|Ontology]], rag]
|
||||
tags: [data-engineering, Knowledge-Graph, Graph-Database, semantic-web, Ontology, rag]
|
||||
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
|
||||
---
|
||||
|
||||
# Knowledge Graph Foundations (지식 그래프 기초)
|
||||
@@ -19,10 +31,59 @@ last_reinforced: 2026-04-26
|
||||
- **Graph Database:** Neo4j, ArangoDB 등 그래프 구조 저장 및 쿼리에 최적화된 엔진.
|
||||
- **의의:** 기존 검색 엔진이 찾지 못하는 '연관된 정보'를 즉각 추적할 수 있으며, 특히 환각 현상을 줄이기 위한 GraphRAG의 핵심 토대가 됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 정적인 백과사전식 지식에서 벗어나, 대규모 언어 모델(LLM)이 추출한 비정형 데이터의 관계를 실시간으로 통합하는 '동적 지식 그래프'로 진화.
|
||||
- **정책 변화:** Antigravity 프로젝트의 핵심 자산은 1,174개 문서 간의 유기적 연결 관계를 담은 `20_Meta/Graph.json`이며, 이를 통해 에이전트는 특정 주제에서 파생된 심화 지식을 막힘없이 탐색함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Graph-Theory|Graph-Theory]]-and-Networks, [[GNN|GNN]], [[Information-Retrieval-IR|Information-Retrieval-IR]], [[Hallucination-in-LLMs|Hallucination-in-LLMs]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Knowledge-Graph-Foundations.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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-KNST-001
|
||||
category: Unified
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced, knowledge-structure, [[Mental-Models|Mental-Models]], hierarchy, network, organizational-learning]
|
||||
id: wiki-2026-0508-knowledge-structure
|
||||
title: Knowledge Structure
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-KNST-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
tags: [auto-reinforced, knowledge-structure, Mental-Models, hierarchy, network, organizational-learning]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Knowledge-Structure|Knowledge-Structure]]
|
||||
@@ -21,7 +33,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 구조가 없는 데이터는 '소음'일 뿐이지만, 잘 정립된 지식 구조는 정보의 검색(Retrieval)과 활용([[Reasoning|Reasoning]]) 속도를 비약적으로 높임. ([[Efficiency|Efficiency]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 정적인 '백과사전식 분류 정책'이 주류였으나, 현대 정책은 지식 간의 다차원적 연결 정책과 사용자 맥락에 따라 유연하게 변하는 '동적 그래프 정책'으로 진화함(RL Update). ([[Concept Mapping|Concept Mapping]]와 연결)
|
||||
- **정책 변화(RL Update)**: AI가 방대한 텍스트 속에서 스스로 지식의 구조 정책을 추출(Embedding)하고 이를 그래프 DB로 구축하는 '자동화된 지식 구조화 정책'이 지식 관리 시스템의 새 표준이 됨.
|
||||
|
||||
@@ -29,3 +41,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Graph Theory|Graph Theory]], [[Concept Mapping|Concept Mapping]], [[Gestalt Psychology|Gestalt Psychology]], [[Ontology|Ontology]] (온톨로지), [[Efficiency|Efficiency]]
|
||||
- **Modern Tech/Tools**: Obsidian (Graph view), Neo4j, Knowledge graphs, Vector databases.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: MATH-KOLM-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-kolmogorov-complexity
|
||||
title: Kolmogorov Complexity
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-KOLM-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, computer-science, [[Information-Theory|Information-Theory]], kolmogorov-complexity, compression]
|
||||
tags: [math, computer-science, Information-Theory, kolmogorov-complexity, compression]
|
||||
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
|
||||
---
|
||||
|
||||
# Kolmogorov Complexity (콜모고로프 복잡도)
|
||||
@@ -18,10 +30,59 @@ last_reinforced: 2026-04-26
|
||||
- **Universal Turing Machine:** 복잡도는 언어에 따라 상수로만 차이가 나며 본질적인 복잡도는 보존됨 (Invariance Theorem).
|
||||
- **의의:** 데이터 압축 기술의 이론적 상한선(Entropy)을 제공하며, 인공지능이 데이터를 '학습'한다는 것이 곧 데이터의 '가장 짧은 압축 알고리즘'을 찾는 과정임을 시사함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 이론적으로는 계산 불가능(Uncomputable)한 영역이지만, 실전에서는 신경망의 파라미터 수와 손실 함수의 관계를 분석하여 모델의 효율성을 측정하는 도구로 응용됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 지식 문서의 정보 밀도를 측정할 때, 의미론적 핵심 내용이 얼마나 함축적으로 표현되었는지 평가하는 척도 중 하나로 콜모고로프 복잡도 개념을 차용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Probability-Theory, [[Information-Retrieval-IR|Information-Retrieval-IR]], [[Deep-Learning|Deep-Learning]]-Foundations, Occams-Razor-in-ML
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Kolmogorov-Complexity.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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: MATH-KL-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-kullback-leibler-divergence
|
||||
title: Kullback Leibler Divergence
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-KL-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, [[Statistics|Statistics]], kl-divergence, [[Information-Theory|Information-Theory]], loss-functions, ai]
|
||||
tags: [math, Statistics, kl-divergence, Information-Theory, loss-functions, 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
|
||||
---
|
||||
|
||||
# Kullback-Leibler Divergence (KL 발산)
|
||||
@@ -22,10 +34,59 @@ last_reinforced: 2026-04-26
|
||||
- **Knowledge [[Distillation|Distillation]]:** 스튜던트 모델이 티처 모델의 확률 분포를 따라가게 함.
