docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

2026-05-02 09:18:34 +09:00
parent c84dcb8371
commit 6445fcc05b
13150 changed files with 55394 additions and 100862 deletions
@@ -16,8 +16,8 @@ converted_at: 2026-04-28
 *   **통계적 밸런스와 숙련도 데이터:** 많은 플레이어가 특정 진영(NATO 또는 PACT)이 10v10에서 불균형적으로 강하다고 인식하지만, 실제 10v10 퍼블릭 로비의 플레이어 승률과 텔레메트리 데이터를 분석해 보면 진영 간 눈에 띄는 편향은 발견되지 않습니다 [9]. 10v10 대규모 멀티플레이어 데이터 분석 결과, NATO와 PACT 간의 플레이 비중 및 승률은 플레이어의 숙련도가 높아질수록 균형을 이루는 경향을 보입니다 [10].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[Iriszoom 엔진]], [[사단(Division) 시스템]], [[텔레메트리(Telemetry) 데이터 분석]]
- **Projects/Contexts:** [[WARNO 데이터 기반 밸런싱]]
+- **Related Topics:** [[Iriszoom 엔진|Iriszoom 엔진]], [[사단(Division) 시스템|사단(Division) 시스템]], [[텔레메트리(Telemetry) 데이터 분석|텔레메트리(Telemetry) 데이터 분석]]
+- **Projects/Contexts:** [[WARNO 데이터 기반 밸런싱|WARNO 데이터 기반 밸런싱]]
 - **Contradictions/Notes:** 소스 [5]을 비롯해 10v10 커뮤니티 내에서는 게임 경험상 특정 진영(예: NATO)이 더 강하거나 유리하게 느껴진다는 체감상 주장들이 종종 제기되지만, 소스 [11], [9], [10]에서 진행된 실제 10v10 플레이어 데이터 및 승률 통계 분석에 따르면 두 진영 간의 통계적으로 유의미한 불균형이나 편향은 존재하지 않으며, 승패는 주로 플레이어 본인과 팀원들의 숙련도 차이에 기인하는 것으로 나타납니다 [12].

 ---
@@ -1,4 +1,4 @@
-# [[2025 Casual Gaming Apps Report]]
+# [[2025 Casual Gaming Apps Report|2025 Casual Gaming Apps Report]]

 ## 📌 Brief Summary
 '2025 Casual Gaming Apps Report'는 Liftoff와 Singular가 공동으로 분석한 모바일 캐주얼 게임 시장의 마케팅 벤치마크, 사용자 획득 출처, 게임 플레이 트렌드 및 수익화 전략에 대한 포괄적인 보고서이다 [1, 2]. 이 보고서는 2024년 2월부터 2025년 2월까지 119억 달러의 마케팅 지출과 24억 건의 인스톨 데이터를 기반으로 작성되었다 [2-4]. 단순한 하이퍼 캐주얼 게임에서 벗어나 미드코어 요소가 결합된 하이브리드 캐주얼로의 진화와 새로운 인앱 결제(IAP) 및 광고 수익화 혁신을 조명하며, 성공적인 게임 경제 설계를 위한 핵심 지표와 인사이트를 제공한다 [1, 5, 6].
@@ -10,8 +10,8 @@
 - **수익화(Monetization) 모델의 혁신**: 개발자들은 플레이어 경험을 해치지 않으면서도 수익을 창출하는 하이브리드 수익화 모델을 고도화하고 있다 [31]. 게임 플레이를 방해하지 않는 '오디오 광고', 인게임 재화로 일정 시간 광고를 비활성화하는 '임시 광고 제거' 기능, 플레이어가 직접 구매할 아이템을 구성하여 전환율을 높이는 '맞춤형 IAP 번들', 그리고 한정 수량이나 실제 이벤트와 연계하여 FOMO(고립 공포감)를 자극하는 'Pick-one 번들' 등이 그 대표적인 혁신 사례이다 [32-40].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[하이브리드 수익화 (Hybrid Monetization)]], [[핵심 성과 지표 (CPI, ROAS, CTR)]], [[라이브옵스 (Live-ops) 및 인게임 이벤트]], [[사용자 획득 (User Acquisition)]]
- **Projects/Contexts:** [[Liftoff 및 Singular 데이터 분석 프로젝트]], [[Monopoly GO!, Royal Match 등 상위 캐주얼 게임 사례]]
+- **Related Topics:** [[하이브리드 수익화 (Hybrid Monetization)|하이브리드 수익화 (Hybrid Monetization)]], 핵심 성과 지표 (CPI, ROAS, CTR), 라이브옵스 (Live-ops) 및 인게임 이벤트, 사용자 획득 (User Acquisition)
+- **Projects/Contexts:** Liftoff 및 Singular 데이터 분석 프로젝트, Monopoly GO!, Royal Match 등 상위 캐주얼 게임 사례
 - **Contradictions/Notes:** 안드로이드 플랫폼은 iOS에 비해 인스톨당 비용(CPI)이 훨씬 낮고 1000회 노출당 인스톨(IPM)이 높지만, 30일 차 ROAS(광고 수익률)는 iOS가 안드로이드보다 2배 이상 높게 나타나는 명확한 플랫폼 간 수익성 대조가 존재합니다 [7-9, 41].

 ---
@@ -1,4 +1,4 @@
-# [[2026년 BCG 글로벌 게이밍 설문조사]]
+# [[2026년 BCG 글로벌 게이밍 설문조사|2026년 BCG 글로벌 게이밍 설문조사]]

 ## 📌 Brief Summary
 2026년 BCG 글로벌 게이밍 설문조사(Global Gaming Survey)는 약 3,000명의 전 세계 게이머를 대상으로 비디오 게임 산업의 소비자 동향과 행동을 분석한 자료입니다 [1, 2]. 이 설문조사는 3년간 이어진 게임 산업의 침체기가 끝나가고 있음을 시사하며, 새로운 성장을 견인할 주요 요소로 생성형 AI, 사용자 제작 콘텐츠(UGC), 클라우드 게이밍, 앱 스토어 개방의 네 가지 핵심 트렌드를 지목하고 있습니다 [1, 3]. 이는 성공적인 게임 경제 설계와 수익화 모델이 어떻게 변화해야 하는지에 대한 필수적인 시장 데이터를 제공합니다 [4].
@@ -18,8 +18,8 @@
  성공적인 경제 설계를 위해 플레이어의 지불 의향을 분석한 결과, 응답자의 75% 이상이 게임 가격이 구매 선택에 결정적인 영향을 미친다고 응답했습니다 [13, 14]. 실제로 약 65%의 게이머는 할인을 기다리는 등의 방식으로 경제적 압박에 대응하고 있습니다 [14]. 반면 약 45%의 게이머는 진성 팬으로서 높은 가격에도 기꺼이 게임을 구매할 의향이 있는 것으로 나타났습니다 [14]. 이러한 양극화된 소비 행태는 게임 개발사들이 계층화된 가격 책정(Tiered pricing), 구독 모델, 윈도잉(Windowing), 인게임 광고 등의 고도화된 대체 수익화 전략을 게임 경제 설계에 도입해야만 성공적인 매출을 달성할 수 있음을 입증합니다 [15].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[사용자 제작 콘텐츠(UGC)]], [[클라우드 게이밍]], [[생성형 AI(GenAI)]], [[수익화 전략(Monetization)]], [[가상 경제 시스템]]
- **Projects/Contexts:** [[Video Gaming Report 2026]], [[플랫폼 통합(Platform Convergence)]], [[게임 경제 설계(Game Economy Design)]]
+- **Related Topics:** [[사용자 제작 콘텐츠(UGC)|사용자 제작 콘텐츠(UGC)]], 클라우드 게이밍, 생성형 AI(GenAI), 수익화 전략(Monetization), [[가상 경제 시스템|가상 경제 시스템]]
+- **Projects/Contexts:** Video Gaming Report 2026, 플랫폼 통합(Platform Convergence), [[게임 경제 설계(Game Economy Design)|게임 경제 설계(Game Economy Design)]]
 - **Contradictions/Notes:** 많은 게이머들이 생성형 AI나 클라우드 기반의 새로운 기술과 게임 환경의 확장에 대해서는 매우 열려있으나, 동시에 75% 이상의 플레이어가 구매 시 가격 인상에 민감하게 반응하는 모순적인 소비 성향을 보입니다. 이는 향후 혁신적인 기술이 도입된 게임이라 할지라도, 사용자의 세분화된 지불 능력을 고려한 정밀한 경제 모델 설계가 뒷받침되지 않으면 수익 창출에 실패할 수 있음을 경고합니다.

 ---
@@ -1,4 +1,4 @@
-# [[2026년 인공지능 시각 언어 생성 패러다임 전환 및 연속적 창작 워크플로우]]
+# [[2026년 인공지능 시각 언어 생성 패러다임 전환 및 연속적 창작 워크플로우|2026년 인공지능 시각 언어 생성 패러다임 전환 및 연속적 창작 워크플로우]]

 ## 📌 Brief Summary
 2026년의 인공지능 시각 언어 생성 기술은 단발성 이미지 추출에서 벗어나, 인간과 AI 에이전트가 긴밀하게 협업하는 '연속적 창작 워크플로우'의 패러다임으로 진화하였다 [1, 2]. 미드저니 V7의 드래프트 모드(Draft Mode)나 옴니 참조(Omni Reference)와 같은 기술의 도입으로 아이디어의 고속 대량 생산, 시각적 정체성의 일관성 유지, 정교한 사후 편집이 맞물린 체계적 작업이 가능해졌다 [3-5]. 이에 따라 이미지 프롬프트 작성법 역시 단순한 단어의 나열을 넘어, 카메라 물리 법칙이나 조명 과학 등의 시각적 전문 지식을 반영하고 각 AI 모델의 고유한 통제 언어를 다루는 고도화된 프롬프트 엔지니어링으로 격상되었다 [2, 6].
@@ -20,8 +20,8 @@
  AI가 인간의 능력을 보조하는 것을 넘어 주도적으로 협력하는 2026년 '에이전틱 AI(Agentic AI)' 트렌드와 결합하여, 창작 환경에도 거대한 변화가 일어났다 [2, 22, 23]. 인간 창작자가 추상적인 비전을 제시하면, AI 에이전트가 이를 모델별 최적의 기술적 언어로 번역하고 대량의 시안을 자율적으로 생성하는 '에이전틱 크리에이티브' 시대가 열리며 소프트웨어적 상호작용 방식이 근본적으로 재정의되고 있다 [2, 24].

 ## 🔗 Knowledge Connections
- **Related Topics:** `[[프롬프트 계층 구조(Prompt Hierarchical Structure)]]`, `[[매개변수 제어(Parameter Control)]]`, `[[부정 프롬프트(Negative Prompt)]]`, `[[에이전틱 AI(Agentic AI)]]`
- **Projects/Contexts:** `[[미드저니 V7 드래프트 모드(Midjourney V7 Draft Mode)]]`, `[[옴니 참조(Omni Reference, --oref)]]`, `[[에이전틱 크리에이티브(Agentic Creative)]]`
+- **Related Topics:** `프롬프트 계층 구조(Prompt Hierarchical Structure)`, `매개변수 제어(Parameter Control)`, `[[부정 프롬프트(Negative Prompt)|부정 프롬프트(Negative Prompt)]]`, `[[에이전틱 AI (Agentic AI)|에이전틱 AI(Agentic AI)]]`
+- **Projects/Contexts:** `미드저니 V7 드래프트 모드(Midjourney V7 Draft Mode)`, `[[옴니 참조(Omni Reference, --oref)|옴니 참조(Omni Reference, --oref)]]`, `에이전틱 크리에이티브(Agentic Creative)`
 - **Contradictions/Notes:** 모델 아키텍처에 따라 '부정 지시어'를 처리하는 메커니즘에 뚜렷한 모순과 차이가 존재한다. 스테이블 디퓨전은 이미지의 해부학적 오류(예: extra fingers)나 저화질 요소를 제거하기 위해 명시적인 부정 프롬프트 작성이 필수적이지만 [17, 19, 25], DALL-E 3 모델은 "사용하지 말 것(no, without)"과 같은 부정 지시어를 오히려 해당 피사체를 그려내라는 의미로 오인하는 한계가 있어 모든 프롬프트를 긍정형으로 작성해야 한다 [21, 26]. 또한 미드저니 V7 모델은 시각적이고 미학적인 아이디어 탐색 워크플로우에는 최적화되어 있으나, 정확한 타이포그래피나 엄격한 레이아웃을 그대로 복제해야 하는 작업에는 적합하지 않다는 제한점이 관찰된다 [27, 28].

 ---
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Continuous Worker - 20k skinned instances demo"
 ---

-# [[20k skinned instances demo]]
+# [[20k skinned instances demo|20k skinned instances demo]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > '20k skinned instances demo'는 Three.js 기반의 오픈 소스 라이브러리인 InstancedMesh2를 활용하여 20,000개의 개별적인 스킨드 인스턴스(Skinned instances)를 동시에 렌더링하는 성능 최적화 데모입니다 [1, 2]. 이 데모는 모바일 기기에서도 3,000개의 인스턴스를 원활하게 구동할 수 있도록 설계되었습니다 [2]. 프러스텀 컬링, 거리 기반 애니메이션 프레임 조절, 다중 LOD(Level of Detail) 생성 등 다양한 최적화 기법을 적용하여 단 5번의 드로우 콜만으로 렌더링을 처리하는 것이 특징입니다 [2, 3].
@@ -29,7 +29,7 @@ github_commit: "[P-Reinforce] Continuous Worker - 20k skinned instances demo"
 - **정책 변화:** AI 분야의 자동 자산화 수행.

 ## 🔗 지식 연결 (Graph)
- **Related Topics:** [[InstancedMesh2]], [[Frustum Culling]], [[Level of Detail (LOD)]], Skinned Mesh, [[Draw Call]]
+- **Related Topics:** [[InstancedMesh2|InstancedMesh2]], [[Frustum Culling|Frustum Culling]], [[Level of Detail (LOD)|Level of Detail (LOD)]], Skinned Mesh, [[Draw Call|Draw Call]]
 - **Projects/Contexts:** three.js
 - **Contradictions/Notes:** 본 텍스처(Bone texture)의 부분 업데이트(Partial texture updates) 기능은 PC 환경에서 60FPS를 달성하는 데 도움이 될 수 있는 최적화 기법이지만, 모바일 기기와 파이어폭스(Mozilla Firefox) 브라우저에서는 이중 버퍼링(Double buffering) 부재로 인해 오히려 속도가 느려지는 문제가 있어 본 데모에서는 비활성화된 상태로 제공되었습니다 [2, 7].

@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 주요 UI 변경 시 최소 10%의 트래픽에 대해 A/B 테스트를 선행하며, 데이터 기반의 근거 없이는 레이아웃 변경을 승인하지 않는 'Evidence-based Design' 정책을 고수함.

 ## 🔗 지식 연결 (Graph)
- User-Centered-Design, Conversion-Rate-Optimization-CRO, [[Hypothesis-Testing]], Product-Management-Best-Practices
+- User-Centered-Design, Conversion-Rate-Optimization-CRO, [[Hypothesis-Testing|Hypothesis-Testing]], Product-Management-Best-Practices
 - **Raw Source:** 00_Raw/A-B 테스트 및 데이터 기반 UX 검증 환경.md
@@ -1,13 +1,13 @@
 ---
 id: b3c4d5e6-f7a8-4b9c-0d1e-2f3a4b5c6d7e
-category: "[[10_Wiki/Topics/AI]]"
+category: "10_Wiki/Topics/AI"
 confidence_score: 0.97
 tags: [a2a, agent, protocol, multi-agent, communication, infrastructure]
 last_reinforced: 2026-05-01
 github_commit: "wikification-a2a"
 ---

-# [[Agent-to-Agent (A2A)]]
+# Agent-to-Agent (A2A)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > A2A는 서로 다른 하네스나 원격지에 위치한 에이전트들이 작업을 위임하고 상태를 공유하며 협업할 수 있도록 돕는 상호운용성 네트워크 표준 프로토콜이다.
@@ -31,9 +31,9 @@ github_commit: "wikification-a2a"
 - **오케스트레이션 복잡성**: 에이전트가 많아질수록 통신 지연과 상태 불일치 문제가 발생하며, 이를 관리하기 위한 분산 시스템 수준의 설계가 요구된다.

 ## 🔗 지식 연결 (Graph)
- **Parent**: [[10_Wiki/Topics/AI]]
- **Related**: [[Agent Harness]], [[Model Context Protocol (MCP)]], [[Agentic Software Engineering]]
- **Raw Source**: [[00_Raw/Agent-to-Agent (A2A)]]
+- **Parent**: 10_Wiki/Topics/AI
+- **Related**: [[Agent Harness|Agent Harness]], [[Model Context Protocol (MCP)|Model Context Protocol (MCP)]], [[Agentic_Software_Engineering|Agentic Software Engineering]]
+- **Raw Source**: 00_Raw/Agent-to-Agent (A2A)

 ## 💻 GitHub 동기화 자동화 워크플로우
 1. Stage: git add .
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 에이전트의 강화학습 보상 모델 설계 시, ABA의 '기능적 행동 평가' 원칙을 도입하여 에이전트가 왜 특정 오류 행동을 반복하는지 분석하고 교정함.

