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

10_Wiki/Topics_GD/Neural-Symbolic-Integration.md

@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AUTO-86032B
+id: [[P-Reinforce|P-Reinforce]]-AUTO-86032B
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
 tags: [auto-reinforced, brain-science, integration]
 last_reinforced: 2026-04-20
 ---
 
-# [[Neural-Symbolic-Integration]]
+# [[Neural-Symbolic-Integration|Neural-Symbolic-Integration]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "딥러닝의 통계적 패턴 인식과 기호주의의 논리적 규칙성을 결합하여, 해석 가능하고(Explainable) 데이터 효율적인 범용 인공지능(AGI)으로 향하는 핵심 아키텍처."
@@ -16,10 +16,10 @@ Neural-Symbolic Integration(신경-기호 통합)은 하부의 인지 단계(지
 
 1.  **동작 원리**:
     *   **Neural Component**: 이미지 인식, 음성 처리 등 비정형 데이터에서 특징(Feature)을 추출.
-    *   **Symbolic Component**: 추출된 특징을 논리적 상수로 변환하여 규칙 기반 추론([[Reasoning]]) 및 상식(Common Sense) 적용.
+    *   **Symbolic Component**: 추출된 특징을 논리적 상수로 변환하여 규칙 기반 추론([[Reasoning|Reasoning]]) 및 상식(Common Sense) 적용.
 2.  **주요 모델**:
     *   **DeepProbLog**: 신경망 출력값을 확률적 로직 프로그램의 인터페이스로 활용.
-    *   **[[Logic]] Tensor Networks (LTN)**: First-order logic을 미분 가능한 텐서 연산으로 기하학적 임베딩.
+    *   **[[Logic|Logic]] Tensor Networks (LTN)**: First-order logic을 미분 가능한 텐서 연산으로 기하학적 임베딩.
 3.  **한계 극복**:
     *   데이터 기아 현상(Data Scarcity): 이미 정의된 기호적 지식을 주입하여 학습 데이터 요구량 감소.
     *   블랙박스 문제: 최종 결론이 어떤 논리적 단계를 거쳐 도출되었는지 추적 가능(Provenance).
@@ -29,6 +29,6 @@ Neural-Symbolic Integration(신경-기호 통합)은 하부의 인지 단계(지
 - **정책 변화(RL Update)**: 단순히 두 기술을 병렬로 배치하는 수준을 넘어, 신경망 아키텍처 자체에 논리적 제약 조건(Constraints)을 손실 함수(Loss Function)로 직접 통합하는 연구가 대세임.
 
 ## 🔗 지식 연결 (Graph)
-- **Related**: [[Neuro-Symbolic AI]], [[Differentiable Programming]], Knowledge Graphs, Foundational Models
+- **Related**: [[Neuro-Symbolic AI|Neuro-Symbolic AI]], [[Differentiable Programming|Differentiable Programming]], Knowledge Graphs, Foundational Models
 - **Modern Tech/Tools**: DeepProbLog, PyTorch-LPR, Logical Tensor Networks.
 ---