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.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,255 @@
|
||||
---
|
||||
id: wiki-2026-0508-bounded-rationality
|
||||
title: Bounded Rationality
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [제한적 합리성, satisficing, Herbert Simon, heuristic, ecological rationality, fast and frugal]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.92
|
||||
verification_status: applied
|
||||
tags: [decision-theory, behavioral-economics, simon, satisficing, heuristic, cognitive-limit, ai-decision]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: decision theory
|
||||
applicable_to: [Agent Design, Decision Systems, Heuristic Algorithms]
|
||||
---
|
||||
|
||||
# Bounded Rationality
|
||||
|
||||
## 📌 한 줄 통찰
|
||||
> **"매 perfect optimization 의 X — 매 'good enough' 의 satisfice"**. Herbert Simon (1955) 의 Nobel-winning concept. 매 cognitive limit + 매 information limit + 매 time limit. 매 heuristic 의 not-irrational 가, 매 적응적. 매 modern AI agent 의 design principle.
|
||||
|
||||
## 📖 핵심
|
||||
|
||||
### 매 3 limit (Simon)
|
||||
1. **Limited information**: 매 모든 의 X.
|
||||
2. **Cognitive limits**: 매 brain capacity.
|
||||
3. **Time pressure**: 매 deadline.
|
||||
|
||||
→ 매 "rational man" 의 fiction.
|
||||
|
||||
### Satisficing (Simon's term)
|
||||
- 매 "satisfy + suffice".
|
||||
- 매 enumerate 의 X — 매 첫 매 acceptable.
|
||||
- 매 aspiration level 의 set.
|
||||
- 매 search 의 stop.
|
||||
|
||||
### vs Optimization
|
||||
| Optimization | Satisficing |
|
||||
|---|---|
|
||||
| 매 모든 alternative | 매 sequential evaluation |
|
||||
| 매 perfect | 매 good enough |
|
||||
| 매 unrealistic | 매 realistic |
|
||||
| 매 expensive | 매 cheap |
|
||||
|
||||
### 매 Gigerenzer 의 Fast & Frugal
|
||||
- 매 simple heuristic 의 complex model 의 outperform.
|
||||
- 매 ecological rationality.
|
||||
- 매 "less is more".
|
||||
|
||||
#### Take-The-Best
|
||||
- 매 cue 의 importance order.
|
||||
- 매 first discriminating cue 의 stop.
|
||||
|
||||
#### Recognition heuristic
|
||||
- 매 "I recognize A but not B" → "A is bigger".
|
||||
- 매 ignorance 의 leverage.
|
||||
|
||||
#### Tallying
|
||||
- 매 매 cue 의 vote (no weight).
|
||||
- 매 robust.
|
||||
|
||||
### 매 Tversky-Kahneman 의 heuristic + bias
|
||||
- **Availability**: 매 recent / vivid 의 over-weight.
|
||||
- **Representativeness**: 매 stereotype.
|
||||
- **Anchoring**: 매 starting point.
|
||||
- **Affect**: 매 emotion.
|
||||
|
||||
→ 매 Simon 과 의 different 측 (heuristic 의 mostly biased).
|
||||
|
||||
### 매 modern AI 의 적용
|
||||
|
||||
#### Anytime algorithm
|
||||
- 매 매 시점 의 best-so-far.
|
||||
- 매 interrupt OK.
|
||||
- 매 더 길 → 매 better.
|
||||
|
||||
#### Iterative deepening
|
||||
- 매 incremental search.
|
||||
- 매 best within budget.
|
||||
|
||||
#### MCTS (Monte Carlo Tree Search)
|
||||
- 매 simulation budget 의 increase 의 better.
|
||||
- 매 AlphaGo 의 base.
|
||||
|
||||
#### Bounded planning (POMDP)
|
||||
- 매 horizon 의 limit.
|
||||
- 매 receding horizon control.
|
||||
|
||||
#### LLM agent
|
||||
- 매 ReAct loop 의 step budget.
|
||||
- 매 thought 의 brief.
|
||||
- 매 tool 의 limited.
|
||||
|
||||
#### Risk management
|
||||
- 매 satisficing on cost / quality / time.
|
||||
- 매 Pareto front.
|
||||
|
||||
### 매 design principle
|
||||
1. **Aspiration level**: 매 stopping criterion 의 explicit.
|
||||
2. **Heuristic 의 design**: 매 ecological match.
|
||||
3. **Anytime**: 매 interrupt 의 robust.
|
||||
4. **Default**: 매 safe fallback.
|
||||
5. **Search depth**: 매 budget 의 cap.
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### Satisficing search
|
||||
```python
|
||||
def satisficing_search(candidates, threshold, evaluator):
|
||||
"""매 첫 매 threshold 의 candidate 의 return."""
|
||||
for c in candidates:
|
||||
if evaluator(c) >= threshold:
|
||||
return c
|
||||
return None # 매 fallback to best-so-far OR raise
|
||||
|
||||
# 매 alternative: best-so-far with timeout
|
||||
def best_so_far(candidates, timeout_sec, evaluator):
|
||||
best, best_score = None, float('-inf')
|
||||
deadline = time.time() + timeout_sec
|
||||
for c in candidates:
|
||||
if time.time() > deadline: break
|
||||
s = evaluator(c)
|
||||
if s > best_score: best, best_score = c, s
|
||||
return best
|
||||
```
|
||||
|
||||
### Take-The-Best (Gigerenzer)
|
||||
```python
|
||||
def take_the_best(options, cue_validity_order):
|
||||
"""매 cue 의 order 의 따라 의 first discriminating."""