 ## 🔗 지식 연결 (Graph)
- [[Psychology-of-Learning]], [[Reinforcement-Learning]], [[Alignment]], [[Habit-Formation]]
+- [[Psychology-of-Learning|Psychology-of-Learning]], [[Reinforcement-Learning|Reinforcement-Learning]], [[Alignment|Alignment]], [[Habit-Formation|Habit-Formation]]
 - **Raw Source:** 10_Wiki/Topics/AI/ABA.md
@@ -1,13 +1,13 @@
 ---
 id: a2b3c4d5-e6f7-4a8b-9c0d-1e2f3a4b5c6d
-category: "[[10_Wiki/Topics/AI]]"
+category: "10_Wiki/Topics/AI"
 confidence_score: 0.98
 tags: [aci, agent, interface, llm, infrastructure, harness]
 last_reinforced: 2026-05-01
 github_commit: "wikification-aci"
 ---

-# [[Agent-Computer Interface (ACI)]]
+# Agent-Computer Interface (ACI)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > ACI는 인간 중심의 UI를 넘어, LLM 에이전트가 컴퓨터 시스템(OS, 파일, 도구)을 효율적으로 조작할 수 있도록 최적화된 추상화 인터페이스이며, 에이전트의 관찰(Observation) 및 행동(Action) 공간의 품질을 결정하는 핵심 설계 요소이다.
@@ -32,9 +32,9 @@ github_commit: "wikification-aci"
 - **범용 표준의 부재**: 각 하네스마다 ACI 설계가 상이하여 에이전트의 행동 패턴이 특정 인터페이스에 고착화(Coupling)되는 현상이 발생한다.

 ## 🔗 지식 연결 (Graph)
- **Parent**: [[10_Wiki/Topics/AI]]
- **Related**: [[Agent Harness]], [[Model Context Protocol (MCP)]], [[Context Engineering]]
- **Raw Source**: [[00_Raw/Agent-Computer Interfaces (ACI)]]
+- **Parent**: 10_Wiki/Topics/AI
+- **Related**: [[Agent Harness|Agent Harness]], [[Model Context Protocol (MCP)|Model Context Protocol (MCP)]], [[Context Engineering|Context Engineering]]
+- **Raw Source**: 00_Raw/Agent-Computer Interfaces (ACI)

 ## 💻 GitHub 동기화 자동화 워크플로우
 1. Stage: git add .
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트의 최종 비전은 개별 도구로서의 AI를 넘어, 사용자의 모든 업무와 지식 관리를 통합적으로 보조하는 'Personal AGI'급 에이전트 환경 구축에 있음.

 ## 🔗 지식 연결 (Graph)
- [[LLM]], Theory-of-Mind-ToM-in-AI, [[AI-Alignment]], Symbolic-AI-vs-Connectionism
+- [[LLM|LLM]], Theory-of-Mind-ToM-in-AI, [[AI-Alignment|AI-Alignment]], Symbolic-AI-vs-Connectionism
 - **Raw Source:** 10_Wiki/Topics/AI/AGI.md
@@ -6,7 +6,7 @@ tags: [auto-reinforced, data-sovereignty, ai-ethics, privacy, digital-colonialis
 last_reinforced: 2026-04-20
 ---

-# [[AI & Data Sovereignty]]
+# [[AI & Data Sovereignty|AI & Data Sovereignty]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터의 주인은 누구인가: 우리의 모든 행동이 AI 학습의 공짜 재료가 되는 시대, 개인과 국가가 자신의 데이터를 통제하고 그로부터 창출된 부를 정당하게 나눠 가질 권리를 지키기 위한 투쟁."
@@ -26,6 +26,6 @@ AI 및 데이터 주권(AI & Data Sovereignty)은 디지털 정보와 그로부
 - **정책 변화(RL Update)**: EU의 GDPR 및 AI Act와 같이, 개인 데이터를 학습에 쓰려면 명시적인 '옵트-인(Opt-in)'을 거치게 하고 위반 시 막대한 과징금을 부과하는 정책이 데이터 주권 보호의 표준이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Ethics & AI]], [[AI Accountability]], [[Sociology of Knowledge]], [[Universal Basic Income (UBI)]], Foundational Models
+- [[Ethics & AI|Ethics & AI]], [[AI Accountability|AI Accountability]], [[Sociology of Knowledge|Sociology of Knowledge]], [[Universal Basic Income (UBI)|Universal Basic Income (UBI)]], Foundational Models
 - **Modern Tech/Tools**: Federated Learning (Privacy-preserving AI), Differential Privacy, Sovereign Clouds.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, ai-accountability, responsibility, algorithmic-transpare
 last_reinforced: 2026-04-20
 ---

-# [[AI Accountability]]
+# [[AI Accountability|AI Accountability]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "AI의 잘못은 누구의 탓인가: 알고리즘의 결정으로 인해 사회적 피해나 오류가 발생했을 때, 그 원인을 규명하고 책임의 주체를 명확히 하여 피해를 보상하게 만드는 책임 사회의 원칙."
@@ -27,6 +27,6 @@ AI 책임론(AI Accountability)은 AI 시스템의 설계, 개발, 배포 및
 - **정책 변화(RL Update)**: 자율주행차나 의료 AI처럼 생명과 직결된 분야에서는 사고 시 AI 모델의 최종 파라미터 상태를 디지털 블랙박스로 기록하고 보존하는 것이 법적 정책 의무 사항이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Ethics & AI]], [[AI & Data Sovereignty]], [[Safety & Reliability]], Generative-AI-Safety, [[Decision Theory]]
+- [[Ethics & AI|Ethics & AI]], [[AI & Data Sovereignty|AI & Data Sovereignty]], [[Safety & Reliability|Safety & Reliability]], Generative-AI-Safety, [[Decision Theory|Decision Theory]]
 - **Modern Tech/Tools**: Algorithmic Impact Assessment (AIA), Explainable AI (XAI) toolkits.
 ---
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 자율성을 극대화하되, 인간의 확인이 필요한 'Human-in-the-loop' 지점을 명확히 설정하여 안전성을 확보함.

 ## 🔗 지식 연결 (Graph)
- Agentic-Workflow, [[Multi-Agent-Systems-MAS]], [[RAG]], Theory-of-Mind-ToM-in-AI
+- Agentic-Workflow, [[Multi-Agent-Systems-MAS|Multi-Agent-Systems-MAS]], [[RAG|RAG]], Theory-of-Mind-ToM-in-AI
 - **Raw Source:** 10_Wiki/Topics/AI/AI Agents.md
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Batch 10 - Wikified AI Connect LLM Tool"
 ---

-# [[AI Connect LLM Tool]]
+# [[AI Connect LLM Tool|AI Connect LLM Tool]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > **Connect AI**는 100% 로컬 및 오프라인 환경에서 작동하는 VS Code 전용 프리미엄 AI 코딩 에이전트입니다. 외부 서버 연결 없이 사용자의 하드웨어(Ollama/LM Studio)를 직접 활용하여 파일 생성, 편집, 터미널 명령 실행 및 개인 지식 기반(Second Brain) 연동을 지원합니다.
@@ -6,7 +6,7 @@ tags: [auto-reinforced, ai-governance, policy, regulation, global-standards, tec
 last_reinforced: 2026-04-20
 ---

-# [[AI Governance]]
+# [[AI Governance|AI Governance]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인공지능을 위한 사회적 가이드라인: 기술의 폭주를 막고 혜택을 극대화하기 위해 국가, 기업, 학계가 합의하여 만드는 법적, 윤리적, 기술적 관리 체계."
@@ -27,6 +27,6 @@ AI 거버넌스(AI Governance)는 인공지능 기술의 개발 및 활용이
 - **정책 변화(RL Update)**: 단순히 사후 규제가 아닌, 설계 단계부터 거버넌스를 코드에 녹여내는 'Governance by Design' 정책이 테크 기업의 필수 준수 사항이 됨.

 ## 🔗 지식 연결 (Graph)
- [[AI Accountability]], [[AI Safety]], [[AI & Data Sovereignty]], [[Ethics & AI]], Generative-AI-Safety
+- [[AI Accountability|AI Accountability]], [[AI Safety|AI Safety]], [[AI & Data Sovereignty|AI & Data Sovereignty]], [[Ethics & AI|Ethics & AI]], Generative-AI-Safety
 - **Modern Tech/Tools**: ISO/IEC 42001 (AI Management System), NIST AI Risk Management Framework.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, ai-humanism, philosophy, human-centric, coexistence, exi
 last_reinforced: 2026-04-20
 ---

-# [[AI Humanism]]
+# [[AI Humanism|AI Humanism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기계 시대의 인간성 회복: AI가 인간을 대체하는 위협이 아니라, 인간의 잠재력을 확장하고 삶의 질을 높이는 '도구'로서 존재해야 한다는 인간 중심의 기술 철학."
@@ -26,6 +26,6 @@ AI 휴머니즘(AI Humanism)은 인공지능 기술의 정점에 '인간의 존
 - **정책 변화(RL Update)**: 교육 및 창작 정책에서, AI의 결과물보다 인간의 '과정'과 '의도'에 가중치를 두어 인간의 창의성을 보호하는 '인간 가치 우선 정책'이 수립됨.

 ## 🔗 지식 연결 (Graph)
- [[Ethics & AI]], [[AI for Social Good]], [[Universal Basic Income (UBI)]], [[Aesthetic-Value]], [[Victimhood-Narratives]]
+- [[Ethics & AI|Ethics & AI]], [[AI for Social Good|AI for Social Good]], [[Universal Basic Income (UBI)|Universal Basic Income (UBI)]], [[Aesthetic-Value|Aesthetic-Value]], [[Victimhood-Narratives|Victimhood-Narratives]]
 - **Modern Tech/Tools**: Human-centered design (HCD) frameworks.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, ai-literacy, education, digital-competence, critical-thi
 last_reinforced: 2026-04-20
 ---

-# [[AI Literacy]]
+# [[AI Literacy|AI Literacy]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "AI 시대를 살아가는 생존 근육: AI의 작동 원리를 이해하고, 결과의 진위를 판단하며, 생활과 업무에서 AI를 도구로 활용해 가치를 창출할 수 있는 필수적인 문해력."
@@ -27,6 +27,6 @@ AI 리터러시(AI Literacy)는 단순히 AI를 사용하는 기술을 넘어, A
 - **정책 변화(RL Update)**: 기업 채용 및 승진 정책에서, 특정 툴 사용 능력을 넘어 AI와의 협업 능력(Co-intelligence)을 핵심 평가지표로 삼는 정책이 확산 중임.

 ## 🔗 지식 연결 (Graph)
- [[Adaptability]], Prompt-Engineering-Strategies, [[Ethics & AI]], [[AI for Social Good]], Vocational-Training
+- [[Adaptability|Adaptability]], Prompt-Engineering-Strategies, [[Ethics & AI|Ethics & AI]], [[AI for Social Good|AI for Social Good]], Vocational-Training
 - **Modern Tech/Tools**: AI Literacy education tools (Elements of AI), Generative AI sandbox.
 ---
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - AI 안전은 종종 모델의 성능 발전을 늦춘다는 비판을 받는다. 그러나 최근 연구에 따르면, 안전하게 설계된 모델(Aligned model)이 정제된 사고 능력 덕분에 실제 실무 성능도 더 높게 나타나는 '보안-성능 시너지'가 확인되고 있다.

 ## 🔗 지식 연결 (Graph)
- Related: [[AI-Alignment]] , AI-Governance
- Strategy: [[Reliability_Safety_First]]
+- Related: [[AI-Alignment|AI-Alignment]] , AI-Governance
+- Strategy: [[Reliability_Safety_First|Reliability_Safety_First]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, ai-safety, alignment, existential-risk, robustness, eval
 last_reinforced: 2026-04-20
 ---

-# [[AI Safety]]
+# [[AI Safety|AI Safety]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지능의 고비를 넘는 안전장치: AI가 인간의 의도를 오해하거나 예측 불가능하게 행동하여 신체적, 정신적, 사회적 피해를 입히지 않도록 연구하는 기술적 보안 및 예방 체계."
@@ -26,6 +26,6 @@ AI 안전(AI Safety)은 AI 시스템이 설계된 목표 내에서만 안전하
 - **정책 변화(RL Update)**: 단순히 기술적 안전을 넘어, 사회적 가치와 공존하는지 검증하는 '거버넌스 연계형 AI 안전 정책'이 글로벌 안전 서밋(UK AI Safety Summit 등)의 핵심 의제가 됨.

 ## 🔗 지식 연결 (Graph)
- [[Alignment]], [[AI Governance]], [[Safety & Reliability]], Generative-AI-Safety, [[Ethics & AI]]
+- [[Alignment|Alignment]], [[AI Governance|AI Governance]], [[Safety & Reliability|Safety & Reliability]], Generative-AI-Safety, [[Ethics & AI|Ethics & AI]]
 - **Modern Tech/Tools**: RLHF (Reinforcement Learning from Human Feedback), Jailbreak testing, Model evaluation suites.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, ai-narrative, storytelling, generative-ai, interactive-m
 last_reinforced: 2026-04-20
 ---

-# [[AI and Narrative]]
+# [[AI and Narrative|AI and Narrative]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기계와 엮어가는 이야기: 인간 고유의 영역이었던 서사 구조를 AI가 학습하여 새로운 플롯을 제안하거나, 사용자와 실시간으로 상호작용하며 매번 다른 이야기를 창조하는 무한한 스토리텔링의 가능성."
@@ -29,6 +29,6 @@ AI와 서사(AI and Narrative)는 인공지능 기술이 문학, 영화, 게임
 - **정책 변화(RL Update)**: AI가 쓴 글에 대한 저작권 인정 여부 정책이 국가마다 다르게 수립 중이며, '인간 작가의 전문성' 지위를 보호하기 위해 AI 생성물 표기 의무화 정책이 창작 생태계의 기본 수칙으로 정착됨.

 ## 🔗 지식 연결 (Graph)
- [[Role of Conflict in Narrative]], [[Structuralism]], [[Aesthetic-Value]], Foundational Models, [[Ps-Reinforce]]
+- [[Role of Conflict in Narrative|Role of Conflict in Narrative]], [[Structuralism|Structuralism]], [[Aesthetic-Value|Aesthetic-Value]], Foundational Models, [[Ps-Reinforce|Ps-Reinforce]]
 - **Modern Tech/Tools**: AI Dungeon, NovelAI, Sudowrite, ChatGPT for screenwriting.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, ai4good, social-impact, sustainability, humanitarian-ai,
 last_reinforced: 2026-04-20
 ---

-# [[AI for Social Good]]
+# [[AI for Social Good|AI for Social Good]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "선한 영향력의 지능적 확장: 기술적 우위를 단순히 수익 창출에만 쓰지 않고, 기후 변화, 질병 퇴치, 교육 격차 해소 등 인류가 직면한 거대 난제를 해결하는 데 집중하는 따뜻한 AI."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 공익용 AI 개발 시 데이터 가용성의 한계를 극복하기 위해, 각국 정부가 공공 데이터를 'AI4SG 전용'으로 개방하고 연구 자금을 지원하는 '디지털 임팩트 펀드 정책'이 글로벌 트렌드가 됨.

 ## 🔗 지식 연결 (Graph)
- [[Wicked-Problems]], [[AI & Data Sovereignty]], [[Universal Basic Income (UBI)]], Foundational Models, [[Scientific Communication]]
+- [[Wicked-Problems|Wicked-Problems]], [[AI & Data Sovereignty|AI & Data Sovereignty]], [[Universal Basic Income (UBI)|Universal Basic Income (UBI)]], Foundational Models, [[Scientific Communication|Scientific Communication]]
 - **Modern Tech/Tools**: Google AI for Social Good program, Microsoft AI for Earth, UN Global Pulse.
 ---
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 정책이 너무 경직되면 조직의 혁신 속도가 죽는다. 따라서 '무조건 금지'가 아니라, 승인된 도구 내에서 안전하게 실험할 수 있는 '샌드박스 정책'과 주기적인 'AI 리터러시 교육'이 병행되어야 한다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Security-Governance]] , AI-Ethics
- Authority: [[Deployment_Final_Gate]]
+- Related: [[Security-Governance|Security-Governance]] , AI-Ethics
+- Authority: [[Deployment_Final_Gate|Deployment_Final_Gate]]
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Continuous Worker - AI 생성 코드 검증(AI Code Assurance)"
 ---

-# [[AI 생성 코드 검증(AI Code Assurance)]]
+# [[AI 생성 코드 검증(AI Code Assurance)|AI 생성 코드 검증(AI Code Assurance)]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > AI Code Assurance(AI 생성 코드 검증)는 AI가 생성하거나 지원한 코드로 인해 발생할 수 있는 고유한 품질 및 보안 위험을 해결하기 위해 설계된 워크플로우이자 검증 프로세스입니다 [1]. 이를 통해 조직은 AI가 작성한 코드가 프로덕션 환경에 배포되기 전에 엄격한 보안, 신뢰성 및 품질 표준을 충족하는지 확인할 수 있습니다 [1, 2]. 주로 정적 애플리케이션 보안 테스트(SAST)와 자동화된 코드 리뷰를 활용하여 결함과 취약점을 조기에 식별하고 일관된 표준을 강제합니다 [2, 3].
@@ -29,7 +29,7 @@ github_commit: "[P-Reinforce] Continuous Worker - AI 생성 코드 검증(AI Cod
 - **정책 변화:** AI 분야의 자동 자산화 수행.