|
||||
- **의의:** AI 모델이 단순히 정답을 맞히는 것을 넘어, 데이터의 내재된 확률 구조 자체를 학습하게 만드는 수학적 나침반.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 대칭적인 거리 개념(Euclidean Distance)으로 접근하던 초기 방식을 넘어, 정보의 흐름과 소실 관점에서 확률 분포를 비교하는 정보 이론적 접근이 현대 AI의 표준이 됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 페르소나 미세 조정([[Fine-tuning|Fine-tuning]]) 시, 기존 모델과의 KL 발산을 모니터링하여 원래의 유용한 지능이 파괴되지 않도록 관리함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Probability-Theory, [[Kolmogorov-Complexity|Kolmogorov-Complexity]], [[Knowledge-Distillation|Knowledge-Distillation]], [[Reinforcement-Learning|Reinforcement-Learning]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Kullback-Leibler-Divergence.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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: MATH-LAGR-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-lagrange-multipliers
|
||||
title: Lagrange Multipliers
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-LAGR-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, [[Optimization|Optimization]], calculus, lagrange-multipliers, constrained-optimization]
|
||||
tags: [math, Optimization, calculus, lagrange-multipliers, constrained-optimization]
|
||||
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
|
||||
---
|
||||
|
||||
# Lagrange Multipliers (라그랑주 승수법)
|
||||
@@ -18,10 +30,59 @@ last_reinforced: 2026-04-26
|
||||
- **Stationary Point:** $L$을 각 변수에 대해 편미분하여 0이 되는 지점을 탐색.
|
||||
- **의의:** 기계학습의 수많은 최적화 문제(특히 제약 조건이 있는 SVM, 주성분 분석 등)를 해결하는 이론적 근거가 되며, 복잡한 현실의 제약 속에서 최선의 선택을 내리는 논리적 토대 제공.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 등식 제약 조건에만 머물던 고전적 방식에서, 부등식 제약 조건까지 포괄하는 KKT(Karush-Kuhn-Tucker) 조건으로 확장되어 현대 인공지능의 정교한 최적화 알고리즘에 적용됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 연산 자원(Token, Time) 제약 하에서 정보의 품질을 극대화하는 스케줄링 알고리즘 설계 시 라그랑주 승수법의 최적화 개념을 활용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Kernel-Methods-and-SVMs|Kernel-Methods-and-SVMs]], [[Global-vs-Local-Optima|Global-vs-Local-Optima]], [[Deep-Learning|Deep-Learning]]-Foundations, [[Search|Search]]-Algorithms
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Lagrange-Multipliers.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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: MATH-LSM-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-least-squares-methods
|
||||
title: Least Squares Methods
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-LSM-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, [[Statistics|Statistics]], linear-regression, least-squares, [[Optimization|Optimization]], data-science]
|
||||
tags: [math, Statistics, linear-regression, least-squares, Optimization, data-science]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Least Squares Methods (최소제곱법)
|
||||
@@ -19,10 +28,36 @@ last_reinforced: 2026-04-26
|
||||
- **Normal Equation:** 행렬 연산을 통해 반복적 계산 없이 한 번에 최적의 가중치를 구하는 공식.
|
||||
- **의의:** 선형 회귀분석의 표준 방법론이며, 데이터 속에 숨겨진 선형적 관계를 파악하고 미래 값을 예측하는 가장 기초적이면서 강력한 도구.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 이상치(Outliers)에 매우 민감하다는 단점이 있어, 실제 산업 데이터 처리 시에는 로버스트 회귀(Robust Regression)나 정규화(L1/L2) 기법과 결합하여 한계를 보완함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 응답 지연 시간 경향성을 분석하고 하드웨어 자원 사용량의 선형적 추세를 예측할 때, 최소제곱법 기반의 회귀 모델을 활용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Linear-Regression-Mastery|Linear-Regression-Mastery]], [[Gradient-Descent|Gradient-Descent]]-Foundations, [[L1-and-L2-Regularization|L1-and-L2-Regularization]], Probability-Theory
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Least-Squares-Methods.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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: MATH-LA-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-linear-algebra-foundations
|
||||
title: Linear Algebra Foundations
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-LA-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, [[Linear-Algebra|Linear-Algebra]], vector-space, matrix, ai-foundations]
|
||||
tags: [math, Linear-Algebra, vector-space, matrix, ai-foundations]
|
||||
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
|
||||
---
|
||||
|
||||
# Linear Algebra Foundations (선형대수학 기초)
|
||||
@@ -20,10 +32,59 @@ last_reinforced: 2026-04-26
|
||||
- **Inverse Matrix & Determinant:** 시스템의 해를 구하거나 공간의 부피 변화 측정.
|
||||
- **의의:** 신경망의 가중치 연산, 차원 축소(PCA), 추천 시스템, 그래픽스 등 현대 모든 지능형 소프트웨어의 물리적 토대.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 정적인 수식 풀이 중심에서, 이제는 거대한 규모의 행렬 연산을 효율적으로 처리하기 위한 수치 선형대수(Numerical Linear Algebra)와 GPU 가속 하드웨어 연산 최적화가 더 중요한 쟁점으로 부상함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 임베딩 연산 시, 선형대수적 원리를 바탕으로 유사도 측정 및 공간 투영 최적화를 수행하여 연산 효율을 극대화함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Inner-Product-Spaces|Inner-Product-Spaces]], [[Eigenvalues-and-Eigenvectors|Eigenvalues-and-Eigenvectors]], [[Dimensionality-Reduction|Dimensionality-Reduction]], [[GPU-Architecture|GPU-Architecture]]-for-AI
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Linear-Algebra-Foundations.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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: CS-DS-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-linked-lists-and-trees
|
||||
title: Linked Lists and Trees
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [CS-DS-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [computer-science, data-structures, linked-list, trees, algorithm-foundations]
|
||||
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
|
||||
---
|
||||
|
||||
# Linked Lists and Trees (연결 리스트와 트리)
|
||||
@@ -19,10 +31,59 @@ last_reinforced: 2026-04-26
|
||||
- **Balanced Trees (AVL, [[B-Tree|B-Tree]]):** 데이터가 한쪽으로 쏠리지 않게 관리하여 성능 유지 (DB 인덱스의 핵심).
