docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거

Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
2026-07-05 00:33:48 +09:00
parent 1cfd3bbb56
commit 9148c358d0
6455 changed files with 1 additions and 86875 deletions
@@ -0,0 +1,224 @@
+---
+id: wiki-2026-0508-beliefs
+title: Beliefs
+category: 10_Wiki/Topics
+status: verified
+canonical_id: self
+aliases: [신념, belief revision, Bayesian belief, knowledge, confirmation bias, doxastic logic]
+duplicate_of: none
+source_trust_level: B
+confidence_score: 0.85
+verification_status: applied
+tags: [epistemology, beliefs, knowledge, bayesian, confirmation-bias, ai-belief, doxastic-logic]
+raw_sources: []
+last_reinforced: 2026-05-10
+github_commit: pending
+tech_stack:
+  language: epistemology / cognitive science
+  applicable_to: [Agent Beliefs, RAG Trust, Bias Mitigation]
+---
+
+# Beliefs
+
+## 📌 한 줄 통찰
+> **"매 mind 의 잠정적 결론"**. 매 evidence 의 objective ↔ subjective 의 confidence. 매 action 의 trigger. 매 AI 의 응용 — 매 agent 의 belief state, 매 RAG 의 trust scoring, 매 confirmation bias 의 detect.
+
+## 📖 핵심
+
+### 매 정의 (philosophical)
+- **Belief**: 매 proposition 의 true 의 mental acceptance.
+- **Knowledge**: 매 Justified True Belief (Plato).
+- **Gettier problem**: JTB 가 X 의 case (Gettier 1963).
+- → 매 knowledge 의 stricter (no luck / safety / sensitivity).
+
+### 매 belief 의 type
+1. **Occurrent**: 매 active conscious thought.
+2. **Dispositional**: 매 stored, 매 retrieve 매 ready.
+3. **De dicto vs de re**: 매 about-words vs about-thing.
+4. **Implicit / explicit**: 매 articulate-able.
+
+### 매 belief revision (AGM)
+- **Expansion**: 매 add (no conflict).
+- **Contraction**: 매 remove.
+- **Revision**: 매 add + remove 매 conflicting.
+- **Postulates**: 매 closure, success, consistency, ...
+
+### Bayesian belief
+- 매 belief = 매 probability (degree of confidence).
+- 매 update via Bayes (Cox theorem).
+- 매 coherent.
+- 매 modern AI 의 standard.
+
+### 매 cognitive bias (belief 관련)
+1. **Confirmation bias**: 매 belief 의 confirm 의 selective.
+2. **Belief perseverance**: 매 disconfirming evidence 후 의 retain.
+3. **Backfire effect**: 매 disconfirming evidence 의 strengthen.
+4. **Sunk cost**: 매 commitment 의 belief 의 maintain.
+5. **Motivated reasoning**: 매 want 의 believe.
+
+### 매 AI / agent 의 응용
+
+#### Belief state (POMDP)
+- 매 partially observable.
+- 매 belief = 매 distribution over state.
+- 매 action 의 belief 의 update.
+
+#### RAG trust score
+- 매 retrieved document 의 belief.
+- 매 confidence = recency × authority × consistency.
+
+#### Multi-agent BDI (Belief-Desire-Intention)
+- 매 belief: world state.
+- 매 desire: goal.
+- 매 intention: committed plan.
+- 매 PRS, JADE.
+
+#### LLM 의 belief
+- 매 train 의 belief 의 instillation.
+- 매 RLHF 의 alignment.
+- 매 calibration: 매 P(true) 의 actual frequency.
+
+### 매 epistemic logic
+- 매 K_a φ: 매 agent a 의 knows φ.
+- 매 B_a φ: 매 belief.
+- 매 multi-agent: 매 common knowledge.
+- 매 Aumann's agreement theorem: 매 rational 의 동의.