 ## 🔗 지식 연결 (Graph)
- **Related Topics:** [[Static Application Security Testing (SAST)]], [[Model Context Protocol (MCP)]], Automated Code Review
+- **Related Topics:** [[Static Application Security Testing (SAST)|Static Application Security Testing (SAST)]], [[Model Context Protocol (MCP)|Model Context Protocol (MCP)]], Automated Code Review
 - **Projects/Contexts:** SonarQube Server, SonarQube Cloud
 - **Contradictions/Notes:** 소스에 따르면 AI 어시스턴트가 생성하는 코드는 본질적으로 일관성이 없고 예측하기 어려울 수 있지만, 이에 적용되는 정적 코드 분석 기술은 '결정론적(deterministic)'이므로 AI 코드의 불확실성을 극복하고 신뢰할 수 있는 독립적인 검증을 제공할 수 있다고 강조합니다 [4].

@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20

 ## 🔗 지식 연결 (Graph)
 - Related: Multi-Agent-System-(다중-에이전트-시스템) , Agent-Communication-Protocol-(에이전트-통신-규약)
- Deployment: [[Deployment_Final_Gate]]
+- Deployment: [[Deployment_Final_Gate|Deployment_Final_Gate]]
@@ -1,4 +1,4 @@
-# [[AI 이미지 생성 워크플로우 (AI Image Generation Workflow)]]
+# [[AI 이미지 생성 워크플로우 (AI Image Generation Workflow)|AI 이미지 생성 워크플로우 (AI Image Generation Workflow)]]

 ## 📌 Brief Summary
 AI 이미지 생성 워크플로우는 창작자가 텍스트 프롬프트를 입력하여 초기 이미지를 생성한 후, 반복적인 수정과 세부 조정을 통해 최종 결과물을 완성하는 일련의 과정이다 [1-3]. 이 과정은 명확한 피사체(Subject), 스타일, 조명 등의 뼈대를 잡는 단순한 프롬프트로 시작하여, 결과물을 평가한 뒤 점진적으로 부정 프롬프트(Negative Prompt)와 세부 매개변수를 추가하며 발전시킨다 [4-6]. 최근에는 단일 이미지 생성을 넘어 시안(Draft)을 빠르게 대량 생산하고 최적의 구도를 선택하거나, 일관된 스타일 참조 기능을 활용하는 등 전문가 수준의 파이프라인으로 진화하고 있다 [7, 8].
@@ -17,8 +17,8 @@ AI 이미지 생성 워크플로우는 창작자가 텍스트 프롬프트를
    성공적인 워크플로우를 위한 프롬프트는 논리적인 계층 구조를 가진다. 일반적으로 주체(Subject), 맥락/환경(Context/Environment), 스타일/매체(Style/Medium), 기술적 세부사항(Technical Details: 구도 및 조명)의 순서나 결합으로 구성하여 AI가 우선순위를 쉽게 파악할 수 있도록 돕는다 [5, 33, 34].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[프롬프트 엔지니어링 (Prompt Engineering)]], [[부정 프롬프트 (Negative Prompt)]], [[인페인팅 및 아웃페인팅 (Inpainting and Outpainting)]], [[프롬프트 가중치 (Prompt Weights)]]
- **Projects/Contexts:** [[미드저니 V7 드래프트 모드 (Midjourney V7 Draft Mode)]], [[DALL-E 3와 ChatGPT 통합 워크플로우]]
+- **Related Topics:** [[프롬프트 엔지니어링 (Prompt Engineering)|프롬프트 엔지니어링 (Prompt Engineering)]], [[부정 프롬프트 (Negative Prompt)|부정 프롬프트 (Negative Prompt)]], [[인페인팅 및 아웃페인팅 (Inpainting and Outpainting)|인페인팅 및 아웃페인팅 (Inpainting and Outpainting)]], [[프롬프트 가중치 (Prompt Weights)|프롬프트 가중치 (Prompt Weights)]]
+- **Projects/Contexts:** 미드저니 V7 드래프트 모드 (Midjourney V7 Draft Mode), DALL-E 3와 ChatGPT 통합 워크플로우
 - **Contradictions/Notes:** 부정 프롬프트 사용과 관련하여, Stable Diffusion에서는 원치 않는 요소를 배제하고 이미지 품질을 높이기 위한 필수적이고 강력한 도구로 활용되지만 [21, 24, 35], DALL-E 3 모델은 "No", "Without"과 같은 부정 지시어를 잘 처리하지 못하고 오히려 해당 요소를 생성해버리는 경향이 있어 긍정형 문장 위주로 프롬프트를 구성해야 한다는 기술적 차이점이 있다 [16, 36, 37].

 ---
@@ -1,4 +1,4 @@
-# [[AI 이미지 품질 최적화 및 디버깅 (Image Quality Optimization & Debugging)]]
+# [[AI 이미지 품질 최적화 및 디버깅 (Image Quality Optimization & Debugging)|AI 이미지 품질 최적화 및 디버깅 (Image Quality Optimization & Debugging)]]

 ## 📌 Brief Summary
 AI 이미지 생성에서 품질 최적화 및 디버깅은 프롬프트 매개변수, 가중치 조절, 그리고 후보정 편집 기능을 활용하여 시각적 결과물의 완성도를 높이고 예기치 않은 오류를 수정하는 과정입니다. 고해상도 관련 키워드나 네거티브 프롬프트를 전략적으로 사용하여 원치 않는 시각적 결함을 사전에 차단합니다. 또한, 단 번에 완벽한 결과를 기대하기보다는 인페인팅(Inpainting)이나 드래프트 모드(Draft Mode) 등을 통해 문제 영역을 식별하고 점진적으로 개선해 나가는 반복적인 작업이 필수적입니다.
@@ -20,8 +20,8 @@ AI 이미지 생성에서 품질 최적화 및 디버깅은 프롬프트 매개
  DALL-E 3의 경우 창의적 한계를 넘는 지나치게 복잡한 지시를 내리면 모델이 이를 해결하지 못하고 이미지 내부에 무의미한 텍스트를 삽입해버리는 버그가 있습니다 [20, 21]. 이때는 프롬프트를 수정하거나 "For unlettered viewers only"라는 문구를 넣어 텍스트 삽입을 억제할 수 있습니다 [20, 21]. 또한 DALL-E 3에서 극사실주의 이미지를 얻기 위해 "photorealistic"이라는 단어를 사용하면 역설적으로 회화풍의 브러시 효과가 나타날 수 있으므로, "photo style"이라는 용어를 사용하는 것이 바람직합니다 [22, 23]. Midjourney V7 환경에서는 저비용, 고속으로 이미지를 테스트해볼 수 있는 `--draft` 모드를 활용해 구도와 프롬프트를 빠르게 최적화할 수 있습니다 [24-26].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[네거티브 프롬프트 (Negative Prompt)]], [[반복적 정교화 (Iterative Refinement)]], [[인페인팅 (Inpainting)]], [[가중치 제어 (Prompt Weighting)]]
- **Projects/Contexts:** [[Midjourney Vary Region 기능]], [[Stable Diffusion Syntax Troubleshooting]], [[DALL-E 3 Text Insertion Bug]]
+- **Related Topics:** [[네거티브 프롬프트 (Negative Prompt)|네거티브 프롬프트 (Negative Prompt)]], [[반복적 정교화 (Iterative Refinement)|반복적 정교화 (Iterative Refinement)]], [[인페인팅 (Inpainting)|인페인팅 (Inpainting)]], 가중치 제어 (Prompt Weighting)
+- **Projects/Contexts:** Midjourney Vary Region 기능, Stable Diffusion Syntax Troubleshooting, DALL-E 3 Text Insertion Bug
 - **Contradictions/Notes:** 네거티브 프롬프트를 사용할 때 포괄적이고 긴 실패 목록을 복사해 붙여넣는 것보다, 출력물을 확인한 뒤 눈에 띄는 구체적인 결함(예: "text, signature, watermark")만 적은 수로 타겟팅하는 것이 이미지의 구조적 붕괴나 스타일 손실을 막는 데 훨씬 효과적입니다 [5, 27, 28].

 ---
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Continuous Worker - AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)"
 ---

-# [[AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)]]
+# [[AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)|AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)은 소프트웨어 개발 수명 주기(SDLC)의 초기 단계에 AI 기반의 자동화된 정적 분석(SAST)과 인간의 수동 리뷰를 결합하여 코드의 품질과 보안을 선제적으로 확보하는 프로세스입니다 [1, 2]. 개발자는 IDE 내부나 CI/CD 파이프라인의 Pull Request(PR) 단계에서 실시간으로 버그, 로직 결함, 보안 취약점(예: 인젝션, 민감 정보 노출)을 식별하고 수정할 수 있습니다 [3-6]. 결과적으로 기계적이고 반복적인 코드 스타일 검사 및 패턴 기반 취약점 탐지는 AI에 위임하고, 인간은 아키텍처 결정이나 도메인 종속적인 비즈니스 로직을 검토하는 '하이브리드' 방식을 통해 개발 속도와 보안성의 균형을 맞춥니다 [2, 7, 8].
@@ -30,7 +30,7 @@ github_commit: "[P-Reinforce] Continuous Worker - AI 코드 리뷰 및 보안
 - **정책 변화:** AI 분야의 자동 자산화 수행.

 ## 🔗 지식 연결 (Graph)
- **Related Topics:** [[정적 애플리케이션 보안 테스트(SAST)]], [[시프트 레프트(Shift-Left)]], [[하이브리드 코드 리뷰]]
+- **Related Topics:** [[정적 애플리케이션 보안 테스트(SAST)|정적 애플리케이션 보안 테스트(SAST)]], [[시프트 레프트(Shift-Left)|시프트 레프트(Shift-Left)]], [[하이브리드 코드 리뷰|하이브리드 코드 리뷰]]
 - **Projects/Contexts:** CI/CD 파이프라인 통합 및 Git 훅(Hooks)
 - **Contradictions/Notes:** 자동화 도구를 적극적으로 옹호하는 입장에서는 AI 기반 코드 리뷰와 수정안 자동 생성 기능이 개발자의 업무를 크게 대체하고 생산성을 극대화한다고 주장하지만, 보안 전문가 및 실제 성능 벤치마크 결과(Augment Code 등)에 따르면 자동화 도구는 여전히 30~60%의 오탐률을 보이며 실제 취약점의 약 22%를 놓치는 근본적 사각지대가 존재하므로, 아키텍처 설계와 비즈니스 로직에는 기계가 아닌 인간의 수동 판단이 필수 불가결하다고 반박합니다.

@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Continuous Worker - AI 코드 리뷰"
 ---

-# [[AI 코드 리뷰]]
+# [[AI 코드 리뷰|AI 코드 리뷰]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > AI 코드 리뷰는 인공지능 에이전트나 머신러닝(ML) 기반의 정적 분석 도구(SAST)를 활용하여 소스 코드의 결함, 보안 취약점, 스타일 위반 및 로직 오류를 식별하는 자동화 프로세스입니다 [1-3]. IDE, CI/CD 파이프라인, 풀 리퀘스트(PR) 등 개발 워크플로우에 통합되어 개발자에게 실시간에 가까운 피드백과 자동 수정(Auto-fix) 제안을 제공합니다 [2, 4-8]. 이를 통해 코드 리뷰의 대기 시간을 줄이고 일관된 품질 표준을 강제할 수 있지만, 아키텍처 의도나 비즈니스 로직의 문맥을 깊이 이해하는 데는 한계가 있어 인간 검토자와의 하이브리드 접근 방식이 필수적으로 요구됩니다 [5, 9-12].
@@ -23,8 +23,8 @@ github_commit: "[P-Reinforce] Continuous Worker - AI 코드 리뷰"
 - **정책 변화:** AI 분야의 자동 자산화 수행.

 ## 🔗 지식 연결 (Graph)
- **Related Topics:** [[SAST]], 풀 리퀘스트(Pull Request), [[DevSecOps]]
- **Projects/Contexts:** [[SonarQube]], Snyk Code, GitHub Advanced Security, [[Corgea]]
+- **Related Topics:** [[SAST|SAST]], 풀 리퀘스트(Pull Request), [[DevSecOps|DevSecOps]]
+- **Projects/Contexts:** [[SonarQube|SonarQube]], Snyk Code, GitHub Advanced Security, [[Corgea|Corgea]]
 - **Contradictions/Notes:** AI 코드 리뷰 도구의 도입만으로는 배포 성능이나 품질이 보장되지 않는다는 점에 유의해야 합니다. 맹목적인 도구 도입과 높은 AI 사용률에도 불구하고 실제 PR 처리 시간이나 재작업 비율은 개선되지 않을 수 있으므로, 결과(DORA 지표 등)에 기반한 관리가 중요합니다 [35-37]. 또한 일부 AI 네이티브 도구들은 오탐률을 혁신적으로 줄였다고 주장하지만(예: Corgea 5% 미만, Veracode 1.1% 미만), 근본적으로 어떠한 도구도 오탐을 완벽히 제거할 수는 없으므로 인간의 검토와 검증 과정이 반드시 수반되어야 합니다 [38-40].

 ---
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 에이전트의 스킬 설계 시 '인간 중심적 가치'를 최우선 순위로 두며, 정기적인 Alignment Audit(정렬 감사)을 통해 에이전트의 거동을 점검함.

 ## 🔗 지식 연결 (Graph)
- [[Reinforcement-Learning-from-Human-Feedback-RLHF]], [[Trustworthy-AI]], AI-Safety, [[AGI]]
+- [[Reinforcement-Learning-from-Human-Feedback-RLHF|Reinforcement-Learning-from-Human-Feedback-RLHF]], [[Trustworthy-AI|Trustworthy-AI]], AI-Safety, [[AGI|AGI]]
 - **Raw Source:** 10_Wiki/Topics/AI/AI-Alignment.md
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Batch 10 - Wikified AI-Driven Narrative Systems"
 ---

-# [[AI-Driven Narrative Systems]]
+# [[AI-Driven Narrative Systems|AI-Driven Narrative Systems]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 핵심 내용 요약 예정
@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 공용 지식 데이터 배포 시 SGE 크롤러가 자바스크립트 실행 없이 읽을 수 있도록 사전 렌더링(Pre-rendering)을 강제하며, AI가 선호하는 Q&A 블록을 본문에 반드시 포함하는 정책을 시행함.

 ## 🔗 지식 연결 (Graph)
- [[AI-Answer-Engine-Optimization]], Generative-Engine-Optimization, [[Core-Web-Vitals]], Semantic-HTML, Structured-Data-Markup
+- [[AI-Answer-Engine-Optimization|AI-Answer-Engine-Optimization]], Generative-Engine-Optimization, [[Core-Web-Vitals|Core-Web-Vitals]], Semantic-HTML, Structured-Data-Markup
 - **Raw Source:** 00_Raw/AI Overviews (SGE).md, 00_Raw/AI Overviews Visibility.md, 00_Raw/AI Overviews.md
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 '개인화와 프라이버시의 균형' 정책을 준수하며, 모든 개인화 데이터 수집 시 사용자에게 투명하게 고지하고 스스로 최적화 수준을 결정할 수 있는 옵션을 제공함.

 ## 🔗 지식 연결 (Graph)
- User-Centered-Design, [[A-B-Testing-and-Data-Driven-UX]], Predictive-UX, [[Micro-interactions]], [[Ethical-Decision-Making]]
+- User-Centered-Design, [[A-B-Testing-and-Data-Driven-UX|A-B-Testing-and-Data-Driven-UX]], Predictive-UX, [[Micro-interactions|Micro-interactions]], [[Ethical-Decision-Making|Ethical-Decision-Making]]
 - **Raw Source:** 00_Raw/AI 개인화 및 적응형 UX.md, 00_Raw/Adaptive UX.md
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 지식 자산에 대해 'Agent-First Access' 정책을 적용하며, AI 크롤러가 정보를 수집할 때 연산 자원을 최소화할 수 있도록 경량화된 시맨틱 마크업을 제공함.

 ## 🔗 지식 연결 (Graph)
- [[AI-Answer-Engine-Optimization]], Generative-Engine-Optimization, [[Knowledge-Graph-Foundations]], [[Semantic-Search-with-AI]], [[Ontology-Engineering]], [[AI-Overviews-and-SGE]]
+- [[AI-Answer-Engine-Optimization|AI-Answer-Engine-Optimization]], Generative-Engine-Optimization, [[Knowledge-Graph-Foundations|Knowledge-Graph-Foundations]], [[Semantic-Search-with-AI|Semantic-Search-with-AI]], [[Ontology-Engineering|Ontology-Engineering]], [[AI-Overviews-and-SGE|AI-Overviews-and-SGE]]
 - **Raw Source:** 00_Raw/AI Search Optimization.md, 00_Raw/Generative Engine Optimization.md
@@ -34,8 +34,8 @@ github_commit: "[P-Reinforce] Continuous Worker - AI와 기계에게 검열 맡
 - **정책 변화:** AI 분야의 자동 자산화 수행.