|
||||
- **의의:** AI 에이전트의 사고 과정([[Decision Tree|Decision Tree]]), 파일 시스템 구조, 지식 그래프의 하위 분류 등 복잡한 정보를 조직화하는 가장 기본적인 논리 장치.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 단순한 이진 트리를 넘어, 이제는 고차원 벡터 공간의 검색을 가속하기 위한 KD-Tree, Ball-Tree 등 특수한 트리 구조가 AI 도메인에서 더 핵심적으로 활용됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 지식 문서의 카테고리 계층 구조를 트리 형태로 관리하며, 에이전트의 추론 단계([[Reasoning|Reasoning]] Chain)를 연결 리스트로 시각화하여 사용자가 사고의 흐름을 추적할 수 있게 함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Search-Algorithms, [[Knowledge-Graph-Foundations|Knowledge-Graph-Foundations]], [[Indexing-Strategies|Indexing-Strategies]], Decision-Trees-and-Random-Forests
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Linked-Lists-and-Trees.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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-LSHH-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-locality-sensitive-hashing-lsh
|
||||
title: Locality Sensitive Hashing (LSH)
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-LSHH-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, lsh, hashing, vector-[[Search|Search]], algorithms, [[Big-Data|Big-Data]], similarity-search]
|
||||
tags: [auto-reinforced, lsh, hashing, vector-Search, algorithms, Big-Data, similarity-search]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Locality-Sensitive-Hashing (LSH)|Locality-Sensitive-Hashing (LSH)]]
|
||||
@@ -21,7 +33,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 유튜브의 저작권 도용 영상 찾기, 구글의 중복 문서 필터링, 대규모 벡터 DB의 핵심 엔진임. ([[Efficiency|Efficiency]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 정확도가 떨어진다는 정책적 우려가 있었으나, 현대 정책은 '근사 유사도 검색(ANN)' 정책이 빅데이터 환경에서 '정확도 100% 탐색 정책'보다 수천 배 빠르고 실용적임을 입증함(RL Update).
|
||||
- **정책 변화(RL Update)**: 최근 RAG(검색 증강 생성) 시스템에서 수백만 개의 문서 중 질문과 가장 닮은 문서를 0.1초 만에 찾아내는 'Faiss' 같은 라이브러리의 밑바닥 핵심 원리 정책으로 작동함. ([[Large Language Models (LLM)|Large Language Models (LLM)]]와 연결)
|
||||
|
||||
@@ -29,3 +41,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Efficiency|Efficiency]], [[Large Language Models (LLM)|Large Language Models (LLM)]], [[Analysis|Analysis]], [[Information-Entropy|Information-Entropy]], [[Search-Optimization|Search-Optimization]]
|
||||
- **Modern Tech/Tools**: Faiss (Meta), MinHash, SimHash, Pinecone, Milvus.
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: ALGO-LSH-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-locality-sensitive-hashing
|
||||
title: Locality Sensitive Hashing
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [ALGO-LSH-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [algorithm, [[Search|Search]], lsh, hashing, similarity-search, [[Big-Data|Big-Data]]]
|
||||
tags: [algorithm, Search, lsh, hashing, similarity-search, Big-Data]
|
||||
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
|
||||
---
|
||||
|
||||
# Locality-Sensitive Hashing (LSH, 지역 민감 해싱)
|
||||
@@ -19,10 +31,59 @@ last_reinforced: 2026-04-26
|
||||
- **Candidate Selection:** 동일한 해시 버킷에 담긴 데이터들만을 대상으로 정밀한 유사도 측정 수행.
|
||||
- **의의:** 수억 건 이상의 데이터가 쌓인 환경에서도 중복 문서 탐지, 유사 이미지 검색, 추천 시스템 등을 실시간 수준으로 처리 가능케 함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 완전한 정답을 보장하지 못한다는 이유로 외면받기도 했으나, 데이터가 폭발적으로 증가하는 빅데이터 시대에 '완벽한 정답'보다 '충분히 빠른 근사 정답'이 더 가치 있음을 입증하며 필수 알고리즘으로 정착됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 1,174개의 방대한 문서 중 중복되거나 유사한 내용이 있는지 전수 검사할 때, 연산 효율을 위해 LSH 기반의 1차 필터링을 수행함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Indexing-Strategies|Indexing-Strategies]], Vector-Database-Foundations, [[Dimensionality-Reduction|Dimensionality-Reduction]], [[K-Nearest-Neighbors-K-NN|K-Nearest-Neighbors-K-NN]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Locality-Sensitive-Hashing.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)*
|
||||
@@ -1,10 +1,18 @@
|
||||
---
|
||||
id: c3e4f5a6-b7d8-4901-2e3f-4a5b6c7d8e9f
|
||||
category: Unified
|
||||
id: wiki-2026-0508-logic-trees
|
||||
title: Logic Trees
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [c3e4f5a6-b7d8-4901-2e3f-4a5b6c7d8e9f]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [logic-tree, issue-tree, hypothesis-tree, [[Problem-Solving|Problem-Solving]], structuring]
|
||||
tags: [logic-tree, issue-tree, hypothesis-tree, Problem-Solving, structuring]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-27
|
||||
github_commit: "[[P-Reinforce|P-Reinforce]]-logic"
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Logic Trees|Logic Trees]]
|
||||
@@ -29,3 +37,34 @@ github_commit: "[[P-Reinforce|P-Reinforce]]-logic"
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-27*
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-LUBR-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-lubrication
|
||||
title: Lubrication
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-LUBR-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.84
|
||||
tags: [auto-reinforced, lubrication,[[_system|system]]-[[Efficiency|Efficiency]], buffers, coordination, friction-reduction]
|
||||
tags: [auto-reinforced, lubrication, _system-Efficiency, buffers, coordination, friction-reduction]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Lubrication|Lubrication]]
|
||||
@@ -22,7 +34,7 @@ last_reinforced: 2026-04-20
|
||||
3. **왜 중요한가?**:
|
||||
* 시스템이 복잡해질수록 구성 요소 간의 마찰(Friction)은 기하급수적으로 늘어나며, 적절한 윤활이 없으면 시스템은 과부하로 자폭하기 때문임. ([[Complexity Theory|Complexity Theory]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 윤활(여유 자원)을 단순한 '낭비 정책'으로 보았으나, 현대 정책은 이 유연성이야말로 불확실한 환경에서 시스템의 생사를 결정하는 '복원력 정책([[Resilience|Resilience]])'임을 인식함(RL Update).