|
||||
for cue in cue_validity_order:
|
||||
with_cue = [o for o in options if o[cue]]
|
||||
without_cue = [o for o in options if not o[cue]]
|
||||
if with_cue and without_cue:
|
||||
return random.choice(with_cue) # 매 cue-positive 의 win
|
||||
return random.choice(options) # 매 fallback
|
||||
```
|
||||
|
||||
### Anytime algorithm (MCTS-like)
|
||||
```python
|
||||
class AnytimeMCTS:
|
||||
def __init__(self):
|
||||
self.root = Node()
|
||||
|
||||
def search(self, deadline):
|
||||
while time.time() < deadline:
|
||||
self.simulate_one()
|
||||
return self.root.best_action()
|
||||
|
||||
def simulate_one(self):
|
||||
# 매 select → expand → simulate → backprop
|
||||
...
|
||||
```
|
||||
|
||||
### Aspiration level (negotiation)
|
||||
```python
|
||||
class Negotiator:
|
||||
def __init__(self, aspiration=100, reservation=70):
|
||||
self.aspiration = aspiration # 매 target
|
||||
self.reservation = reservation # 매 walk-away
|
||||
|
||||
def evaluate(self, offer):
|
||||
if offer >= self.aspiration: return 'accept'
|
||||
if offer >= self.reservation: return 'consider'
|
||||
return 'reject'
|
||||
```
|
||||
|
||||
### LLM agent budget
|
||||
```python
|
||||
class BoundedAgent:
|
||||
def __init__(self, max_steps=10, max_tools=5):
|
||||
self.max_steps = max_steps
|
||||
self.max_tools = max_tools
|
||||
|
||||
async def run(self, query):
|
||||
for step in range(self.max_steps):
|
||||
thought = await self.llm.think(query, history)
|
||||
if thought.action == 'final': return thought.answer
|
||||
if thought.action == 'tool' and self.tool_count < self.max_tools:
|
||||
result = await self.execute_tool(thought)
|
||||
history.append(result)
|
||||
self.tool_count += 1
|
||||
else:
|
||||
# 매 satisfice with current
|
||||
return self.fallback(query, history)
|
||||
return self.fallback(query, history)
|
||||
```
|
||||
|
||||
→ 매 unbounded thinking 의 X.
|
||||
|
||||
### Default action (safe fallback)
|
||||
```python
|
||||
def safe_action(state):
|
||||
"""매 unsure 시 의 default."""
|
||||
if state.confidence < 0.5: return 'do_nothing'
|
||||
if state.risk > 0.8: return 'ask_human'
|
||||
return state.best_action
|
||||
```
|
||||
|
||||
### Recognition heuristic (info gap)
|
||||
```python
|
||||
def recognition_heuristic(a, b, recognized_set):
|
||||
"""매 "I recognize A but not B" → A is bigger."""
|
||||
in_a, in_b = a in recognized_set, b in recognized_set
|
||||
if in_a and not in_b: return a
|
||||
if in_b and not in_a: return b
|
||||
return None # 매 둘 다 / 둘 다 X — 매 다른 cue 필요
|
||||
```
|
||||
|
||||
## 🤔 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Limited time | Satisficing + aspiration |
|
||||
| Limited info | Heuristic (Take-The-Best) |
|
||||
| Continuous decision | Anytime |
|
||||
| Game / search | MCTS |
|
||||
| LLM agent | Step budget + fallback |
|
||||
| Critical | Default safe + escalate |
|
||||
| Unknown environment | Tallying (robust) |
|
||||
|
||||
**기본값**: 매 aspiration level + 매 anytime + 매 default fallback.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Decision Theory]] · [[Behavioral-Economics]]
|
||||
- 변형: [[Satisficing]] · [[Heuristic]] · [[Fast-and-Frugal]] · [[Ecological-Rationality]]
|
||||
- 사상가: [[Herbert-Simon]] · [[Tversky-Kahneman]]
|
||||
- 응용: [[MCTS]] · [[POMDP]] · [[Receding-Horizon-Control]]
|
||||
- Adjacent: [[Antifragility]] · [[Beliefs]] · [[Bayesian-Brain-Hypothesis]] · [[Articulateness]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 agent design (budget). 매 search algorithm. 매 negotiation. 매 risk management. 매 fallback design.
|
||||
**언제 X**: 매 closed-form optimization (math). 매 critical safety (no satisfice).
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Optimize 의 unbounded**: 매 무한 search.
|
||||
- **No fallback**: 매 budget exhausted 시 의 crash.
|
||||
- **Heuristic 의 bias 의 conflate**: 매 mostly different.
|
||||
- **모든 problem 의 satisfice**: 매 critical 의 X.
|
||||
- **Anytime 없 의 long-running**: 매 interruption 의 lose.
|
||||
- **Aspiration 의 too high**: 매 reject only.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Simon Nobel lecture, Gigerenzer Simple Heuristics, Kahneman Thinking).
|
||||
- 신뢰도 A.
|
||||
- Related: [[Antifragility]] · [[Heuristic]] · [[MCTS]] · [[Decision Theory]] · [[Beliefs]].
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — Simon + Gigerenzer + 매 satisficing / Take-The-Best / agent budget code |
|
||||
Reference in New Issue
Block a user