 ## 🔗 지식 연결 (Graph)
- **Related Topics:** [[SAST (정적 애플리케이션 보안 테스트)]], [[AST (추상 구문 트리)]], Husky & lint-staged
- **Projects/Contexts:** [[Git Pre-commit 훅을 활용한 개발 워크플로우 자동화]], [[AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)]]
+- **Related Topics:** [[SAST (정적 애플리케이션 보안 테스트)|SAST (정적 애플리케이션 보안 테스트)]], [[AST (추상 구문 트리)|AST (추상 구문 트리)]], Husky & lint-staged
+- **Projects/Contexts:** [[Git Pre-commit 훅을 활용한 개발 워크플로우 자동화|Git Pre-commit 훅을 활용한 개발 워크플로우 자동화]], [[AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)|AI 코드 리뷰 및 보안 취약점 점검(DevSecOps)]]
 - **Contradictions/Notes:** 소스는 기계 주도의 검열이 개발 생산성과 코드 품질을 높인다고 긍정적으로 평가하면서도, 동시에 AI 모델이 실제 취약점의 일부를 놓치고 개발자의 비판적 사고를 약화시켜 표면적 문제 해결에 집착하는 '녹색 체크마크 증후군'을 초래할 수 있다는 역설적 한계를 분명히 지적합니다 [23, 24, 26].

 ---
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Continuous Worker - API 응답 모델링 및 상태 머신(State Machine) 설계"
 ---

-# [[API 응답 모델링 및 상태 머신(State Machine) 설계]]
+# [[API 응답 모델링 및 상태 머신(State Machine) 설계|API 응답 모델링 및 상태 머신(State Machine) 설계]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > TypeScript에서 API 응답과 상태 머신을 설계할 때는 식별 가능한 유니온(Discriminated Unions) 패턴이 핵심적으로 활용된다 [1, 2]. 이 패턴은 공통 판별자(Discriminant) 속성을 통해 데이터의 다양한 상태를 구분하며, 유효하지 않은 상태가 코드에 표현되는 것을 원천적으로 차단한다 [1, 3, 4]. 결과적으로 네트워크 요청의 다양한 결과나 복잡한 UI 상태 전이를 컴파일 단계에서 안전하게 모델링하고 관리할 수 있도록 보장한다 [2, 5, 6].
@@ -30,7 +30,7 @@ github_commit: "[P-Reinforce] Continuous Worker - API 응답 모델링 및 상
 - **정책 변화:** AI 분야의 자동 자산화 수행.

 ## 🔗 지식 연결 (Graph)
- **Related Topics:** 식별 가능한 유니온(Discriminated Unions), [[완전성 검사(Exhaustiveness Checking)]], [[타입 좁히기(Type Narrowing)]]
+- **Related Topics:** 식별 가능한 유니온(Discriminated Unions), [[완전성 검사(Exhaustiveness Checking)|완전성 검사(Exhaustiveness Checking)]], [[타입 좁히기(Type Narrowing)|타입 좁히기(Type Narrowing)]]
 - **Projects/Contexts:** 비동기 데이터 패칭(Async Data Fetching), 상태 머신 기반 UI 폼 및 라우터 관리
 - **Contradictions/Notes:** API 응답 데이터를 변환할 때 타입 캐스팅(`as`)을 사용하면 잉여 속성이 존재하거나 형태가 잘못되어도 컴파일러가 이를 조용히 허용하여 안전성이 떨어질 수 있다. 따라서 엄격한 타입 계약을 강제하기 위해서는 `as` 대신 `satisfies` 키워드를 활용하는 것이 권장된다 [14, 15].

@@ -25,5 +25,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 모든 에이전트 간 통신에 gRPC 스트리밍을 우선 사용하며, 외부 웹 인터페이스 제공 시에는 SSE 표준을 준수하여 사용자 경험을 최적화함.

 ## 🔗 지식 연결 (Graph)
- System-Design-for-AI-Scale, [[LLM]], Streaming-Data-Processing, Microservices
+- System-Design-for-AI-Scale, [[LLM|LLM]], Streaming-Data-Processing, Microservices
 - **Raw Source:** 10_Wiki/Topics/AI/API-Design for AI Services.md
@@ -6,7 +6,7 @@ tags: [auto-reinforced, api-key-management, security, devops, secrets-management
 last_reinforced: 2026-04-20
 ---

-# [[API-Key-Management]]
+# [[API-Key-Management|API-Key-Management]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지능의 열쇠를 지키는 법: 외부 서비스를 이용하기 위한 디지털 신분증인 API Key를 안전하게 보관하고, 유출 시 즉시 폐기하며, 권한을 최소화하여 관리하는 현대 개발의 가장 기초적인 보안 성벽."
@@ -26,6 +26,6 @@ API 키 관리(API-Key-Management)는 애플리케이션 프로그래밍 인터
 - **정책 변화(RL Update)**: AI 에이전트의 자율적 도구 활용 정책이 늘어남에 따라, 에이전트가 API 키를 직접 다루지 않고 안전하게 대리 요청(Proxy)하는 '에이전틱 키 거버넌스 정책'이 중요해짐.

 ## 🔗 지식 연결 (Graph)
- [[Workflow-Integrity]], [[Safety & Reliability]], [[Agent Architecture]], [[Tool-Usage-Optimization]], [[Technical-Architecture]]
+- [[Workflow-Integrity|Workflow-Integrity]], [[Safety & Reliability|Safety & Reliability]], [[Agent Architecture|Agent Architecture]], [[Tool-Usage-Optimization|Tool-Usage-Optimization]], [[Technical-Architecture|Technical-Architecture]]
 - **Modern Tech/Tools**: GitHub Secret Scanning, HashiCorp Vault, AWS Secrets Manager.
 ---
@@ -1,4 +1,4 @@
-# [[API-backed Image Generation Workflow]]
+# [[API-backed Image Generation Workflow|API-backed Image Generation Workflow]]

 ## 📌 Brief Summary
 API 기반 이미지 생성 워크플로우는 수동적인 이미지 창작을 프로그래밍 방식으로 제어 가능한 자동화 파이프라인으로 전환하는 프로세스를 의미합니다 [1, 2]. 이는 애플리케이션 내에서 생성 작업을 예약하고, 비동기 상태를 관리하며, 비용 효율적인 초안 모드(Draft Mode)를 거쳐 최종 이미지를 확정하는 일련의 과정을 포함합니다 [2-5]. 개발자와 기업은 이러한 API를 통해 고도의 프롬프트 엔지니어링 및 이미지/비디오 생성 기능을 외부 도구나 자체 서비스에 직접 통합할 수 있습니다 [6, 7].
@@ -10,8 +10,8 @@ API 기반 이미지 생성 워크플로우는 수동적인 이미지 창작을
 - **초안 모드(Draft Mode)를 활용한 비용 및 워크플로우 최적화:** 모든 프롬프트가 즉시 완성된 에셋을 도출해야 한다는 가정은 API 환경에서 비용을 높이고 비효율을 초래합니다 [4, 12]. 대신 처리 비용이 저렴한 초안 모드로 여러 구성의 시안을 생성한 뒤, 사용자가 유망한 방향을 선택하면 이를 고품질 결과물로 승격시키는(promote) 루프를 설계하는 것이 매우 중요합니다 [3, 4].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[비동기적 생성 상태 관리 (Async Generation State)]], [[프롬프트 데이터 모델링 (Prompt Data Modeling)]], [[초안 모드 (Draft Mode)]]
- **Projects/Contexts:** [[Midjourney V7 API Workflow]], [[Vertex AI Veo 3.1 API Integration]]
+- **Related Topics:** 비동기적 생성 상태 관리 (Async Generation State), 프롬프트 데이터 모델링 (Prompt Data Modeling), 초안 모드 (Draft Mode)
+- **Projects/Contexts:** Midjourney V7 API Workflow, Vertex AI Veo 3.1 API Integration
 - **Contradictions/Notes:** API 환경에서 프롬프트에 스타일 참조나 옴니 참조 기능을 적용하더라도 이미지 생성이 완벽하게 결정론적(deterministic)으로 이루어지는 것은 아니므로 프로덕션 팀은 이를 인지하고 워크플로우를 설계해야 합니다 [5]. 또한, 모델의 구성이 훌륭하다고 해서 텍스트 타이포그래피까지 정확하게 생성되는 것은 아니므로 정확한 텍스트가 필요한 경우 별도의 디자인 단계를 계획해야 합니다 [5].

 ---
@@ -5,7 +5,7 @@ tags: [API, Axios, Interceptor, Error Handling, Network]
 created: 2026-04-20
 ---

-# [[API_Communication_Patterns]] (API 통신 패턴)
+# [[API_Communication_Patterns|API_Communication_Patterns]] (API 통신 패턴)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 서버와의 대화는 항상 '정중하되 의심하며' 처리하라. 모든 요청은 중앙 통제소(Interceptor)를 거치고 모든 에러는 시나리오가 준비되어 있어야 한다.
@@ -22,5 +22,5 @@ created: 2026-04-20
 - 모든 통신에 Axios가 정답은 아니다. 브라우저 네이티브인 `fetch`로도 충분한 경우가 많으며, 라이브러리 의존성을 낮추는 것이 가벼운 앱을 만드는 첫걸음일 수 있다.

 ## 🔗 지식 연결 (Graph)
- Related: [[System_Protocol_Standard]] , [[React_State_Management_Strategy]]
- Foundation: [[Reliability_Safety_First]]
+- Related: [[System_Protocol_Standard|System_Protocol_Standard]] , [[React_State_Management_Strategy|React_State_Management_Strategy]]
+- Foundation: [[Reliability_Safety_First|Reliability_Safety_First]]
@@ -6,7 +6,7 @@ tags: [A/B Testing, Statistics, Experiment, Growth Hacking]
 last_reinforced: 2026-04-20
 ---

-# [[A_B-Testing-Platforms]] (A/B 테스트 및 실험 설계)
+# [[A_B-Testing-Platforms|A_B-Testing-Platforms]] (A/B 테스트 및 실험 설계)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "내 생각엔 이게 좋다"는 주관성을 버리고, "사용자는 실제로 이렇게 반응한다"를 통계적으로 증명하는 마케팅과 엔지니어링의 결합체다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 한 번에 너무 많은 변수를 바꾸는 것은 금물이다(Simpsons Paradox). 오직 하나의 변인만 통제하여 결과의 인과관계를 명확히 해야 한다. 또한 장기적 영향(Late Arrival Bias)을 고려하여 최소 일주일 이상의 실험 기간을 확보하라.

 ## 🔗 지식 연결 (Graph)
- Related: [[Behavioral-Economics]] , Nudge Theory
- Implementation: [[React_State_Management_Strategy]]
+- Related: [[Behavioral-Economics|Behavioral-Economics]] , Nudge Theory
+- Implementation: [[React_State_Management_Strategy|React_State_Management_Strategy]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, abundance, economics, technological-optimism, resource-m
 last_reinforced: 2026-04-20
 ---

-# [[Abundance]]
+# [[Abundance|Abundance]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "결핍의 종말, 선택의 시작: 기술 진보를 통해 에너지, 정보, 물자가 무한에 가깝게 저렴해지며, 인간이 '생존'을 위한 경쟁 대신 '의미'를 향한 창조에 집중할 수 있게 되는 상태."
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 환경 파괴 없는 풍요를 위해, 단순 소비 증대가 아닌 '지속 가능한 자원 순환'을 전제로 하는 '클린 풍요(Clean Abundance) 정책'이 글로벌 탄소 중립 정책과 결합되어 추진됨.

 ## 🔗 지식 연결 (Graph)
- Economics of Attention, [[Universal Basic Income (UBI)]], Foundational Models, [[Social Systems Theory]], [[Ultra-Efficiency]]
+- Economics of Attention, [[Universal Basic Income (UBI)|Universal Basic Income (UBI)]], Foundational Models, [[Social Systems Theory|Social Systems Theory]], [[Ultra-Efficiency|Ultra-Efficiency]]
 - **Modern Tech/Tools**: Solar energy harvesting, Precision agriculture AI, Open source repository (GitHub).
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, academic-integrity, ethics, research-conduct, plagiarism
 last_reinforced: 2026-04-20
 ---

-# [[Academic-Integrity]]
+# [[Academic-Integrity|Academic-Integrity]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지적 정직함의 보루: 타인의 생각을 훔치지 않고, 자신의 연구 과정을 투명하게 공개하며, 결과의 왜곡 없이 진실만을 추구하는 학문 공동체의 가장 기초적인 신뢰 자본."
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 단순히 AI 사용을 금지하는 폐쇄적 정책에서 벗어나, AI 사용 여부와 프롬프트 과정을 투명하게 공개하는 'AI 활용 공표 정책' 및 '인간-AI 공동 저작권 가이드라인' 수립 방향으로 진화 중임.

 ## 🔗 지식 연결 (Graph)
- [[Ethics & AI]], [[Scientific Communication]], [[Toxicity-and-Bias-Mitigation]], [[Sociology of Knowledge]], [[Workflow-Integrity]]
+- [[Ethics & AI|Ethics & AI]], [[Scientific Communication|Scientific Communication]], [[Toxicity-and-Bias-Mitigation|Toxicity-and-Bias-Mitigation]], [[Sociology of Knowledge|Sociology of Knowledge]], [[Workflow-Integrity|Workflow-Integrity]]
 - **Modern Tech/Tools**: Turnitin (Plagiarism detection), AI-generated text detectors, Citation managers (Zotero).
 ---
@@ -6,7 +6,7 @@ tags: [Accessibility, Compliance, Audit, AI, Web]
 last_reinforced: 2026-04-20
 ---

-# [[Accessibility-Compliance-Audit]] (접근성 준수 감사)
+# [[Accessibility-Compliance-Audit|Accessibility-Compliance-Audit]] (접근성 준수 감사)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "모두를 위한 웹은 기술이 아니라 권리다." 시각 장애인이나 고령자 등 모든 사용자가 웹 사이트의 정보를 평등하게 얻고 있는지 기술적으로 검증하는 프로세스다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 접근성 감사는 한 번의 '합격'으로 끝나지 않는다. 코드가 업데이트될 때마다 접근성 점수가 소리 없이 무너질 수 있으므로, CI/CD 파이프라인에 접근성 자동 검사를 통합하는 것이 핵심이다.

 ## 🔗 지식 연결 (Graph)
- Related: UI-UX-Foundations , [[Automated-Security-Audits]]
+- Related: UI-UX-Foundations , [[Automated-Security-Audits|Automated-Security-Audits]]
 - Standard: Web-Content-Accessibility-Guidelines-WCAG
@@ -5,7 +5,7 @@ tags: [Accessibility, a11y, Semantic HTML, Inclusivity]
 created: 2026-04-20
 ---

-# [[Accessibility_Inclusivity]] (포용적 설계와 접근성)
+# [[Accessibility_Inclusivity|Accessibility_Inclusivity]] (포용적 설계와 접근성)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 웹은 '모두'를 위한 공간이어야 한다. 신체적 제약이 시스템 이용의 제약이 되지 않게 하는 것은 '매너'가 아니라 전문 개발자의 '책임'이다.
@@ -22,5 +22,5 @@ created: 2026-04-20
 - 접근성을 챙기는 것은 단순히 윤리적인 문제를 넘어, **SEO(검색 노출)** 성적과 직결된다. 구글 검색 로봇은 눈이 없기에, 스크린 리더와 유사한 방식으로 우리 사이트를 평가하기 때문이다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Styling_Governance]] , [[React_Clean_Code_Best_Practices]]
- Ethic: [[Collaboration_Governance]]
+- Related: [[Styling_Governance|Styling_Governance]] , [[React_Clean_Code_Best_Practices|React_Clean_Code_Best_Practices]]
+- Ethic: [[Collaboration_Governance|Collaboration_Governance]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, active-learning, machine-learning, optimization, data-ef
 last_reinforced: 2026-04-20
 ---

-# [[Active Learning]]
+# [[Active Learning|Active Learning]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "똑똑하게 질문해서 배우기: 모든 데이터를 맹목적으로 학습하는 대신, 정답을 알았을 때 모델의 지능이 가장 크게 상승할 것 같은 '핵심 질문(데이터)'만 골라 인간에게 정답을 요청하는 고효율 학습 전략."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 인간과의 상호작용 피로도를 낮추기 위해, "꼭 필요한 질문만 던지는" 에이전트의 예절 및 효율성 알고리즘을 최적화하는 정책이 RAG 부문 및 도메인 특화 모델 개발의 표준이 됨.