+
+## 💻 패턴 (응용)
+
+### Bayesian belief update
+```python
+def update_belief(prior, likelihood_true, likelihood_false, evidence):
+    # P(H | E) = P(E | H) * P(H) / P(E)
+    posterior_unnorm = likelihood_true * prior
+    evidence_prob = likelihood_true * prior + likelihood_false * (1 - prior)
+    return posterior_unnorm / evidence_prob
+
+belief = 0.3  # 매 prior
+belief = update_belief(belief, 0.9, 0.2, evidence=True)  # 매 0.66
+belief = update_belief(belief, 0.9, 0.2, evidence=True)  # 매 0.90
+```
+
+### POMDP belief state
+```python
+class POMDPBelief:
+    def __init__(self, n_states, prior):
+        self.belief = prior  # np.array, sum=1
+    
+    def update(self, action, observation, T, O):
+        # T: transition matrix, O: observation matrix
+        new_belief = np.zeros_like(self.belief)
+        for s_next in range(len(self.belief)):
+            new_belief[s_next] = O[s_next, observation] * \
+                sum(T[s, s_next, action] * self.belief[s] for s in range(len(self.belief)))
+        new_belief /= new_belief.sum()
+        self.belief = new_belief
+```
+
+### BDI agent
+```python
+class BDIAgent:
+    def __init__(self):
+        self.beliefs = {}     # 매 facts about world
+        self.desires = []     # 매 goals
+        self.intentions = []  # 매 active plans
+    
+    def perceive(self, observations):
+        for obs in observations:
+            self.beliefs[obs.key] = obs.value
+    
+    def deliberate(self):
+        # 매 desire selection based on belief
+        feasible = [d for d in self.desires if self.is_feasible(d)]
+        return max(feasible, key=lambda d: d.priority)
+    
+    def plan(self, goal):
+        # 매 belief 기반 의 plan
+        return planner.plan(self.beliefs, goal)
+    
+    def execute(self):
+        if not self.intentions:
+            goal = self.deliberate()
+            self.intentions = self.plan(goal)
+        action = self.intentions.pop(0)
+        return action
+```
+
+### LLM calibration
+```python
+def calibration_check(model, eval_set):
+    # 매 P(true) 의 declared confidence vs actual
+    bins = [(0, 0.1), (0.1, 0.2), ..., (0.9, 1.0)]
+    bin_correct = {b: [] for b in bins}
+    
+    for example in eval_set:
+        response = model.generate(example.prompt + ' Reply with answer and confidence (0-1).')
+        ans, conf = parse(response)
+        actual = (ans == example.expected)
+        for b in bins:
+            if b[0] <= conf < b[1]:
+                bin_correct[b].append(actual)
+                break
+    
+    # 매 ECE (Expected Calibration Error)
+    ece = sum(abs(np.mean(corr) - (b[0]+b[1])/2) * len(corr) / len(eval_set)
+              for b, corr in bin_correct.items() if corr)
+    return ece
+```
+
+→ 매 well-calibrated = ECE 낮음.
+
+### Confirmation bias detector
+```python
+def detect_confirmation_bias(query, results, user_belief):
+    # 매 user 의 belief 의 align 의 source 만 의 click?
+    aligning = [r for r in results if r.aligns_with(user_belief)]
+    clicked_aligning = sum(1 for r in aligning if r.clicked)
+    clicked_total = sum(1 for r in results if r.clicked)
+    
+    if clicked_total == 0: return None
+    bias_ratio = clicked_aligning / clicked_total
+    return bias_ratio  # 매 > 0.7 = 매 strong confirmation bias
+```
+
+## 🤔 결정 기준
+| 응용 | Approach |
+|---|---|
+| Agent world model | POMDP belief |
+| RAG trust | Source authority + consistency |
+| Multi-agent | BDI |
+| LLM calibration | ECE + temperature scaling |
+| User UX | Diverse perspective + bias detect |
+| Knowledge graph | Justified belief (provenance) |
+
+**기본값**: Bayesian belief + ECE calibration + diverse evidence.
+
+## 🔗 Graph
+- 부모: [[Epistemology]]
+- 변형: [[Knowledge]] · [[Bayesian-Belief]] · [[Doxastic-Logic]]
+- 응용: [[POMDP]]
+- 비판: [[Confirmation Bias]]
+- Adjacent: [[Bayesian-Brain-Hypothesis]] · [[Multi-agent-System|Multi-Agent-Systems]]
+
+## 🤖 LLM 활용
+**언제**: 매 agent design (belief state). 매 RAG trust scoring. 매 LLM calibration eval. 매 bias detection.
+**언제 X**: 매 metaphysical claim 의 substitute. 매 single belief 의 deterministic system.
+
+## ❌ 안티패턴
+- **Belief 의 binary**: 매 confidence 의 lose.
+- **No update**: 매 stale belief.
+- **Confirmation bias 의 ignore**: 매 echo chamber.
+- **Calibration 무시**: 매 over-confident model.
+- **Multiple agent 의 belief 의 share assumption**: 매 multi-agent fail.
+- **Belief 의 hard-code**: 매 update 의 X.
+
+## 🧪 검증 / 중복
+- Verified (Plato JTB, Gettier, AGM postulates, Bayesian).
+- 신뢰도 B.
+- Related: [[Bayesian Statistics]] · [[Bayesian-Brain-Hypothesis]] · [[Confirmation Bias]] · [[POMDP]].
+
+## 🕓 Changelog
+| 날짜 | 변경 |
+|---|---|
+| 2026-05-08 | Phase 1 |
+| 2026-05-10 | Manual cleanup — JTB + AGM + Bayesian + POMDP / BDI + 매 calibration code |