|
||||
- **정책 변화(RL Update)**: 소프트웨어 아키텍처 정책에서 '미들웨어(Middleware)'나 '중재자 패턴(Mediator Pattern)'은 모듈 간의 직접 마찰을 방지하는 디지털 윤활제 정책으로 기능함.
|
||||
|
||||
@@ -30,3 +42,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Just-in-Case|Just-in-Case]], [[Interoperability|Interoperability]], [[Leadership|Leadership]], [[Complexity Theory|Complexity Theory]], [[Efficiency|Efficiency]]
|
||||
- **Modern Tech/Tools**: API Gateways, Message Queues (RabbitMQ), Organizational mediators.
|
||||
---
|
||||
|
||||
## 🤖 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-20260508-mental-models-redir
|
||||
title: Mental Models
|
||||
category: Computer_Science_and_Theory
|
||||
status: merged
|
||||
redirect_to: Mental_Models
|
||||
canonical_id: Mental_Models
|
||||
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)
|
||||
---
|
||||
|
||||
# Mental Models
|
||||
|
||||
> [!IMPORTANT]
|
||||
> 이 문서는 P-Reinforce Phase 2 자동 MERGE에 의해 **[[Mental_Models]]**로 통합되었습니다.
|
||||
|
||||
---
|
||||
*Redirected to: [[Mental_Models]]*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AI-MPC
|
||||
category: Unified
|
||||
id: wiki-2026-0508-model-predictive-control-mpc
|
||||
title: Model Predictive Control (MPC)
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AI-MPC]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.98
|
||||
tags: [Engineering, ControlTheory, MPC, Predictive]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Model-Predictive-Control (MPC)|Model-Predictive-Control (MPC)]] (모델 예측 제어)
|
||||
@@ -20,9 +29,35 @@ last_reinforced: 2026-04-20
|
||||
- **Strength**: 여러 개의 입력과 출력이 얽힌 복잡한 시스템(MIMO)을 다루는 데 탁월하며, 제약 조건을 하드코딩으로 반영할 수 있다.
|
||||
- **Domain**: 정유 공정, 우주선 도킹, 고성능 자율주행 차량.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- MPC는 매 순간 최적화 문제를 풀어야 하므로 계산 성능이 엄청나게 소모된다. 최근에는 강화학습(RL)이 MPC의 역할을 대신하거나, 반대로 RL이 갈 방향을 MPC가 제약 조건으로 가이드해주는 하이브리드 제어(Learning-based MPC)가 로보틱스의 새로운 표준이 되고 있다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Related: [[Control-Theory|Control-Theory]] , [[Decision Theory|Decision Theory]]
|
||||
- AI Hybrid: Deep-[[Reinforcement-Learning|Reinforcement-Learning]]-for-Control
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: MATH-MC-INT-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-monte-carlo-integration
|
||||
title: Monte Carlo Integration
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-MC-INT-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, [[Statistics|Statistics]], monte-carlo, integration, sampling, numerical-[[Analysis|Analysis]]]
|
||||
tags: [math, Statistics, monte-carlo, integration, sampling, numerical-Analysis]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Monte Carlo Integration (몬테카를로 적분)
|
||||
@@ -19,10 +28,36 @@ last_reinforced: 2026-04-26
|
||||
- **Probabilistic Accuracy:** 샘플 수가 늘어날수록 실제 값에 확률적으로 수렴하며, 오차 범위를 통계적으로 추정 가능.
|
||||
- **의의:** 베이지안 추론, 강화학습의 기댓값 계산, 레이 트레이싱(Ray Tracing) 그래픽스 연산 등 현대 과학 계산의 핵심 근간.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 샘플링의 무작위성 때문에 결과가 매번 미세하게 달라질 수 있다는 단점이 있으나, 중요도 샘플링(Importance Sampling)이나 준-몬테카를로(Quasi-Monte Carlo) 기법을 통해 분산을 줄이고 수렴 속도를 높이는 방향으로 진화함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 불확실한 보상 기대치를 계산하거나 대규모 지식 그래프의 잠재적 연결 강도를 추정할 때, 몬테카를로 적분 원리를 기반으로 한 시뮬레이션을 수행함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Markov-Chain-Monte-Carlo|Markov-Chain-Monte-Carlo]], Probability-Theory, Monte-Carlo-Tree-Search-MCTS, Bayesian-Inference
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Monte-Carlo-Integration.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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: MATH-MVA-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-multivariate-analysis
|
||||
title: Multivariate Analysis
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-MVA-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [[Statistics|[Statistics]], math, multivariate-[[Analysis|Analysis]], pca, mva, data-science]
|
||||
tags: ["Statistics|[Statistics", math, multivariate-Analysis, pca, mva, data-science]
|
||||
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
|
||||
---
|
||||
|
||||
# Multivariate Analysis (다변량 분석)
|
||||
@@ -20,10 +32,59 @@ last_reinforced: 2026-04-26
|
||||
- **Canonical Correlation:** 두 변수 집단 사이의 상관관계 최대화.
