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

10_Wiki/Topics_GD/Bayesian-Updating.md

@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AUTO-BAUP-001
+id: [[P-Reinforce|P-Reinforce]]-AUTO-BAUP-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.99
-tags: [auto-reinforced, bayesian-updating, learning-mechanisms, adaptive-systems, [[Feedback-Loops]]]
+tags: [auto-reinforced, bayesian-updating, learning-mechanisms, adaptive-systems, [[Feedback-Loops|Feedback-Loops]]]
 last_reinforced: 2026-04-20
 ---
 
-# [[Bayesian-Updating]]
+# [[Bayesian-Updating|Bayesian-Updating]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "유연한 사고의 알고리즘: 틀릴 수 있음을 인정하고, 매 순간 들어오는 새로운 증거를 체로 걸러 기존의 세계관을 조금씩, 그러나 과학적으로 정교하게 수정해 나가는 지능의 학습 원리."
@@ -20,14 +20,14 @@ last_reinforced: 2026-04-20
     *   **Updating (Likelihood calculation)**: 이 실수가 신뢰 가능한 상태에서 나올 확률을 계산.
     *   **Result (Posterior)**: 신뢰도를 하향 조정.
 2.  **지능 시스템에서의 의의**:
-    *   **[[Active Learning]]**: 어떤 데이터가 사후 확률을 가장 크게 변화시킬지(즉, 가장 배울 점이 많을지) 판단하여 효율적으로 학습.
-    *   **[[Robustness]]**: 노이즈 섞인 데이터 하나에 일희일비하지 않고 전체적인 추세에 따라 점진적으로 변화함 ([[Stability]]-Flexibility Dilemma 해결).
+    *   **[[Active Learning|Active Learning]]**: 어떤 데이터가 사후 확률을 가장 크게 변화시킬지(즉, 가장 배울 점이 많을지) 판단하여 효율적으로 학습.
+    *   **[[Robustness|Robustness]]**: 노이즈 섞인 데이터 하나에 일희일비하지 않고 전체적인 추세에 따라 점진적으로 변화함 (Stability-Flexibility Dilemma 해결).
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌**: 과거 AI 학습 정책은 '학습된 데이터'에 고착되는 경향(Catastrophic forgetting)이 강했으나, 현대의 베이지안 업데이트 정책은 기존 지식을 보호하며 새 정보를 통합하는 '점진적 학습 정책'을 지향함(RL Update).
 - **정책 변화(RL Update)**: 사용자 인터페이스(UI) 정책에서, 사용자의 행동 패턴을 실시간으로 베이지안 업데이트하여 인터페이스의 배치나 추천 항목을 동적으로 바꾸는 '초개인화 환경 정책'이 표준이 됨.
 
 ## 🔗 지식 연결 (Graph)
-- [[Bayes-Theorem]], [[Belief-Revision]], [[Active Learning]], [[Self-Correction Mechanisms]], [[Adaptive-Curation]]
+- [[Bayes-Theorem|Bayes-Theorem]], [[Belief-Revision|Belief-Revision]], [[Active Learning|Active Learning]], Self-Correction Mechanisms, [[Adaptive-Curation|Adaptive-Curation]]
 - **Modern Tech/Tools**: Reinforcement learning with Bayesian exploration, Online learning algorithms.
 ---