 ## 🔗 지식 연결 (Graph)
- [[SFT (Supervised Fine-Tuning)]], [[RLHF (인간 피드백 기반 강화 학습)]], [[Resource-Management]], [[Decision Theory]], [[Scientific Communication]]
+- [[SFT (Supervised Fine-Tuning)|SFT (Supervised Fine-Tuning)]], [[RLHF (인간 피드백 기반 강화 학습)|RLHF (인간 피드백 기반 강화 학습)]], [[Resource-Management|Resource-Management]], [[Decision Theory|Decision Theory]], [[Scientific Communication|Scientific Communication]]
 - **Modern Tech/Tools**: Prodigy (Labeling tool), ModAL (Python framework for Active Learning).
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, active-reasoning, inference-optimization, chain-of-thoug
 last_reinforced: 2026-04-20
 ---

-# [[Active-Reasoning]]
+# [[Active-Reasoning|Active-Reasoning]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "생각의 주도권을 잡기: 주어진 질문에 답하는 수동적 추론을 넘어, 스스로 가설을 세우고, 정보를 보완하고, 중간 과정을 검증하며 최적의 논리 경로를 개척해 나가는 능동적 지적 행위."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 답변의 투명성 확보를 위해, AI가 '생각한 과정'을 숨기지 않고 사용자에게 구조화된 형태로 보여주도록 하는 '생각의 가시화 정책'이 고난도 비즈니스 솔루션의 필수 요건이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Zero-Shot-Chain-of-Thought]], [[Self-Correction Mechanisms]], [[Thought-Architecture]], [[Decision Theory]], Foundational Models
+- [[Zero-Shot-Chain-of-Thought|Zero-Shot-Chain-of-Thought]], Self-Correction Mechanisms, [[Thought-Architecture|Thought-Architecture]], [[Decision Theory|Decision Theory]], Foundational Models
 - **Modern Tech/Tools**: Chain-of-Thought (CoT) frameworks, Logic-integrated LLMs.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, activism, social-change, collective-action, digital-camp
 last_reinforced: 2026-04-20
 ---

-# [[Activism]]
+# [[Activism|Activism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "세상을 바꾸는 의도된 압력: 사회적, 정치적, 환경적 변화를 이끌어내기 위해 개인이 집단으로 뭉쳐 불의에 저항하거나 새로운 가치를 확산시키는 강력한 실천주의."
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 딥페이크나 허위 정보(Disinformation)를 활용한 '가짜 액티비즘'이 사회 안보를 위협함에 따라, 행동의 진위 여부를 확인하고 출처를 명시하는 '디지털 시민성 정책'이 정보 정책의 핵심으로 부상함.

 ## 🔗 지식 연결 (Graph)
- [[Social Systems Theory]], [[Victimhood-Narratives]], [[Strategic-Planning]], [[Viral-Dynamics-and-Network-Effects]], [[Ethics & AI]]
+- [[Social Systems Theory|Social Systems Theory]], [[Victimhood-Narratives|Victimhood-Narratives]], [[Strategic-Planning|Strategic-Planning]], [[Viral-Dynamics-and-Network-Effects|Viral-Dynamics-and-Network-Effects]], [[Ethics & AI|Ethics & AI]]
 - **Modern Tech/Tools**: Secure messaging (Signal), Crowdfunding platforms, Social media monitoring.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, reinforcement-learning, actor-critic, deep-learning, mac
 last_reinforced: 2026-04-20
 ---

-# [[Actor-Critic-Models]]
+# [[Actor-Critic-Models|Actor-Critic-Models]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "배우와 비평가의 이인삼조: 직접 행동하며 점수를 따는 '배우(Actor)'와, 그 행동의 가치를 냉정하게 평가하여 배우의 실력을 키워주는 '비평가(Critic)'가 결합된 가장 강력한 강화학습 구조."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 언어 모델의 RLHF 과정에서, 보상 모델(RM)이 비평가 역할을 수용하여 모델의 답변 품질을 정밀하게 교정하는 '언어 지능용 액터-크리틱 정책'이 생성 AI 품질의 핵심 지표로 자리 잡음.

 ## 🔗 지식 연결 (Graph)
- [[Reinforcement Learning (RL)]], [[RLHF (인간 피드백 기반 강화 학습)]], [[Reward Prediction Error]], [[Decision Theory]], [[Robotics]]
+- [[Reinforcement Learning (RL)|Reinforcement Learning (RL)]], [[RLHF (인간 피드백 기반 강화 학습)|RLHF (인간 피드백 기반 강화 학습)]], [[Reward Prediction Error|Reward Prediction Error]], [[Decision Theory|Decision Theory]], [[Robotics|Robotics]]
 - **Modern Tech/Tools**: PPO (Proximal Policy Optimization), Soft Actor-Critic (SAC), Stable Baselines3.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, philosophy-of-science, logic, ad-hoc, hypotheses, critic
 last_reinforced: 2026-04-20
 ---

-# [[Ad-hoc-Hypotheses]]
+# [[Ad-hoc-Hypotheses|Ad-hoc-Hypotheses]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이론을 지키기 위한 억지 땜질: 자신의 이론이 틀렸음이 밝혀지는 순간, 이론을 폐기하는 대신 오직 그 예외 상황만을 모면하기 위해 덧붙이는 비논리적이고 자기 방어적인 가설."
@@ -28,6 +28,6 @@ Ad-hoc 가설(임시방편적 가설)은 과학철학에서 이론이 예측에
 - **정책 변화(RL Update)**: 과학적 발견 정책에서, Ad-hoc 가설의 범람을 막기 위해 연구 전 실험 계획을 미리 등록하는 'Preregistration' 정책이 학문적 무결성 확보의 핵심 가이드라인으로 채택됨.

 ## 🔗 지식 연결 (Graph)
- Philosophy of Science, Occam's Razor, [[Wicked-Problems]], Cognitive-Bias, [[Academic-Integrity]]
+- Philosophy of Science, Occam's Razor, [[Wicked-Problems|Wicked-Problems]], Cognitive-Bias, [[Academic-Integrity|Academic-Integrity]]
 - **Modern Tech/Tools**: Critical thinking protocols, Peer review systems.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, optimization, ad-hoc, process-efficiency, project-manage
 last_reinforced: 2026-04-20
 ---

-# [[Ad-hoc-Optimization]]
+# [[Ad-hoc-Optimization|Ad-hoc-Optimization]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "눈앞의 불만 끄기: 시스템 전체의 효율이나 장기적인 구조는 무시한 채, 지금 당장 문제가 되는 부분만 임시방편으로 빠르게 다듬어 '작동하는 것처럼' 보이게 만드는 조급한 최적화."
@@ -29,6 +29,6 @@ Ad-hoc 최적화(임시적 최적화)는 전체적인 설계 원칙(Standardizat
 - **정책 변화(RL Update)**: 인프라 운영 정책에서, 수동으로 Ad-hoc 설정을 변경하는 대신 모든 변화를 코드로 관리하는 'IaC (Infrastructure as Code) 정책'을 도입하여 임시방편적 개입을 원천 차단하는 방향으로 진화함.

 ## 🔗 지식 연결 (Graph)
- [[Standardization vs Innovation]], [[Workflow-Integrity]], [[Theory of Constraints (TOC)]], [[Software-Design-Principles]], [[Operations-Research]]
+- [[Standardization vs Innovation|Standardization vs Innovation]], [[Workflow-Integrity|Workflow-Integrity]], [[Theory of Constraints (TOC)|Theory of Constraints (TOC)]], [[Software-Design-Principles|Software-Design-Principles]], [[Operations-Research|Operations-Research]]
 - **Modern Tech/Tools**: Refactoring tools, Static code analysis, CI/CD automated testing.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, adaptability, resilience, survival-strategy, complex-ada
 last_reinforced: 2026-04-20
 ---

-# [[Adaptability]]
+# [[Adaptability|Adaptability]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "바뀌는 바람에 돛을 맞추는 기술: 과거의 성공 방정식이 더 이상 통하지 않는 순간, 자신의 형태와 전략을 유연하게 수정하여 새로운 환경에서도 가치를 창출해내는 생명의 본능이자 시스템의 핵심 지능."
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 국가 복지 및 교육 정책에서, 한 번의 전공이 평생 직업을 보장하지 못함을 인지하고 생애 주기별로 끊임없이 직업을 전환할 수 있도록 돕는 '유연 안전성(Flexicurity) 정책'이 전 지구 표준으로 확산 중임.

 ## 🔗 지식 연결 (Graph)
- [[Stability vs Flexibility]], [[Robustness]], [[Active Learning]], [[Transfer Learning]], Complex Adaptive Systems, [[Ps-Reinforce]]
+- [[Stability vs Flexibility|Stability vs Flexibility]], [[Robustness|Robustness]], [[Active Learning|Active Learning]], [[Transfer Learning|Transfer Learning]], Complex Adaptive Systems, [[Ps-Reinforce|Ps-Reinforce]]
 - **Modern Tech/Tools**: Agile methodology, Resilience engineering, Life-long learning platforms.
 ---
@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AI-ADAPTIVE-COMPUTE
+id: [[P-Reinforce|P-Reinforce]]-AI-ADAPTIVE-COMPUTE
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.97
-tags: [AI, [[Efficiency]], AdaptiveCompute, Inference]
+tags: [AI, [[Efficiency|Efficiency]], AdaptiveCompute, Inference]
 last_reinforced: 2026-04-20
 ---

-# [[Adaptive Compute (적응형 계산량 조절)]]
+# [[Adaptive Compute (적응형 계산량 조절)|Adaptive Compute (적응형 계산량 조절)]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "쉬운 문제는 대충, 어려운 문제는 신중하게." 모든 입력에 동일한 계산 자원을 낭비하지 않고, 과제 난이도에 따라 모델이 사용하는 연산량(층의 깊이, 활성 뉴런 수 등)을 유동적으로 조절하는 지능적 자원 배분 기술이다.
@@ -14,12 +14,12 @@ last_reinforced: 2026-04-20
 ## 📖 구조화된 지식 (Synthesized Content)
 - **Early Exit**: 모델의 중간 층에서 이미 결과가 확실하다면 최종 층까지 가지 않고 바로 결과를 출력하여 시간과 에너지를 아낌.
 - **MoE (Mixture of Experts)**: 거대 모델의 일부(전공 교수)만 활성화하여 특정 분야의 질문에만 자원을 집중함.
- **Dynamic Token [[Processing]]**: 문맥상 중요하지 않은 단어(조사 등)는 낮은 정밀도로 처리하고, 핵심적인 단어에 연산력을 몰아줌.
+- **Dynamic Token [[Processing|Processing]]**: 문맥상 중요하지 않은 단어(조사 등)는 낮은 정밀도로 처리하고, 핵심적인 단어에 연산력을 몰아줌.
 - **Inference Efficiency**: 동일한 정확도를 유지하면서 서빙 비용(GPU 소모)을 획기적으로 낮추는 핵심 열쇠다.

 ## ⚠️ 모순 및 업데이트 (RL Update)
 - 계산량을 줄이는 과정에서 모델의 '설명 가능성'이 파편화될 위험이 있다. 또한 어떤 문제가 '쉬운 문제'인지 판단하는 과정 자체가 또 다른 계산 오버헤드가 될 수 있으므로, 판단 로직을 극도로 가볍게 설계하는 것이 쟁점이다. 최근에는 OpenAI o1처럼 추론 시간을 의도적으로 늘려 성능을 극대화하는 '역방향' 적응형 계산 연구도 부상하고 있다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Model-Compression]] , Mixture of Experts (MoE)
- Modern Pattern: [[Test-Time Compute Scaling (추론 시간 계산 스케일링)]]
+- Related: [[Model-Compression|Model-Compression]] , Mixture of Experts (MoE)
+- Modern Pattern: [[Test-Time Compute Scaling (추론 시간 계산 스케일링)|Test-Time Compute Scaling (추론 시간 계산 스케일링)]]
@@ -1,4 +1,4 @@
-# [[Adaptive Context Compaction (적응형 컨텍스트 압축)]]
+# Adaptive Context Compaction (적응형 컨텍스트 압축)

 ## 📌 Brief Summary
 Adaptive Context Compaction은 에이전트의 현재 작업 상태, 토큰 소모량, 그리고 모델의 성능 유지 능력을 실시간으로 평가하여, 컨텍스트 윈도우 내의 정보를 동적으로 압축하거나 제거하는 최적화 기술이다. 모든 정보를 동일하게 요약하는 대신, 작업에 결정적인 정보는 원본을 유지하고 부수적인 정보는 고도로 압축하는 '가변적 압축률'을 적용하는 것이 핵심이다.
@@ -16,11 +16,11 @@ Adaptive Context Compaction은 에이전트의 현재 작업 상태, 토큰 소
 ## 🔗 Knowledge Connections

 ### Related Concepts
-*   [[Context Engineering]]
+*   [[Context Engineering|Context Engineering]]
    *   연결 이유: 압축 기술은 컨텍스트 엔지니어링을 구현하는 핵심 수단이다.
-*   [[Summary Drift]]
+*   Summary Drift
    *   연결 이유: 과도하거나 반복적인 압축은 정보의 왜곡을 초래할 수 있다.
-*   [[Inference-Coupled Persistence]]
+*   [[Inference-Coupled Persistence|Inference-Coupled Persistence]]
    *   연결 이유: 압축된 정보를 영구 저장소에 저장하여 향후 세션에서 재활용한다.

 ### Deeper Research Questions
@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AUTO-ADCU-001
+id: [[P-Reinforce|P-Reinforce]]-AUTO-ADCU-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.92
 tags: [auto-reinforced, curation, adaptation, information-filter, adaptive-content, customization]
 last_reinforced: 2026-04-20
 ---

-# [[Adaptive-Curation]]
+# [[Adaptive-Curation|Adaptive-Curation]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "당신만을 위한 세상의 가공: 쏟아지는 정보와 상품 중에서 사용자의 시시각각 변하는 맥락, 취향, 피드백을 실시간으로 반영하여 가장 가치 있는 것들만 정제해 보여주는 지능형 큐레이션."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **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.

 ## 🔗 지식 연결 (Graph)
- Personalization, Exploitation vs Exploration, [[Reward Prediction Error]], Information Ethics, [[Superficiality-Metrics]]
+- 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.
 ---
@@ -6,7 +6,7 @@ tags: [Interface Design, UX, Human-Computer Interaction, AI]
 last_reinforced: 2026-04-20
 ---

-# [[Advanced-Interface-Design]] (고급 인터페이스 설계)
+# [[Advanced-Interface-Design|Advanced-Interface-Design]] (고급 인터페이스 설계)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "보이지 않는 인터페이스가 가장 훌륭한 인터페이스다." 사용자의 의도를 예측하고 대화를 최소화하면서도 완벽한 경험을 선사하는 고도의 심미적/공학적 설계 체계다.
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20

 ## 🔗 지식 연결 (Graph)
 - Related: UI-UX-Foundations , Psychology_Cognitive_Science
- Context: [[Modern_Environment_Ecosystem]]
+- Context: [[Modern_Environment_Ecosystem|Modern_Environment_Ecosystem]]
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Continuous Worker - Adversarial Code Stylometry"
 ---

-# [[Adversarial Code Stylometry]]
+# [[Adversarial Code Stylometry|Adversarial Code Stylometry]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > Adversarial Code Stylometry(적대적 코드 문체론)는 프로그래머가 코드 문체 분석(Code Stylometry) 시스템의 추적을 우회하여 자신의 익명성을 보호하기 위해 의도적으로 코드를 변형하는 기법입니다 [1-3]. 주로 자신의 고유한 코딩 스타일을 숨기는 난독화(obfuscation)와 다른 프로그래머의 스타일을 흉내 내는 모방(mimicry) 기술을 사용합니다 [2-4]. 이는 감시와 검열에 맞서 프라이버시 향상 도구를 개발하는 오픈소스 기여자들이 신원 노출로 인한 탄압을 피하기 위한 핵심적인 방어 수단으로 연구되고 있습니다 [5-7].
@@ -24,7 +24,7 @@ github_commit: "[P-Reinforce] Continuous Worker - Adversarial Code Stylometry"
 - **정책 변화:** AI 분야의 자동 자산화 수행.

 ## 🔗 지식 연결 (Graph)
- **Related Topics:** Code Stylometry, Obfuscation, Mimicry Attack, [[StyleCounsel]]
+- **Related Topics:** Code Stylometry, Obfuscation, Mimicry Attack, [[StyleCounsel|StyleCounsel]]
 - **Projects/Contexts:** 오픈소스 기여자 익명성 보장, 검열 우회 및 프라이버시 보호 도구 개발
 - **Contradictions/Notes:** Caliskan-Islam 등의 기존 연구에서는 'Stunnix'와 같은 상용 난독화 도구를 사용해도 분류기의 식별 정확도가 거의 떨어지지 않는다고 보고했습니다. 그러나 Simko 등의 적대적 연구에서는 실험 참가자들이 표면적인 수준의 변수명 교체나 국소적인 구조 변경 등 간단한 조작을 가하는 것만으로도 기계 학습 모델을 성공적으로 속일 수 있음을 입증하며 기존 분류 시스템의 취약성과 한계를 지적했습니다 [11, 20].

@@ -6,7 +6,7 @@ tags: [auto-reinforced, aesthetics, value-theory, art-philosophy, design-princip
 last_reinforced: 2026-04-20
 ---

-# [[Aesthetic-Value]]
+# [[Aesthetic-Value|Aesthetic-Value]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "아름다움이라는 객관적 질서: 단순히 개인의 취향을 넘어, 대칭, 비례, 조화, 그리고 의외성이라는 요소를 통해 인간의 뇌에 쾌락과 경외감을 선사하는 시각적/지적 가치의 정수."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **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.

 ## 🔗 지식 연결 (Graph)
- [[Visual-Effects-VFX]], [[Style-Transfer]], Human-Computer Interaction (HCI), [[Symmetry-and-Invariance]], Foundational Models
+- [[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.
 ---
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Batch 10 - Wikified Affective Computing"
 ---

-# [[Affective Computing]]
+# [[Affective Computing|Affective Computing]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 핵심 내용 요약 예정
@@ -6,7 +6,7 @@ tags: [auto-reinforced, affordance, interaction-design, psychology, design-theor
 last_reinforced: 2026-04-20
 ---

-# [[Affordance]]
+# [[Affordance|Affordance]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "설명 없이도 알게 하는 행동의 유도: 버튼은 누르고 싶게, 손잡이는 잡고 싶게 만드는 것처럼, 사물의 형태 자체가 인간에게 '어떻게 행동해야 할지'를 본능적으로 알려주는 직관적 설계의 힘."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 보조 공학 및 접근성 정책에서, 시각장애인이나 고령자 등 모든 사용자가 사물의 어포던스를 균등하게 느낄 수 있도록 하는 '유니버설 어포던스 가이드라인' 준수가 법적 의무 정책으로 강화됨.