|
||||
- **의의:** 변수가 수백, 수천 개에 달하는 현대 빅데이터 환경에서 데이터의 중복성을 제거하고 핵심적인 인사이트를 도출하기 위한 필수적인 통계적 토대.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 선형적인 관계 분석에 치중하던 과거와 달리, 이제는 커널 기법이나 오토인코더(Autoencoder)와 같은 신경망 기술과 결합하여 비선형적인 다변량 관계까지 정밀하게 포착하는 방향으로 진화함.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 다양한 성능 지표(응답 속도, 정확도, 토큰 사용량 등) 사이의 복합적인 상관관계를 분석하여 전체적인 시스템 효율을 최적화할 때 다변량 분석 기법을 활용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Principal-Component-Analysis|Principal-Component-Analysis]]-PCA, [[Linear-Discriminant-Analysis|Linear-Discriminant-Analysis]], [[Exploratory-Data-Analysis|Exploratory-Data-Analysis]], Correlation-vs-Causality
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Multivariate-Analysis.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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: MATH-MI-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-mutual-information
|
||||
title: Mutual Information
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-MI-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, [[Information-Theory|Information-Theory]], mutual-information, entropy, machine-learning, feature-selection]
|
||||
tags: [math, Information-Theory, mutual-information, entropy, machine-learning, feature-selection]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-26
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# Mutual Information (상호 정보량)
|
||||
@@ -20,10 +29,36 @@ last_reinforced: 2026-04-26
|
||||
- **Non-negativity:** 항상 0 이상의 값을 가지며, 0인 경우 두 변수는 독립임.
|
||||
- **의의:** 머신러닝의 특징 선택(Feature Selection), 데이터 압축, 베이지안 네트워크 구축, 독립 성분 분석(ICA) 등에서 핵심적인 판단 기준으로 활용됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 연속형 변수에서 상호 정보량을 계산할 때 구간 분할(Binning) 방식에 따라 값이 왜곡될 수 있다는 한계가 있어, 최근에는 KNN 기반의 KSG 추정기나 MINE(Mutual Information Neural Estimation) 등 신경망 기반 추정 기법이 주로 사용됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 임베딩 품질을 평가할 때, 입력 텍스트와 추출된 핵심 개념 사이의 상호 정보량을 측정하여 정보 손실을 최소화하는 지표로 활용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Kullback-Leibler-Divergence|Kullback-Leibler-Divergence]], [[Independent-Component-Analysis|Independent-Component-Analysis]], Feature-Selection-Strategies, Probability-Theory
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Mutual-Information.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 |
|
||||
+51
-3
@@ -1,18 +1,66 @@
|
||||
---
|
||||
id: wiki-2026-0508-mutually-exclusive-and-collectiv
|
||||
title: Mutually Exclusive and Collectively Exhaustive (MECE)
|
||||
category: 10_Wiki/Topics
|
||||
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)
|
||||
---
|
||||
|
||||
# [[Mutually Exclusive and Collectively Exhaustive (MECE)|Mutually Exclusive and Collectively Exhaustive (MECE]]
|
||||
|
||||
## 📌 Brief Summary
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
데이터나 문제를 범주화할 때, 항목 간 **'상호 배제(중복 없음)'**와 **'전체 포괄(누락 없음)'**을 충족하도록 나누는 논리적 프레임워크로 전략 컨설팅의 핵심 기초입니다.
|
||||
|
||||
## 📖 Core Content
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
- **상호 배제 (Mutually Exclusive):** 각 정보나 하위 범주가 고유하고 독립적이어야 합니다. 즉, 하나의 항목이 두 개 이상의 범주에 속해서는 안 되며, 이는 분석 시 이중 계산(Double-counting)이나 혼란을 방지합니다 [61-63].
|
||||
- **전체 포괄 (Collectively Exhaustive):** 선택한 범주들을 모두 합쳤을 때 전체 문제나 데이터 세트를 100% 포괄해야 합니다. 누락된 부분이 있으면 중요한 전략적 기회나 위험을 놓칠 수 있습니다 [62, 64, 65].
|
||||
- **실전 활용:** 이윤 하락 문제를 분석할 때 수익(Price × Volume)과 비용(Fixed Costs + Variable Costs)으로 나누는 수익성 프레임워크가 가장 대표적인 MECE 적용 사례입니다 [66, 67].
|
||||
- **함정 피하기:** 고객을 '취미'와 '관심사'로 나누는 것은 중복이 발생하여 Non-MECE 방식이 되며 [63, 68], '기타(Other)'라는 모호한 범주를 남용해 억지로 CE 요건을 맞추는 것도 지양해야 합니다 [57].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- **Related Topics:** [[McKinsey Problem Solving|McKinsey Problem Solving]], [[Minto Pyramid Principle|Minto Pyramid Principle]]
|
||||
- **Projects/Contexts:** [[Issue Tree|Issue Tree]] Development, Market Segmentation
|
||||
- **Contradictions/Notes:** 현실 세계의 복잡한 시스템에서는 범주 간 완전히 분리되지 않는 상호의존성이 존재할 수 있으므로, MECE만 고집할 경우 문제의 유기적 본질을 지나치게 단순화(False completeness)할 위험이 있습니다 [10, 41, 69].
|
||||
|
||||
---
|
||||
*Last updated: 2026-04-27*
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,10 +1,26 @@
|
||||
---
|
||||
id: wiki-2026-0508-neural-ignition
|
||||
title: Neural Ignition
|
||||
category: 10_Wiki/Topics
|
||||
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)
|
||||
---
|
||||
|
||||
# [[신경적 점화]]
|
||||
|
||||
## 📌 Brief 무 Summary
|
||||
신경적 점화(Neuronal Ignition)는 전역적 신경 워크스페이스(GNW) 모델에서 주의(Attention) 메커니즘이 특정 신호를 선택했을 때, 해당 신호가 임계값을 넘어 뇌 전체의 방대한 네트워크로 급격히 확장되는 임계 순간을 의미한다 [1-3]. 이는 무의식적인 국소 정보가 의식적이고 전역적으로 접근 가능한 상태로 변환되는 '전부 아니면 전무(all-or-none)' 형태의 비선형적 상전이 현상이다 [4, 5]. 점화된 정보는 피라미드 뉴런의 장거리 축삭을 통해 방송되며, 인지적 자원들이 맥락적으로 통합될 수 있는 핵심 기반을 제공한다 [3].
|
||||
|
||||
## 📖 Core Content
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
* **맥락 통합의 시작, 비선형적 상전이(Nonlinear Phase Transition):**
|
||||
감각 모듈에 입력된 특정 자극(국소 패턴)이 충분히 강하고 측면 경쟁(Lateral competition)을 이겨내면, 전역 워크스페이스의 평균 활성화 수치가 특정 임계값($\theta$)을 초과하게 된다 [2, 6]. 이때 신경적 점화가 발생하며, 임계값 아래에서는 무의식(잠재) 상태에 머물던 패턴이 임계값을 넘는 순간 뇌 전체로 퍼져나가는 비선형적 상전이 현상을 겪게 된다 [5].
|
||||
* **전역적 방송(Global Broadcasting):**
|
||||
@@ -14,8 +30,7 @@
|
||||
* **객관적 관측 지표:**
|
||||
신경적 점화 과정은 뇌전도(EEG), 뇌자도(MEG), 기능적 자기공명영상(fMRI) 등에서 관찰될 수 있다 [1]. 특히 감마 동기화(Gamma synchrony) 및 전두-두정 피질의 지속적인 활성화 형태로 나타나며, 이는 정보가 의식 경험과 상관관계를 맺는 뇌의 생물학적 마커로 작용한다 [4, 12, 13].
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
* **용량 제한과 병목 현상(Capacity Limits and Bottleneck):**
|
||||
신경적 점화는 의식적 정보의 통합을 가능하게 하지만, 전역적 방송이 서로 간섭하는 것을 막기 위해 한 번에 오직 하나(혹은 극소수)의 정보 패턴만이 점화되어 작업 공간에 접근할 수 있다 [14-16]. 결과적으로 뇌는 고도로 병렬적인 시스템임에도 불구하고 의식적 처리는 순차적이고 제한적인 용량을 가질 수밖에 없다는 제약이 발생한다 [14, 17].
|
||||
* **유연성과 장기 기억의 상충(Flexibility vs. Long-term Retention):**
|
||||
@@ -23,8 +38,7 @@
|
||||
* **점화 도달을 위한 시간 및 에너지 소요:**
|
||||
신경적 점화와 뒤이은 맥락의 방송은 뇌의 무의식적 자동 처리 과정과 비교할 때 높은 대사 에너지(BOLD 활성화)를 소모한다 [19]. 학습이 고도화되어 자동화되기 전의 새롭고 낯선 자극일수록 의식적 점화 과정이 많이 요구되며, 생소한 맥락일수록 맥락 체류 시간이 길어져야만 효과적인 인출이 일어난다 [19, 20].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
### Related Concepts
|
||||
|
||||
#### [이론 및 아키텍처 모델]
|
||||
@@ -71,4 +85,34 @@
|
||||
- 확장 방향: 패턴 인식에 뛰어난 신경망(로컬 모듈)과 명시적 논리를 처리하는 기호 모듈(전역 워크스페이스 역할)을 통합하는 미래 AI 아키텍처 연구로 확장한다.
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-04*
|
||||
*Last updated: 2026-05-04*
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
|
||||
> *(TODO: 한 문장으로 핵심 통찰을 작성. "X는 Y 조건에서 Z 효과를 낸다" 구조 권장.)*
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-NOIS-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-noise
|
||||
title: Noise
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-NOIS-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
tags: [auto-reinforced, noise, signals, data-quality, [[Information-Theory|Information-Theory]], [[Statistics|Statistics]]]
|
||||
tags: [auto-reinforced, noise, signals, data-quality, Information-Theory, Statistics]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Noise|Noise]]
|
||||
@@ -21,7 +33,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 노이즈를 제거(Denoising)하지 못하면 모델은 데이터의 본질이 아닌 쓸모없는 잡음을 학습([[Overfitting|Overfitting]])하여 예측력이 바닥을 치기 때문임.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 노이즈를 무조건 지워야 할 '오답 정책'으로만 보았으나, 현대 정책(Diffusion Model 등)은 노이즈로부터 정보를 복원하는 과정 정책을 통해 고해상도 이미지를 생성하는 '노이즈의 창조적 활용 정책'으로 패러다임을 바꿈(RL Update). ([[Gen-AI|Gen-AI]]와 연결)
|
||||
- **정책 변화(RL Update)**: 학습 데이터 정책에서도 의도적으로 노이즈를 섞어(Data Augmentation) 모델의 맷집을 키우는 '강인한 학습 정책'이 일반화 성능의 핵심 정책이 됨.
|
||||
|
||||
@@ -29,3 +41,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Information-Entropy|Information-Entropy]], [[Inferential-Statistics|Inferential-Statistics]], [[Judgment|Judgment]], [[Gen-AI|Gen-AI]], [[Optimization|Optimization]]
|
||||
- **Modern Tech/Tools**: Denoising Autoencoders, Diffusion Models, Gaussian noise, SNR (Signal-to-Noise Ratio).
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-ONT-001
|
||||
id: wiki-2026-0508-ontology
|
||||
title: Ontology
|
||||
category: Computer_Science_and_Theory
|
||||
confidence_score: 1.00
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-ONT-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [auto-reinforced, ontology, knowledge-engineering, taxonomy, semantic-web, data-modeling]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-04
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
---
|
||||
|
||||
# [[Ontology|Ontology]]
|
||||
@@ -28,7 +40,7 @@ last_reinforced: 2026-05-04
|
||||
* **데이터 통합**: 서로 다른 이름으로 불리는 같은 개념을 통일된 용어로 매핑합니다.
|
||||
* **추론 가동**: 정의된 규칙을 바탕으로 명시되지 않은 새로운 지식을 도출합니다.