 ## 🔗 지식 연결 (Graph)
- Human-Computer Interaction (HCI), [[Aesthetic-Value]], [[Psychology & Behavior]], [[Software-Design-Principles]], [[Robotics]]
+- Human-Computer Interaction (HCI), [[Aesthetic-Value|Aesthetic-Value]], [[Psychology & Behavior|Psychology & Behavior]], [[Software-Design-Principles|Software-Design-Principles]], [[Robotics|Robotics]]
 - **Modern Tech/Tools**: Apple Human Interface Guidelines, Material Design (Google), Haptic feedback systems.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, agent-architecture, ai-agents, cognitive-architecture, m
 last_reinforced: 2026-04-20
 ---

-# [[Agent Architecture]]
+# [[Agent Architecture|Agent Architecture]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "자율 주행하는 지능의 내부 구조: 단순히 답을 내는 모델을 넘어, 기억(Memory), 계획(Planning), 도구 활용(Tool Use) 기능을 유기적으로 결합하여 독립적으로 미션을 수행하는 에이전트의 뇌 설계."
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 에이전트의 자율 통제 불능 리스크를 방어하기 위해, 매 행동 단계마다 인간이 승인하거나 규칙을 검증하는 'Human-in-the-loop 에이전트 거버넌스' 정책이 산업 표준으로 채택됨.

 ## 🔗 지식 연결 (Graph)
- [[Ps-Reinforce]], Foundational Models, [[Workflow-Integrity]], [[Self-Correction Mechanisms]], [[Tool-Usage-Optimization]]
+- [[Ps-Reinforce|Ps-Reinforce]], Foundational Models, [[Workflow-Integrity|Workflow-Integrity]], Self-Correction Mechanisms, [[Tool-Usage-Optimization|Tool-Usage-Optimization]]
 - **Modern Tech/Tools**: LangChain, AutoGPT, BabyAGI, Microsoft AutoGen, LangGraph.
 ---
@@ -1,4 +1,4 @@
-# [[Agent Memory System (에이전트 메모리 시스템)]]
+# Agent Memory System (에이전트 메모리 시스템)

 ## 📌 Brief Summary
 Agent Memory System은 에이전트가 런타임 중에 획득한 정보, 사용자의 선호도, 현재 작업의 상태, 그리고 과거의 성공/실패 경험을 체계적으로 저장하고 관리하는 다층 메모리 아키텍처이다. 메모리 시스템은 에이전트가 단기적인 문맥 유지(Context)를 넘어, 장기적인 학습과 성장을 가능하게 하는 핵심 지식 기반(Knowledge Base) 역할을 한다.
@@ -22,11 +22,11 @@ Agent Memory System은 에이전트가 런타임 중에 획득한 정보, 사용
 ## 🔗 Knowledge Connections

 ### Related Concepts
-*   [[Inference-Coupled Persistence]]
+*   [[Inference-Coupled Persistence|Inference-Coupled Persistence]]
    *   연결 이유: 메모리를 생성하고 영구화하는 핵심 기전이다.
-*   [[S-component (State Store)]]
+*   [[S-component (State Store)|S-component (State Store)]]
    *   연결 이유: 메모리 시스템이 실제로 데이터를 저장하는 하네스의 구성 요소이다.
-*   [[Context Engineering]]
+*   [[Context Engineering|Context Engineering]]
    *   연결 이유: 저장된 메모리 중 어떤 정보를 컨텍스트에 넣을지 결정하는 전략이다.

 ### Deeper Research Questions
@@ -6,7 +6,7 @@ tags: [auto-reinforced, agent-personality, anthropomorphism, user-experience, so
 last_reinforced: 2026-04-20
 ---

-# [[Agent Personality]]
+# [[Agent Personality|Agent Personality]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지능에 입힌 인격의 옷: 에이전트의 말투, 태도, 윤리적 태도를 정의하여 사용자에게 단순히 기계가 아닌 '믿을 수 있는 동료'라는 인상을 심어주는 사회적 지능의 설계."
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 과도한 인격화(Anthropomorphism)로 인해 사용자가 AI와 정서적으로 중독되는 부작용을 방지하기 위해, 필요 시 자신이 AI임을 다시 환기시키고 거리를 두는 '심리적 안전 가트레일 정책'이 서비스 설계 정책에 포함됨.

 ## 🔗 지식 연결 (Graph)
- [[Ps-Reinforce]], Human-Computer Interaction (HCI), [[Agent Architecture]], [[Psychology & Behavior]], [[Toxicity-and-Bias-Mitigation]]
+- [[Ps-Reinforce|Ps-Reinforce]], Human-Computer Interaction (HCI), [[Agent Architecture|Agent Architecture]], [[Psychology & Behavior|Psychology & Behavior]], [[Toxicity-and-Bias-Mitigation|Toxicity-and-Bias-Mitigation]]
 - **Modern Tech/Tools**: Character.ai, Custom GPTs (OpenAI), Claude Project Instructions.
 ---
@@ -1,13 +1,13 @@
 ---
 id: b4c2a1d3-e4f5-4a6b-8c7d-9e1b2c3d4f5a
-category: "[[10_Wiki/Topics/AI]]"
+category: "10_Wiki/Topics/AI"
 confidence_score: 0.99
 tags: [agent, harness, infrastructure, runtime, governance, ai]
 last_reinforced: 2026-05-01
 github_commit: "wikification-harness"
 ---

-# [[Agent Harness]]
+# [[Agent Harness|Agent Harness]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 에이전트 하네스는 모델(두뇌)을 감싸 외부 세계와 안전하고 영속적으로 소통하게 만드는 '신체 및 환경 인프라'로, 프롬프트 엔지니어링을 넘어 시스템의 신뢰성과 성능 상한을 결정하는 핵심 제어 계층이다.
@@ -35,9 +35,9 @@ github_commit: "wikification-harness"
 - **멀티 에이전트 오케스트레이션**: 역할 분리는 효율적이나 에이전트 간 통신 오버헤드와 일관성 관리 비용이 기하급수적으로 증가한다.

 ## 🔗 지식 연결 (Graph)
- **Parent**: [[10_Wiki/Topics/AI]]
- **Related**: [[Model Context Protocol (MCP)]], [[Context Engineering]], [[Plan-Execute-Verify (PEV) Loop]], [[Sandboxing]]
- **Raw Source**: [[00_Raw/Agent Harness]]
+- **Parent**: 10_Wiki/Topics/AI
+- **Related**: [[Model Context Protocol (MCP)|Model Context Protocol (MCP)]], [[Context Engineering|Context Engineering]], Plan-Execute-Verify (PEV) Loop, Sandboxing
+- **Raw Source**: 00_Raw/Agent Harness

 ## 💻 GitHub 동기화 자동화 워크플로우
 1. Stage: git add .
@@ -1,13 +1,13 @@
 ---
 id: e5f4a3b2-c1d0-4e8b-9a7d-2b3c4d5e6f7a
-category: "[[10_Wiki/Topics/AI]]"
+category: "10_Wiki/Topics/AI"
 confidence_score: 0.97
 tags: [agent, memory, state-store, persistence, harness, ai]
 last_reinforced: 2026-05-01
 github_commit: "wikification-state-store"
 ---

-# [[Agent State Store]]
+# [[Agent_State_Store|Agent State Store]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > Agent State Store(S-component)는 에이전트의 다중 턴 및 세션 간 상태 지속성을 관리하여 실행 중단 시 복구를 지원하고, 경험을 추상화된 지식으로 보존하는 런타임 거버넌스 인프라이다.
@@ -30,9 +30,9 @@ github_commit: "wikification-state-store"
 - **표준화 부재**: MCP와 달리 상태 저장소 인터페이스는 파편화되어 있어 에이전트 간 메모리 이식성이 낮다.

 ## 🔗 지식 연결 (Graph)
- **Parent**: [[10_Wiki/Topics/AI]]
- **Related**: [[Execution Loop (E-component)]], [[Context Manager (C-component)]], [[Lifecycle Hooks (L-component)]], [[Agent Workflow Memory (AWM)]]
- **Raw Source**: [[00_Raw/Agent State Store]]
+- **Parent**: 10_Wiki/Topics/AI
+- **Related**: Execution Loop (E-component), Context Manager (C-component), Lifecycle Hooks (L-component), Agent Workflow Memory (AWM)
+- **Raw Source**: 00_Raw/Agent State Store

 ## 💻 GitHub 동기화 자동화 워크플로우
 1. Stage: git add .
@@ -6,7 +6,7 @@ tags: [auto-reinforced, agentic-coding, software-development, ai-coding, autonom
 last_reinforced: 2026-04-20
 ---

-# [[Agentic Coding]]
+# [[Agentic Coding|Agentic Coding]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "코딩하는 기계의 진화: 단순히 코드 조각을 추천하는 것을 넘어, 파일 구조를 이해하고, 버그를 디버깅하며, 테스트를 통과할 때까지 스스로 수정 루프를 돌리는 자율 코딩 에이전트의 시대."
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 자율 코딩 에이전트가 보안 취약점을 만들거나 악성 코드를 삽입할 위험 정책에 대응하기 위해, 모든 AI 생성 코드에 대해 정적 분석과 보안 샌드박스 검증을 의무화하는 'AI 보안 코딩 거버넌스' 정책이 수립됨.

 ## 🔗 지식 연결 (Graph)
- [[Agent Architecture]], [[Workflow-Integrity]], [[Self-Correction Mechanisms]], [[Tool-Usage-Optimization]], [[Software-Design-Principles]], [[Ps-Reinforce]]
+- [[Agent Architecture|Agent Architecture]], [[Workflow-Integrity|Workflow-Integrity]], Self-Correction Mechanisms, [[Tool-Usage-Optimization|Tool-Usage-Optimization]], [[Software-Design-Principles|Software-Design-Principles]], [[Ps-Reinforce|Ps-Reinforce]]
 - **Modern Tech/Tools**: Devin, OpenDevin, Sweep.dev, GitHub Copilot Workspace, Antigravity Agent.
 ---
@@ -1,4 +1,4 @@
-# [[Agentic Creative Era]]
+# [[Agentic Creative Era|Agentic Creative Era]]

 ## 📌 Brief Summary
 '에이전틱 크리에이티브(Agentic Creative)' 시대는 인간 창작자가 프롬프트의 모든 세부 문장을 직접 작성하는 대신, 대략적인 비전만 제시하면 AI 에이전트가 이를 최적의 기술적 언어로 자동 번역하여 결과물을 도출해 내는 새로운 창작 패러다임을 의미합니다 [1]. 이 시대에는 인공지능 이미지 생성이 단편적인 이미지 출력에서 벗어나 대량의 시안을 연속적으로 다루는 창작 워크플로우로 전환됩니다 [1, 2]. 결과적으로 창작자의 핵심 역할은 단순한 키워드 나열에서 벗어나, 자신만의 고유한 스타일 코드를 구축하고 AI 에이전트와의 협업 루틴을 정교화하는 방향으로 진화하게 됩니다 [1].
@@ -10,8 +10,8 @@
 * **AI 에이전트와의 협업 파트너십**: 결국 창작자는 단순한 도구의 사용자를 넘어, 최적의 결과물을 함께 만들어가는 디지털 동료로서 AI 에이전트와의 협업 루틴을 발전시켜야 합니다 [1, 5]. 기술적인 번역과 대량 생산은 AI가 담당하더라도, 최종적으로 자신만의 서사와 스타일 코드를 결정하고 방향성을 제시하는 것은 여전히 인간 창작자의 고유한 영역으로 남습니다 [1].

 ## 🔗 Knowledge Connections
- **Related Topics:** [[프롬프트 엔지니어링]], [[개인화 및 스타일 참조]]
- **Projects/Contexts:** [[미드저니 V7/V8 연속적 창작 워크플로우]]
+- **Related Topics:** [[프롬프트 엔지니어링|프롬프트 엔지니어링]], 개인화 및 스타일 참조
+- **Projects/Contexts:** 미드저니 V7/V8 연속적 창작 워크플로우
 - **Contradictions/Notes:** 소스에 관련 정보가 부족합니다.

 ---
@@ -1,13 +1,13 @@
 ---
 id: f6a5b4c3-d2e1-4f0a-9b8c-7d6e5f4a3b2c
-category: "[[10_Wiki/Topics/Development]]"
+category: "10_Wiki/Topics/Development"
 confidence_score: 0.99
 tags: [agentic-se, software-engineering, ai-agent, harness, automation, development]
 last_reinforced: 2026-05-01
 github_commit: "wikification-agentic-se"
 ---

-# [[Agentic Software Engineering]]
+# [[Agentic_Software_Engineering|Agentic Software Engineering]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 에이전틱 소프트웨어 엔지니어링은 개발자가 구현자(Implementer)에서 자율적으로 계획·코딩·디버깅하는 에이전트를 조율하는 오케스트레이터(Orchestrator)로 진화하는 패러다임이다.
@@ -31,9 +31,9 @@ github_commit: "wikification-agentic-se"
 - **하네스 편향성**: 에이전트의 성능 지표는 모델 지능뿐만 아니라 하네스의 도구 설계 및 에러 처리 방식에 크게 좌우된다.

 ## 🔗 지식 연결 (Graph)
- **Parent**: [[10_Wiki/Topics/Development]]
- **Related**: [[Agent Harness]], [[Model Context Protocol (MCP)]], [[Plan-Execute-Verify (PEV) Loop]], [[SWE-World]]
- **Raw Source**: [[00_Raw/Agentic Software Engineering]]
+- **Parent**: 10_Wiki/Topics/Development
+- **Related**: [[Agent Harness|Agent Harness]], [[Model Context Protocol (MCP)|Model Context Protocol (MCP)]], Plan-Execute-Verify (PEV) Loop, SWE-World
+- **Raw Source**: 00_Raw/Agentic Software Engineering

 ## 💻 GitHub 동기화 자동화 워크플로우
 1. Stage: git add .
@@ -6,7 +6,7 @@ tags: [auto-reinforced, agile, manifesto, philosophy, project-management, iterac
 last_reinforced: 2026-04-20
 ---

-# [[Agile-Philosophy]]
+# [[Agile-Philosophy|Agile-Philosophy]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "변화에 춤추는 민첩함: 완벽한 계획보다 빠른 실행을, 문서보다 동작하는 산출물을 우선하며, 끊임없는 피드백을 통해 고객의 진정한 가치를 찾아가는 유연한 철학."
@@ -31,6 +31,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 대규모 기업 정책 수립 시, 애자일이 단순히 '빠르게' 하는 것으로 오용되어 품질이 저하되는 부작용을 막기 위해, 'Agile Governance'와 'QA 자동화 정책'을 전제로 한 성숙한 애자일 문화 도입 정책이 추진됨.

 ## 🔗 지식 연결 (Graph)
- [[Stability vs Flexibility]], [[Rapid-Prototyping]], [[Working-Backwards]], [[Theory of Constraints (TOC)]], [[Systems Thinking]]
+- [[Stability vs Flexibility|Stability vs Flexibility]], [[Rapid-Prototyping|Rapid-Prototyping]], [[Working-Backwards|Working-Backwards]], [[Theory of Constraints (TOC)|Theory of Constraints (TOC)]], [[Systems Thinking|Systems Thinking]]
 - **Modern Tech/Tools**: Scrum, Kanban, Jira, Linear, Short-cycle feedback systems.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, alcoholism, addiction-psychology, public-health, mental-
 last_reinforced: 2026-04-20
 ---

-# [[Alcoholism]]
+# [[Alcoholism|Alcoholism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "조절력을 잃은 질병: 술에 대한 강박적 집착과 남용으로 인해 건강, 관계, 사회적 기능을 파괴함에도 불구하고 멈출 수 없는 만성적 중독 상태."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **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.

 ## 🔗 지식 연결 (Graph)
- [[Decision Theory]], [[Reward Prediction Error]], [[Psychology & Behavior]], [[Altruism]], [[AI for Social Good]]
+- [[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.
 ---
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-26
 - **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]], Vector-Database-Selection, [[Optimization]]
+- Algorithm, [[Parallel-Computing|Parallel-Computing]], Vector-Database-Selection, [[Optimization|Optimization]]
 - **Raw Source:** 10_Wiki/Topics/AI/Algorithm-Complexity-Big-O.md
@@ -6,7 +6,7 @@ tags: [auto-reinforced, algorithmic-fairness, bias, equality, machine-learning-e
 last_reinforced: 2026-04-20
 ---

-# [[Algorithmic Fairness]]
+# [[Algorithmic Fairness|Algorithmic Fairness]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "데이터에 깃든 차별 걷어내기: AI가 성별, 인종, 계층에 대한 편향을 학습하여 누군가에게 불이익을 주지 않도록, 학습 데이터부터 결과 도출까지 모든 과정의 공정성을 확보하는 엔지니어링 윤리."
@@ -30,6 +30,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 채용, 대출 심사, 형량 예측 등 민감한 공공 서비스 정책에서 사용되는 알고리즘은 의무적으로 '공정성 영향 평가(Fairness Audit)'를 통과해야 하는 정책이 수립됨.

 ## 🔗 지식 연결 (Graph)
- [[Toxicity-and-Bias-Mitigation]], [[AI Accountability]], [[AI Governance]], [[Ethics & AI]], [[Sociology of Knowledge]]
+- [[Toxicity-and-Bias-Mitigation|Toxicity-and-Bias-Mitigation]], [[AI Accountability|AI Accountability]], [[AI Governance|AI Governance]], [[Ethics & AI|Ethics & AI]], [[Sociology of Knowledge|Sociology of Knowledge]]
 - **Modern Tech/Tools**: IBM AI Fairness 360, Google What-If Tool, Fairlearn.
 ---
@@ -1,13 +1,13 @@
 ---
 id: P-REINFORCE-9E51FB
-category: "[[10_Wiki/💡 Topics/Communication & Tech]]"
+category: "10_Wiki/💡 Topics/Communication & Tech"
 confidence_score: 0.95
 tags: []
 last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Batch 11 - Wikified Algorithmic Rhetoric"
 ---

-# [[Algorithmic Rhetoric]]
+# [[Algorithmic Rhetoric|Algorithmic Rhetoric]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 지식 요약 작업 중
@@ -21,5 +21,5 @@ github_commit: "[P-Reinforce] Batch 11 - Wikified Algorithmic Rhetoric"

 ## 🔗 지식 연결 (Graph)

- Raw Source: [[00_Raw/2026-04-20/Algorithmic Rhetoric.md]]
+- Raw Source: 00_Raw/2026-04-20/Algorithmic Rhetoric.md
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, algorithmic-transparency, open-access, explainability, a
 last_reinforced: 2026-04-20
 ---

-# [[Algorithmic Transparency]]
+# [[Algorithmic Transparency|Algorithmic Transparency]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "검은 상자 속의 빛: AI가 어떤 데이터를 먹고, 어떤 로직으로 결과를 내놓는지 투명하게 공개하여 사용자가 기술을 신뢰하고 감시할 수 있게 만드는 정보 민주주의의 원칙."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 정치적 여론에 영향을 주는 추천 알고리즘 정책이나 개인의 신용을 평가하는 알고리즘 정책의 경우, 반드시 국가 기관의 정기 점검을 받도록 하는 '투명성 의무화 정책'이 시행됨.

 ## 🔗 지식 연결 (Graph)
- [[AI Accountability]], [[AI Governance]], Explainable AI (XAI), Foundational Models, [[Scientific Communication]]
+- [[AI Accountability|AI Accountability]], [[AI Governance|AI Governance]], Explainable AI (XAI), Foundational Models, [[Scientific Communication|Scientific Communication]]
 - **Modern Tech/Tools**: Model Cards for Model Reporting, Data Cards, SHAP/LIME (Explanation tools).
 ---
@@ -6,7 +6,7 @@ tags: [Algorithmic Biology, AI, Bioinformatics, Simulation]
 last_reinforced: 2026-04-20
 ---

-# [[Algorithmic-Biology]] (알고리즘 생물학)
+# [[Algorithmic-Biology|Algorithmic-Biology]] (알고리즘 생물학)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "생명은 우주의 가장 복잡한 알고리즘이다." 유전자 서열 분석부터 단백질 구조 예측(AlphaFold)까지, 생명 현상을 계산 가능한 모델로 해석하는 초융합 분야다.
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20

 ## 🔗 지식 연결 (Graph)
 - Related: Bioinformatics , Computational-Neuroscience
- Foundation: [[Computational Theory & Math/Information Theory]]
+- Foundation: Computational Theory & Math/Information Theory
@@ -6,7 +6,7 @@ tags: [Algorithmic Game Theory, Mechanism Design, Nash Equilibrium, AI]
 last_reinforced: 2026-04-20
 ---

-# [[Algorithmic-Game-Theory]] (알고리즘 게임 이론)
+# [[Algorithmic-Game-Theory|Algorithmic-Game-Theory]] (알고리즘 게임 이론)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이기적인 경제 주체들을 위한 최적의 규칙." 게임 이론의 복잡한 균형점(Nash Equilibrium)을 컴퓨터 알고리즘으로 어떻게 빠르게 찾아낼 것인가를 다루는 학문이다.
@@ -24,4 +24,4 @@ last_reinforced: 2026-04-20

 ## 🔗 지식 연결 (Graph)
 - Related: Nash-Equilibrium , Mechanism-Design
- Foundation: [[Bounded-Rationality]]
+- Foundation: [[Bounded-Rationality|Bounded-Rationality]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, alignment, ai-safety, value-alignment, rlhf, future-of-a
 last_reinforced: 2026-04-20
 ---

-# [[Alignment]]
+# [[Alignment|Alignment]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "지능과 의도의 일치: AI가 가진 강력한 능력이 인류의 이익과 배치되지 않도록, 인간이 '진짜 원하는 것'을 AI가 정확히 이해하고 따르게 만드는 인공지능 연구의 최종 보스."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 누가 정한 '인간의 가치'를 따를 것인가에 대한 논쟁 정책이 격화됨에 따라, 특정 국가의 가치가 아닌 보편적 인권과 다양성을 보장하는 '다원적 정렬 정책' 수립이 국제 사회의 과제가 됨.

 ## 🔗 지식 연결 (Graph)
- [[AI Safety]], [[AI Governance]], [[RLHF (인간 피드백 기반 강화 학습)]], [[Actor-Critic-Models]], [[Ethics & AI]]
+- [[AI Safety|AI Safety]], [[AI Governance|AI Governance]], [[RLHF (인간 피드백 기반 강화 학습)|RLHF (인간 피드백 기반 강화 학습)]], [[Actor-Critic-Models|Actor-Critic-Models]], [[Ethics & AI|Ethics & AI]]
 - **Modern Tech/Tools**: OpenAI Alignment team research, Anthropic's Constitutional AI, Superalignment.
 ---
@@ -7,7 +7,7 @@ last_reinforced: 2026-04-20
 github_commit: "[P-Reinforce] Mega Batch - Wikified AlphaZero Strategy"
 ---

-# [[AlphaZero Strategy]]
+# [[AlphaZero Strategy|AlphaZero Strategy]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > 핵심 요약 작업 진행 중
@@ -6,7 +6,7 @@ tags: [auto-reinforced, alternative-realities, virtual-reality, multiverse, simu
 last_reinforced: 2026-04-20
 ---

-# [[Alternative Realities]]
+# [[Alternative Realities|Alternative Realities]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인식하는 대로 창조되는 세계: 기술을 통해 물리적 현실을 확장하거나(AR), 완전히 새로운 가상 세계에 몰입(VR)함으로써 인간이 경험할 수 있는 '현실'의 경계를 무너뜨리는 복합적 지각 혁명."
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 가상 공간에서의 범죄나 괴롭힘 리스크 정책이 부각됨에 따라, 현실 세계의 법률을 대안 현실 공간까지 확장 적용하는 '메타버스 거버넌스 정책'이 글로벌 논의 단계에 진입함.

 ## 🔗 지식 연결 (Graph)
- [[Visual-Effects-VFX]], Human-Computer Interaction (HCI), [[Aesthetic-Value]], Simulation Theory, [[Sociology of Knowledge]]
+- [[Visual-Effects-VFX|Visual-Effects-VFX]], Human-Computer Interaction (HCI), [[Aesthetic-Value|Aesthetic-Value]], Simulation Theory, [[Sociology of Knowledge|Sociology of Knowledge]]
 - **Modern Tech/Tools**: Apple Vision Pro, Meta Quest, Unity/Unreal Engine, Omniverse.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, altruism, evolutionary-biology, cooperation, social-ethi
 last_reinforced: 2026-04-20
 ---

-# [[Altruism]]
+# [[Altruism|Altruism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "우리를 위한 나의 희생: 자신의 즉각적인 이익을 포기하고 타인의 복지나 공동체의 가치를 위해 헌신하는, 진화의 신비이자 인류 문명을 지탱하는 가장 고귀한 사회적 접착제."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기술 기업의 사회적 책임(CSR) 정책에서 한 단계 더 나아가, 기술 자체를 공익적으로 개방하거나 비영리로 운영하는 '오픈 소스 이타주의 정책'이 AI 생태계의 주요 경쟁력으로 인정받음.

 ## 🔗 지식 연결 (Graph)
- [[AI for Social Good]], [[Decision Theory]], [[Ethics & AI]], [[Social Systems Theory]], [[Universal Basic Income (UBI)]], [[Activism]]
+- [[AI for Social Good|AI for Social Good]], [[Decision Theory|Decision Theory]], [[Ethics & AI|Ethics & AI]], [[Social Systems Theory|Social Systems Theory]], [[Universal Basic Income (UBI)|Universal Basic Income (UBI)]], [[Activism|Activism]]
 - **Modern Tech/Tools**: Effective Altruism community, Open-source collaboration models.
 ---
@@ -6,7 +6,7 @@ tags: [TypeScript, Ambient Declarations, dts, Coding Standards]
 last_reinforced: 2026-04-20
 ---

-# [[Ambient-Declarations]] (앰비언트 선언)
+# [[Ambient-Declarations|Ambient-Declarations]] (앰비언트 선언)

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "존재하지만 실체는 없는 것들에 대한 증명." 타입스크립트 컴파일러에게 "이 변수나 함수는 외부에 이미 있으니 타입만 믿고 통과시켜라"라고 알려주는 `declare` 키워드의 본질이다.
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-20
 - 무분별한 앰비언트 선언은 전역 네임스페이스를 오염시킨다. 현대적 가이드라인은 가능하면 `Module Augmentation`을 사용하거나 `@types` 패키지를 통해 엄격하게 관리하는 것을 권장한다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Declaration-Files]] , Module-Augmentation
- Standard: [[Branded-Types-for-Nominal-Typing]]
+- Related: [[Declaration-Files|Declaration-Files]] , Module-Augmentation
+- Standard: [[Branded-Types-for-Nominal-Typing|Branded-Types-for-Nominal-Typing]]
@@ -6,7 +6,7 @@ tags: [auto-reinforced, ambition, psychology, motivation, achievement, leadershi
 last_reinforced: 2026-04-20
 ---

-# [[Ambition]]
+# [[Ambition|Ambition]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "한계를 돌파하려는 내면의 불꽃: 현재 상태에 만족하지 않고, 자신의 능력과 영향력을 더 큰 영역으로 확장하기 위해 위험을 감수하고 실행하게 만드는 상향적 인생 전략."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 조직 문화 정책에서, 구성원 개개인의 야망을 조직의 목표와 일치(Alignment)시키는 '성장 중심 거버넌스 정책'이 인재 확보의 핵심 전략이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Grit]], [[Strategic-Planning]], [[Leadership]], Motivation, [[Ps-Reinforce]]
+- [[Grit|Grit]], [[Strategic-Planning|Strategic-Planning]], [[Leadership|Leadership]], Motivation, [[Ps-Reinforce|Ps-Reinforce]]
 - **Modern Tech/Tools**: Goal tracking systems (OKR), Personal branding platforms.
 ---
@@ -6,7 +6,7 @@ tags: [Computing, Performance, Parallelism, AmdahlsLaw]
 last_reinforced: 2026-04-20
 ---

-# [[Amdahls Law (암달의 법칙)]]
+# [[Amdahls Law (암달의 법칙)|Amdahls Law (암달의 법칙)]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "아무리 엔진을 갈아 끼워도, 좁은 병목 구간이 전체 속도를 결정한다." 시스템 일부분을 병렬화하거나 개선했을 때 얻을 수 있는 전체 성능 향상의 한계는 개선되지 않은 나머지 부분(직렬 구간)에 의해 제한된다는 법칙이다.
@@ -24,5 +24,5 @@ last_reinforced: 2026-04-20
 - 암달의 법칙은 '고정된 문제 크기'를 가정한다. 하지만 실제로는 컴퓨팅 파워가 커지면 문제의 크기 자체를 늘리는 경우가 많은데, 이를 설명하는 구스타프슨의 법칙(Gustafson's Law)이 병렬 컴퓨팅의 희망적인 측면을 보완해준다.

 ## 🔗 지식 연결 (Graph)
- Related: [[Parallel-Computing]] , Bottleneck-Analysis
+- Related: [[Parallel-Computing|Parallel-Computing]] , Bottleneck-Analysis
 - Complement: Gustafsons-Law
@@ -6,7 +6,7 @@ tags: [auto-reinforced, analogical-reasoning, cognition, ai-logic, abstraction,
 last_reinforced: 2026-04-20
 ---

-# [[Analogical-Reasoning]]
+# [[Analogical-Reasoning|Analogical-Reasoning]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "익숙함에서 새로움을 찾는 지적 도약: 전혀 다른 두 사태에서 공통된 패턴이나 구조를 발견하여, 알고 있는 지식을 모르는 영역에 창조적으로 적용하는 인간 지능 최고의 무기."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 교육 및 평가 정책에서 단순 암기 대신 '유추 추론 역량'을 측정하는 문항 비중을 늘려, AI와 차별화된 인간의 고차원적 사고력을 육성하는 정책이 강화됨.

 ## 🔗 지식 연결 (Graph)
- [[Analogy]], [[Transfer Learning]], [[Zero Shot and Few Shot Learning]], [[Thought-Architecture]], Abstraction
+- [[Analogy|Analogy]], [[Transfer Learning|Transfer Learning]], [[Zero Shot and Few Shot Learning|Zero Shot and Few Shot Learning]], [[Thought-Architecture|Thought-Architecture]], Abstraction
 - **Modern Tech/Tools**: Cognitive AI models, SAT-style analogy solvers.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, analogy, metaphor, communication, cognitive-linguistics]
 last_reinforced: 2026-04-20
 ---

-# [[Analogy]]
+# [[Analogy|Analogy]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "이해의 징검다리: 복잡하고 낯선 개념을 우리가 이미 잘 알고 있는 익숙한 무언가에 빗대어 설명함으로써, 지식의 간극을 한순간에 메우는 강력한 인지적 비유."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 프롬프트 설계 정책에서, 모델에게 특정 상황을 유추하게 함으로써 추론 성능을 높이는 'Metaphor-prompting 기술'이 실무 표준으로 정착됨.

 ## 🔗 지식 연결 (Graph)
- [[Analogical-Reasoning]], [[Scientific Communication]], [[Vocabulary-Expansion]], Abstraction, Pattern Recognition
+- [[Analogical-Reasoning|Analogical-Reasoning]], [[Scientific Communication|Scientific Communication]], [[Vocabulary-Expansion|Vocabulary-Expansion]], Abstraction, Pattern Recognition
 - **Modern Tech/Tools**: Creative writing AI, Educational explanation tools.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, analysis, critical-thinking, methodology, systems-analys
 last_reinforced: 2026-04-20
 ---

-# [[Analysis]]
+# [[Analysis|Analysis]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "해부하여 파헤치기: 복잡하게 뒤엉킨 덩어리를 더 이상 쪼개지지 않는 최소 단위로 분해한 뒤, 각 부분의 속성과 그들 사이의 관계를 낱낱이 파악하여 전체의 본질을 꿰뚫는 지적 해체 작업."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 빅데이터 분석 정책에서, 단순히 '무엇(What)'이 일어났는지 보여주는 서술적 분석을 넘어, 인과 관계를 밝히고 미래를 예측하는 '처방적 분석(Prescriptive Analytics) 정책'으로 고도화됨.

 ## 🔗 지식 연결 (Graph)
- [[Systems Thinking]], [[Statistics & Data Analysis]], [[Theory of Constraints (TOC)]], [[Structuralism]], [[Scientific Communication]]
+- [[Systems Thinking|Systems Thinking]], [[Statistics & Data Analysis|Statistics & Data Analysis]], [[Theory of Constraints (TOC)|Theory of Constraints (TOC)]], [[Structuralism|Structuralism]], [[Scientific Communication|Scientific Communication]]
 - **Modern Tech/Tools**: Data visualization tools (Tableau), Statistical software (R, Python Pandas).
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, anarchism, political-philosophy, self-governance, social
 last_reinforced: 2026-04-20
 ---

-# [[Anarchism]]
+# [[Anarchism|Anarchism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "권위 없는 자유의 질서: 국가나 지배 계급의 강압적인 통치를 배제하고, 개인의 자유의지와 자발적인 협력을 통해 스스로를 통치하는 이상적 사회 시스템을 꿈꾸는 정치 철학."
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 기술 발달로 인해 중앙 서버 없는 P2P 네트워크나 암호 화폐가 등장함에 따라, 국가의 중앙 통제를 벗어난 '기술적 무정부주의 정책(Crypto-anarchism)'이 실질적인 제도로 기능하기 시작함.