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
* **고도의 전문성 요구**: 효과적인 온톨로지를 설계하기 위해서는 해당 도메인에 대한 깊은 이해와 지식 공학(Knowledge Engineering) 기술이 필수적입니다.
|
||||
* **경직성 리스크**: 너무 엄격하게 설계된 온톨로지는 빠르게 변화하는 최신 지식을 수용하기 어렵고 유연성이 떨어질 수 있습니다.
|
||||
* **구축 비용**: 초기 설계와 지속적인 갱신에 상당한 시간과 인적 자원이 소요됩니다.
|
||||
@@ -62,3 +74,52 @@ last_reinforced: 2026-05-04
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-04*
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-OPRES-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-operations-research
|
||||
title: Operations Research
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-OPRES-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.94
|
||||
tags: [auto-reinforced, mathematics, [[Optimization|Optimization]],[[_system|system]]-[[Analysis|Analysis]], [[Management|Management]]-science]
|
||||
tags: [auto-reinforced, mathematics, Optimization, _system-Analysis, Management-science]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Operations-Research|Operations-Research]]
|
||||
@@ -25,7 +37,7 @@ last_reinforced: 2026-04-20
|
||||
3. **역사적 배경**:
|
||||
* 제2차 세계대전 당시 레이더 배치, 잠수함 탐색 등 군사 작전의 효율성을 높이기 위해 시작되어 민간 영역으로 확산됨.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 정적인 데이터 기반의 선형 모델이 주류였으나, 현대의 OR은 실시간으로 변하는 빅데이터와 결합하여 '적응형 최적화(Adaptive Optimization)'로 진화함.
|
||||
- **정책 변화(RL Update)**: 인공지능(Reinforcement Learning)이 기존의 OR 수식을 대체하거나 보완하며, 단순 효율성뿐만 아니라 '지속 가능성(ESG)'을 제약 조건으로 포함하는 다중 목적 최적화 정책이 글로벌 스탠다드가 됨.
|
||||
|
||||
@@ -33,3 +45,52 @@ last_reinforced: 2026-04-20
|
||||
- **Related**: [[Decision Theory|Decision Theory]], Game Theory, [[Probability Theory|Probability Theory]], Complex Adaptive Systems, Economic Models
|
||||
- **Modern Tech/Tools**: Gurobi Solver, IBM ILOG CPLEX, Python (SciPy/Pyomo).
|
||||
---
|
||||
|
||||
## 🤖 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)*
|
||||
@@ -1,9 +1,18 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-OPTH-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-operator-theory
|
||||
title: Operator Theory
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-OPTH-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.86
|
||||
tags: [auto-reinforced, [[Opera|Opera]]tor-theory, mathematics, [[Physics|Physics]], functional-[[Analysis|Analysis]], linear-operators]
|
||||
tags: [auto-reinforced, Operator-theory, mathematics, Physics, functional-Analysis, linear-operators]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
---
|
||||
|
||||
# [[Operator-Theory|Operator-Theory]]
|
||||
@@ -21,7 +30,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 현대 제어 공학, 신호 처리, 그리고 양자 컴퓨팅의 상태 변화 정책을 수식으로 완벽히 통제하게 돕기 때문임.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 추상 수학 정책에 머물렀으나, 현대 정책은 딥러닝에서 입력 텐서를 출력 텐서로 바꾸는 계층(Layer) 하나하나를 연산자로 보고 '연산자 학습(Neural Operator)' 정책을 연구하여 물리 법칙을 직접 푸는 AI 정책 수립에 결정적 기여 정책을 함(RL Update).
|
||||
- **정책 변화(RL Update)**: 데이터 간의 차이가 유한할 때는 행렬 대수 정책을 쓰지만, 연속적인 세상 정책(Continuous world)을 설명할 때는 연산자 이론 정책이 필수적이며, 이는 '물리 기반 신경망(PINN)' 정책의 모태가 됨.
|
||||
|
||||
@@ -29,3 +38,29 @@ last_reinforced: 2026-04-20
|
||||
- [[Linear-Algebra|Linear-Algebra]], [[Optimization|Optimization]], Deep Learning (DL), [[High-Performance Computing (HPC)|High-Performance Computing (HPC)]], [[Logic|Logic]]
|
||||
- **Modern Tech/Tools**: Fourier transform operators, Laplacians, Neural Operators (FNO), Quantum operators.
|
||||
---
|
||||
|
||||
## 🤖 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 |
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: MATH-OPT-CTRL-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-optimal-control-theory
|
||||
title: Optimal Control Theory
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-OPT-CTRL-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, [[Control-Theory|Control-Theory]], optimal-control, [[Bellman-Equation|Bellman-Equation]], [[Reinforcement-Learning|Reinforcement-Learning]], [[Robotics|Robotics]]]
|
||||
tags: [math, Control-Theory, optimal-control, Bellman-Equation, Reinforcement-Learning, 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
|
||||
---
|
||||
|
||||
# Optimal Control Theory (최적 제어 이론)
|
||||
@@ -19,10 +31,59 @@ last_reinforced: 2026-04-26
|
||||
- **Hamiltonian:** 시스템의 에너지 보존과 변화율을 다루는 핵심 물리 수식.
|
||||
- **의의:** 강화학습(RL)의 근간이 되는 이론적 토대이며, 자율주행, 항공우주, 드론 제어 등 물리적 실체가 있는 AI 시스템의 필수 학문.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 모든 물리 수식을 완벽히 알아야 했던 과거의 모델 기반 제어(Model-based)에서, 이제는 수식을 몰라도 데이터를 통해 제어 규칙을 배우는 강화학습 기반의 데이터 주도 제어(Data-driven)와 결합하여 적응력이 극대화됨.
|
||||
- **정책 변화:** Skybound 프로젝트의 미사일 궤적 최적화 및 에이전트의 자원 배분 시나리오 설계 시, 최적 제어 이론의 비용 함수 설계 원칙을 준수하여 시스템의 안정성을 확보함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Reinforcement-Learning|Reinforcement-Learning]], Monte-Carlo-Tree-Search-MCTS, [[Markov-Decision-Process-MDP|Markov-Decision-Process-MDP]], Fluid-Dynamics
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Optimal-Control-Theory.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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: MATH-OPT-ALGO-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-optimization-algorithms
|
||||
title: Optimization Algorithms
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-OPT-ALGO-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [math, algorithms, [[Optimization|Optimization]], heuristic, [[Simulated-Annealing|Simulated-Annealing]], [[Genetic-Algorithms|Genetic-Algorithms]]]
|
||||
tags: [math, algorithms, Optimization, heuristic, Simulated-Annealing, Genetic-Algorithms]
|
||||
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
|
||||
---
|
||||
|
||||
# Optimization Algorithms (최적화 알고리즘)
|
||||
@@ -21,10 +33,59 @@ last_reinforced: 2026-04-26
|
||||
- **Particle Swarm Optimization:** 집단의 정보를 공유하며 최적점 추적.