 ## 🔗 지식 연결 (Graph)
- [[Anarcho-Capitalism]], [[Anarcho-Primitivism]], [[Altruism]], [[Activism]], [[Social Systems Theory]]
+- [[Anarcho-Capitalism|Anarcho-Capitalism]], [[Anarcho-Primitivism|Anarcho-Primitivism]], [[Altruism|Altruism]], [[Activism|Activism]], [[Social Systems Theory|Social Systems Theory]]
 - **Modern Tech/Tools**: Decentralized Web (Web3), P2P networks (Tor, BitTorrent), DAOs.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, anarcho-capitalism, libertarianism, free-market, private
 last_reinforced: 2026-04-20
 ---

-# [[Anarcho-Capitalism]]
+# [[Anarcho-Capitalism|Anarcho-Capitalism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "시장 중심의 무정부주의: 국가가 독점하던 치안, 국방, 법률 서비스까지 모든 것을 사유 재산권과 자유 시장의 계약에 맡겨 효율성과 자유를 극대화하려는 급진적 우파 사상."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 거대 테크 기업이 자신들만의 '플랫폼 법전'을 만들고 사용자에게 규칙을 강요함에 따라, 이 사상이 주창했던 '사설 규범 체계'가 현실 정책에서 기업 권력으로 변질되는 양상을 보임.

 ## 🔗 지식 연결 (Graph)
- [[Anarchism]], Capitalism, [[Ethics & AI]], [[Decision Theory]], [[Universal Basic Income (UBI)]]
+- [[Anarchism|Anarchism]], Capitalism, [[Ethics & AI|Ethics & AI]], [[Decision Theory|Decision Theory]], [[Universal Basic Income (UBI)|Universal Basic Income (UBI)]]
 - **Modern Tech/Tools**: Decentralized Finance (DeFi), Smart contracts.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, anarcho-primitivism, anti-technology, civilization-criti
 last_reinforced: 2026-04-20
 ---

-# [[Anarcho-Primitivism]]
+# [[Anarcho-Primitivism|Anarcho-Primitivism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "문명 이전으로의 귀환: 농업과 산업 혁명이 인간을 기술의 노예로 만들었다고 비판하며, 야생의 상태인 수렵 채집 사회로 돌아가야만 비로소 진정한 자유와 지구와의 공존을 이룰 수 있다는 급진적 생태론."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 디지털 디톡스나 오프-그리드(Off-grid) 생활 방식이 개인적 라이프스타일 정책으로 인기를 얻으며, 기술 과잉 시대를 향한 강력한 안티-테제 정책으로 기능함.

 ## 🔗 지식 연결 (Graph)
- [[Anarchism]], [[Wicked-Problems]], [[Ethics & AI]], [[Abundance]], [[Alternative Realities]]
+- [[Anarchism|Anarchism]], [[Wicked-Problems|Wicked-Problems]], [[Ethics & AI|Ethics & AI]], [[Abundance|Abundance]], [[Alternative Realities|Alternative Realities]]
 - **Modern Tech/Tools**: Rewilding projects, Minimalist living, Traditional crafts.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, anisomorphism, topology, structuralism, comparative-ling
 last_reinforced: 2026-04-20
 ---

-# [[Anisomorphism]]
+# [[Anisomorphism|Anisomorphism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "닮지 않은 것들의 간극: 같은 개념이라도 서로 다른 생태계나 언어권에서 전혀 다른 구조와 맥락을 지니고 있어, 1:1로 매칭되지 않는 '비동질성' 상태."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 글로벌 표준 하에 다국어 AI 모델링 정책 수립 시, 언어 간 애니소모피즘을 해결하기 위해 고차원 임베딩 공간(Embedding Space)에서 공통 의미를 찾는 'Cross-lingual Alignment 정책'이 연구의 핵심이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Structuralism]], [[Universal-Grammar]], [[Vocabulary-Expansion]], Pattern Recognition, [[Standardization vs Innovation]]
+- [[Structuralism|Structuralism]], [[Universal-Grammar|Universal-Grammar]], [[Vocabulary-Expansion|Vocabulary-Expansion]], Pattern Recognition, [[Standardization vs Innovation|Standardization vs Innovation]]
 - **Modern Tech/Tools**: XML/JSON mapping tools, NLP word embedding (Word2Vec, BERT).
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, anomaly-detection, data-science, security, quality-contr
 last_reinforced: 2026-04-20
 ---

-# [[Anomaly-Detection]]
+# [[Anomaly-Detection|Anomaly-Detection]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "정상 속에 숨은 이질감 찾기: 평소와 다른 데이터 패턴을 즉각 감지하여, 잠재적인 사고, 부정 결제, 해킹, 혹은 신기술 탄생의 징후를 골라내는 지능형 레이더."
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 보안 및 개인정보 정책에서, 단순 탐지를 넘어 보이지 않는 위협을 선제적으로 차단하는 'Zero Trust 보안 정책'의 핵심 기술로 이상 탐지 알고리즘이 채택됨.

 ## 🔗 지식 연결 (Graph)
- [[Time-Series-Analysis]], Pattern Recognition, [[Safety & Reliability]], [[Variational Autoencoders (VAE)]], [[Decision Theory]]
+- [[Time-Series-Analysis|Time-Series-Analysis]], Pattern Recognition, [[Safety & Reliability|Safety & Reliability]], [[Variational Autoencoders (VAE)|Variational Autoencoders (VAE)]], [[Decision Theory|Decision Theory]]
 - **Modern Tech/Tools**: Isolation Forest, One-Class SVM, Amazon Lookout for Metrics.
 ---
@@ -23,5 +23,5 @@ last_reinforced: 2026-04-26
 - **정책 변화:** Antigravity 프로젝트는 에이전트의 가치 체계 설계 시 인류 원리를 참고하여, 인간의 인지적 한계와 필요가 AI의 논리 구조를 형성하는 '인간 중심적 AI 설계'를 지향함.

 ## 🔗 지식 연결 (Graph)
- [[AI-Alignment]], Philosophy-of-AI, [[Trustworthy-AI]], [[Physics-Informed-Neural-Networks]]
+- [[AI-Alignment|AI-Alignment]], Philosophy-of-AI, [[Trustworthy-AI|Trustworthy-AI]], [[Physics-informed-Neural-Networks|Physics-Informed-Neural-Networks]]
 - **Raw Source:** 10_Wiki/Topics/AI/Anthropic-Principle.md
@@ -6,7 +6,7 @@ tags: [auto-reinforced, anthropomorphism, psychology, hcie-ethics, ai-design, so
 last_reinforced: 2026-04-20
 ---

-# [[Anthropomorphism]]
+# [[Anthropomorphism|Anthropomorphism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "기계에게서 인간의 얼굴을 보다: 인간이 아닌 사물, 동물, 혹은 알고리즘에 인간의 감정, 의도, 인격을 투영하여 마치 살아있는 존재처럼 느끼고 반응하는 심리적 본능."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 윤리 가이드라인 정책에서, AI가 인간인 척 속이는 행위를 금지하고 "저는 인공지능입니다"라고 명시하게 하는 '정체성 투명성 정책'이 법제화되는 추세임.

 ## 🔗 지식 연결 (Graph)
- [[Agent Personality]], Human-Computer Interaction (HCI), [[Psychology & Behavior]], [[Ethics & AI]], [[AI Humanism]]
+- [[Agent Personality|Agent Personality]], Human-Computer Interaction (HCI), [[Psychology & Behavior|Psychology & Behavior]], [[Ethics & AI|Ethics & AI]], [[AI Humanism|AI Humanism]]
 - **Modern Tech/Tools**: Virtual influencers, AI companion apps (Replika), Humanoid robots.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, anticipation, predictive-processing, futures-thinking, p
 last_reinforced: 2026-04-20
 ---

-# [[Anticipation]]
+# [[Anticipation|Anticipation]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "미래를 현재로 끌어오기: 다음에 일어날 일을 미리 예측하고, 그 예측된 미래에 맞춰 현재의 행동을 최적화함으로써 충격을 예방하거나 기회를 선점하는 지능형 시간 관리."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 비즈니스 운영 정책에서, 수동적 대응(Reactive) 대신 이상 징후를 선제적으로 감지하고 대응하는 '예방적 유지보수(Predictive Maintenance) 정책'이 데이터 사이언스의 핵심 목표가 됨.

 ## 🔗 지식 연결 (Graph)
- [[Strategic-Planning]], [[Reward Prediction Error]], [[Decision Theory]], Pattern Recognition, [[Anisomorphism]]
+- [[Strategic-Planning|Strategic-Planning]], [[Reward Prediction Error|Reward Prediction Error]], [[Decision Theory|Decision Theory]], Pattern Recognition, [[Anisomorphism|Anisomorphism]]
 - **Modern Tech/Tools**: Predictive analytics, Scenario planning, Futures wheel.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, antifragility, risk-management, Nassim-Taleb, resilience
 last_reinforced: 2026-04-20
 ---

-# [[Antifragility]]
+# [[Antifragility|Antifragility]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "혼란을 먹고 자라는 힘: 충격을 받으면 단순히 버티는(Robust) 것을 넘어, 그 무질서와 압박으로부터 학습하고 진화하여 이전보다 더 강력해지는 최상위 시스템의 생존 전략."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 금융 및 국가 위기 관리 정책에서, 예측 불가능한 '블랙 스완'을 맞추려 노력하기보다 어떤 충격에도 적응하고 진화하는 '안티프래질 인프라 정책' 수립이 필수가 됨.

 ## 🔗 지식 연결 (Graph)
- [[Robustness]], [[Adaptability]], [[Reinforcement Learning (RL)]], [[Ps-Reinforce]], [[Agile-Philosophy]], [[Decision Theory]]
+- [[Robustness|Robustness]], [[Adaptability|Adaptability]], [[Reinforcement Learning (RL)|Reinforcement Learning (RL)]], [[Ps-Reinforce|Ps-Reinforce]], [[Agile-Philosophy|Agile-Philosophy]], [[Decision Theory|Decision Theory]]
 - **Modern Tech/Tools**: Netflix Chaos Monkey (Chaos Engineering), Decentralized systems.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, antinomianism, religion, ethics, law-free, philosophy]
 last_reinforced: 2026-04-20
 ---

-# [[Antinomianism]]
+# [[Antinomianism|Antinomianism]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "율법을 넘어선 자유: 도덕적 법이나 종교적 규칙이 구원을 보장하지 않으며, 오직 믿음이나 내적 영성만으로 충분하므로 기성 규칙에 얽매일 필요가 없다는 반주관주의적 태도."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 디지털 거버넌스 정책에서, 법 집행이 불가능한 탈중앙화 공간 등이 '디지털 안티노미안' 지대로 부상하며, 법과 기술적 자유 사이의 새로운 합의점(Smart Contract 등)을 찾는 정책 연구가 활발해짐.

 ## 🔗 지식 연결 (Graph)
- [[Anarchism]], [[Anarcho-Capitalism]], [[Ethics & AI]], [[Standardization vs Innovation]], [[Sociology of Knowledge]]
+- [[Anarchism|Anarchism]], [[Anarcho-Capitalism|Anarcho-Capitalism]], [[Ethics & AI|Ethics & AI]], [[Standardization vs Innovation|Standardization vs Innovation]], [[Sociology of Knowledge|Sociology of Knowledge]]
 - **Modern Tech/Tools**: Permissionless networks (Blockchain).
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, anxiety, psychology, mental-health, future-threat, emoti
 last_reinforced: 2026-04-20
 ---

-# [[Anxiety]]
+# [[Anxiety|Anxiety]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "미래를 향한 잘못된 알람: 다가올 수 있는 불확실한 위협에 대해 뇌가 끊임없이 경고 신호를 보내며, 현재의 평안을 갉아먹고 신체를 긴장 상태로 유지하는 그림자 같은 정서."
@@ -26,6 +26,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 디지털 중독 및 SNS 환경 정책에서, '끊임없는 비교'가 낳는 불안(FOMO)을 방지하기 위해 플랫폼의 알림 디자인 규제 및 디지털 웰빙 정책이 강화됨.

 ## 🔗 지식 연결 (Graph)
- [[Anticipation]], [[Psychology & Behavior]], [[Risk-Management]], [[Decision Theory]], [[Antifragility]]
+- [[Anticipation|Anticipation]], [[Psychology & Behavior|Psychology & Behavior]], [[Risk-Management|Risk-Management]], [[Decision Theory|Decision Theory]], [[Antifragility|Antifragility]]
 - **Modern Tech/Tools**: Mindfulness apps (Headspace), Biofeedback wearables.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, logical-reasoning, counterexample, debate, critical-thin
 last_reinforced: 2026-04-20
 ---

-# [[Arguing-by-Counterexample]]
+# [[Arguing-by-Counterexample|Arguing-by-Counterexample]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "단 하나의 예외로 거대 이론 무너뜨리기: '모든 백조는 희다'라는 주장에 대해 단 한 마리의 흑고니를 보여줌으로써, 일반화된 명제의 오류를 즉각적으로 증명하는 가장 날카로운 논리적 반박 기술."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AI 모델의 안전성 검증 정책에서, 모델이 "나는 인간을 해치지 않는다"고 장담하더라도 레드팀(Red-teaming)이 단 하나의 공격 성공 사례(반례)를 찾아내면 안전 등급을 강등시키는 'Worst-case 기반 안전 정책'이 표준이 됨.

 ## 🔗 지식 연결 (Graph)
- [[Logic]], Philosophy of Science, [[Anomaly-Detection]], [[Self-Correction Mechanisms]], [[Type 1 vs Type 2 Errors]]
+- [[Logic|Logic]], Philosophy of Science, [[Anomaly-Detection|Anomaly-Detection]], Self-Correction Mechanisms, [[Type 1 vs Type 2 Errors|Type 1 vs Type 2 Errors]]
 - **Modern Tech/Tools**: Formal verification methods, Adversarial red-teaming.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, arrangement, composition, design, systems-thinking, stru
 last_reinforced: 2026-04-20
 ---

-# [[Arrangement-and-Composition]]
+# [[Arrangement-and-Composition|Arrangement-and-Composition]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "배열이 창조하는 의미: 개별 요소들은 그대로일지라도 그것들을 어떤 순서로, 어떤 간격으로 배치하느냐에 따라 전체 시스템의 기능과 미적 가치가 완전히 달라지는 '관계의 인지 과학'."
@@ -29,6 +29,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 음악 및 영상 창작 정책에서, AI가 개별 음표가 아닌 '악기 간의 배치(Arrangement)'와 '전체 흐름(Composition)'을 학습하여 인간 프로듀서 수준의 곡을 완성하는 'AI 오케스트레이션 정책'이 실용화됨.

 ## 🔗 지식 연결 (Graph)
- [[Structural Principles]], [[Aesthetic-Value]], Design Theory, [[Agent Architecture]], [[Workflow-Integrity]]
+- [[Structural Principles|Structural Principles]], [[Aesthetic-Value|Aesthetic-Value]], Design Theory, [[Agent Architecture|Agent Architecture]], [[Workflow-Integrity|Workflow-Integrity]]
 - **Modern Tech/Tools**: Figma (Auto-layout), CSS Grid, AI-powered music arrangers (Suno, Udio).
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, articulateness, communication, clarity, language-profici
 last_reinforced: 2026-04-20
 ---

-# [[Articulateness]]
+# [[Articulateness|Articulateness]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "생각의 고해상도 출력: 머릿속의 막연한 아이디어를 명확하고 조리 있게 언어로 번역하여, 상대방의 뇌 속에 오차 없이 전달하는 지적 표현력의 정교함."
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 글로벌 협업 정책에서, 다국어 환경의 오해를 줄이기 위해 최대한 단순하고 명확한 용어로 소통하는 'Plain Language 정책'이 비즈니스 의사소통의 표준 가이드라인으로 채택됨.

 ## 🔗 지식 연결 (Graph)
- [[Scientific Communication]], [[Vocabulary-Expansion]], Prompt-Engineering-Strategies, [[Analysis]], [[Leadership]]
+- [[Scientific Communication|Scientific Communication]], [[Vocabulary-Expansion|Vocabulary-Expansion]], Prompt-Engineering-Strategies, [[Analysis|Analysis]], [[Leadership|Leadership]]
 - **Modern Tech/Tools**: Grammarly (Tone detection), AI writing assistants.
 ---
@@ -6,7 +6,7 @@ tags: [auto-reinforced, agi, artificial-general-intelligence, singularity, super
 last_reinforced: 2026-04-20
 ---

-# [[Artificial General Intelligence (AGI)]]
+# [[Artificial General Intelligence (AGI)|Artificial General Intelligence (AGI)]]

 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "인간 지능의 디지털 복제판: 특정 태스크에 국한되지 않고, 인간이 할 수 있는 모든 지적 작업을 수행, 학습, 응용하며 스스로 새로운 지식을 창조할 수 있는 '범용적' 인공지능."
@@ -27,6 +27,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: AGI가 가져올 인류 실존적 위협(Existential Risk) 정책에 대응하기 위해, 거대 모델 개발사에 대한 강력한 안전 준수 의무와 국가 차원의 '슈퍼 얼라인먼트(Superalignment)' 연구 투자가 정책의 최우선 과제가 됨.

 ## 🔗 지식 연결 (Graph)
- [[Artificial Intelligence (AI)]], Singularity, [[Alignment]], [[AI Safety]], Foundational Models, [[Ps-Reinforce]]
+- [[Artificial Intelligence (AI)|Artificial Intelligence (AI)]], Singularity, [[Alignment|Alignment]], [[AI Safety|AI Safety]], Foundational Models, [[Ps-Reinforce|Ps-Reinforce]]
 - **Modern Tech/Tools**: Large Language Models, Multi-modal models, World simulators.
 ---
--- a/Show More
+++ b/Show More