|
||||
- **의의:** AI 모델 학습뿐만 아니라 물류 경로 최적화, 반도체 설계, 금융 포트폴리오 구성 등 모든 공학적 의사결정의 핵심 도구.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 항상 전역 최적해를 찾아야 한다는 집착에서 벗어나, 현실적인 시간 내에 충분히 훌륭한 해(Sub-optimal [[Solution|Solution]])를 찾는 '휴리스틱'의 가치가 현대 대규모 복잡계 최적화의 주류로 자리 잡음.
|
||||
- **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 스케줄링 및 리소스 할당 시, 문제의 성격에 따라 정교한 수리 계획법(Linear Programming)과 유연한 메타 휴리스틱 알고리즘을 혼합하여 사용함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Optimization-in-AI|Optimization-in-AI]], [[Gradient-Descent|Gradient-Descent]]-Foundations, [[Genetic-Algorithms|Genetic-Algorithms]], HyperParameter-Optimization
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/Optimization-Algorithms.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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: [[P-Reinforce|P-Reinforce]]-AUTO-OPTI-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-optimization
|
||||
title: Optimization
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-OPTI-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.99
|
||||
tags: [auto-reinforced, optimization, algorithms, [[Efficiency|Efficiency]], mathematical-programming, improvement]
|
||||
tags: [auto-reinforced, optimization, algorithms, Efficiency, mathematical-programming, improvement]
|
||||
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
|
||||
---
|
||||
|
||||
# [[Optimization|Optimization]]
|
||||
@@ -21,7 +33,7 @@ last_reinforced: 2026-04-20
|
||||
2. **왜 중요한가?**:
|
||||
* 지능(Intelligence)은 결국 한정된 자원으로 최선의 목표를 달성하는 '최적화 능력'의 다른 이름이며, AI 학습 자체가 오류를 최소화하는 거대한 최적화 연산이기 때문임. ([[Gradient-Descent|Gradient-Descent]]와 연결)
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 한 번에 정답을 찾는 '분석적 정책(Analytical)'을 선호했으나, 현대 정책은 거대 변수 앞에서는 조금씩 고쳐가며 답에 근접하는 '반복적 경사 하강 정책(Iterative)'이 압도적 실용 정책을 가짐(RL Update). ([[Iteration|Iteration]]와 연결)
|
||||
- **정책 변화(RL Update)**: 단순히 현재의 최적 정책(Local Optima)에 만족하지 않고, 전역 최적해(Global Optima)를 찾기 위해 탐색 공간을 뒤흔드는 '하이퍼파라미터 튜닝 정책'과 '강화 학습 정책'이 현대 AI 최적화의 꽃이 됨.
|
||||
|
||||
@@ -29,3 +41,52 @@ last_reinforced: 2026-04-20
|
||||
- [[Gradient-Descent|Gradient-Descent]], [[Efficiency|Efficiency]], [[Iteration|Iteration]], [[Linear-Programming|Linear-Programming]], [[Search-Optimization|Search-Optimization]]
|
||||
- **Modern Tech/Tools**: SGD ([[stochastic gradient descent|stochastic gradient descent]]), Adam optimizer, Genetic algorithms, Convex 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)*
|
||||
@@ -1,9 +1,21 @@
|
||||
---
|
||||
id: MATH-PCA-001
|
||||
category: Unified
|
||||
id: wiki-2026-0508-pca-and-dimension-reduction
|
||||
title: PCA and Dimension Reduction
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
canonical_id: self
|
||||
aliases: [MATH-PCA-001]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 1.0
|
||||
tags: [[Statistics|[Statistics]], math, pca, dimension-reduction, un[[Supervised-Learning|Supervised-Learning]], data-science]
|
||||
tags: ["Statistics|[Statistics", math, pca, dimension-reduction, unSupervised-Learning, data-science]
|
||||
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
|
||||
---
|
||||
|
||||
# PCA and Dimension Reduction (PCA와 차원 축소)
|
||||
@@ -20,10 +32,59 @@ last_reinforced: 2026-04-26
|
||||
- **Projection:** 상위 k개의 주성분으로 데이터 변환.
|
||||
- **의의:** 차원의 저주(Curse of Dimensionality)를 극복하고, 모델의 과적합을 방지하며, 수천 차원의 임베딩 데이터를 2D/3D로 시각화하여 인간이 이해할 수 있게 함.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌:** 선형적인 관계만 포착할 수 있는 PCA의 한계를 넘어, 최근에는 커널 PCA나 오토인코더를 이용한 비선형 차원 축소, 그리고 t-SNE나 UMAP과 같이 데이터의 지역적 구조 보존에 특화된 시각화 기법들이 함께 활용됨.
|
||||
- **정책 변화:** Antigravity 프로젝트는 1,174개 문서의 임베딩 벡터를 시각화하여 지식의 군집(Cluster) 상태를 점검할 때, PCA를 1차 필터로 사용하여 전체적인 데이터 분포를 조망함.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- Principal-Component-[[Analysis|Analysis]]-PCA, [[Multivariate-Analysis|Multivariate-Analysis]], [[Exploratory-Data-Analysis|Exploratory-Data-Analysis]], Autoencoders-in-[[Deep-Learning|Deep-Learning]]
|
||||
- **Raw Source:** 10_Wiki/Topics/AI/PCA-and-Dimension-Reduction.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)*
|
||||
Some files were not shown because too many files have changed in this diff Show More
Reference in New Issue
Block a user