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 +1,187 @@
|
||||
---
|
||||
id: wiki-2026-0508-symbolic-ai-vs-connectionism
|
||||
title: Symbolic AI vs Connectionism
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [GOFAI vs Neural Networks, Logic vs Learning, Symbolic vs Subsymbolic]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
verification_status: applied
|
||||
tags: [ai-history, symbolic-ai, connectionism, neuro-symbolic, philosophy-of-ai]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: python
|
||||
framework: pytorch+z3
|
||||
---
|
||||
|
||||
# Symbolic AI vs Connectionism
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 symbolic 은 rules 의 manipulate, connectionist 는 weights 의 learn — 매 century-long debate"**. 매 1956 Dartmouth → 1980s expert system winter → 2012 AlexNet → 2022 ChatGPT 의 connectionist victory. 매 2026 의 답: 매 winner 없음, 매 hybrid (neuro-symbolic) 의 survive.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 historical timeline
|
||||
- **1956 Dartmouth**: McCarthy, Minsky, Newell, Simon → symbolic dominant.
|
||||
- **1958 Perceptron**: Rosenblatt — connectionist 의 first.
|
||||
- **1969 Minsky/Papert "Perceptrons"**: XOR critique — 매 first AI winter.
|
||||
- **1980s Expert Systems boom + bust**: MYCIN, knowledge engineering bottleneck.
|
||||
- **1986 Backprop (Rumelhart)**: connectionist revival.
|
||||
- **2006 Deep Belief Net (Hinton)**: deep learning awakening.
|
||||
- **2012 AlexNet**: ImageNet 의 connectionist domination 의 시작.
|
||||
- **2017 Transformer**: attention-based 의 begin.
|
||||
- **2022 ChatGPT**: scale 의 power 의 evidence.
|
||||
- **2024 AlphaProof / AlphaGeometry**: hybrid 의 IMO-level.
|
||||
- **2026 현재**: pure-symbolic ≈ niche, hybrid mainstream.
|
||||
|
||||
### 매 symbolic 진영 (GOFAI)
|
||||
- **표현**: discrete tokens, logic, rules, KG.
|
||||
- **추론**: deduction, search, unification.
|
||||
- **장점**: interpretable, compositional, sample-efficient on structured.
|
||||
- **단점**: brittle, perception fail, knowledge-engineering bottleneck.
|
||||
- **대표**: SHRDLU, Cyc, Prolog, expert systems, Z3.
|
||||
|
||||
### 매 connectionist 진영
|
||||
- **표현**: distributed embedding, weight tensor.
|
||||
- **추론**: forward/backward pass, attention, gradient descent.
|
||||
- **장점**: learns from raw data, perception, generalization.
|
||||
- **단점**: black box, hallucination, sample-hungry, OOD fragile.
|
||||
- **대표**: perceptron, CNN, LSTM, Transformer, LLM.
|
||||
|
||||
### 매 fundamental tensions
|
||||
- **Compositionality**: symbolic 의 native, connectionist 의 emergent (debated).
|
||||
- **Systematic generalization**: Marcus critique 의 핵심.
|
||||
- **Sample efficiency**: symbolic ≪ connectionist data hunger.
|
||||
- **Grounding**: connectionist 의 native, symbolic 의 needs perception layer.
|
||||
|
||||
### 매 modern synthesis (neuro-symbolic, 2026)
|
||||
- **Pattern A (LLM-as-coder)**: LLM 가 Python/Lean code 의 generate, symbolic engine 가 execute.
|
||||
- **Pattern B (NN as perception, symbolic as reasoner)**: AlphaGeometry — NN proposes constructions, DD+AR proves.
|
||||
- **Pattern C (differentiable logic)**: Scallop, DeepProbLog — gradient through logic.
|
||||
- **Pattern D (RAG with KG)**: GraphRAG, Microsoft 2024 — embedding + KG triples.
|
||||
|
||||
### 매 응용
|
||||
1. **AlphaProof**: LLM (Gemini) + Lean 4 → IMO 2024 silver.
|
||||
2. **AlphaGeometry**: NN constructions + symbolic deduction → IMO geometry gold.
|
||||
3. **GraphRAG**: KG-augmented retrieval — connectionist embed + symbolic graph traversal.
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### 1. Pure symbolic (Prolog-style)
|
||||
```prolog
|
||||
parent(tom, bob).
|
||||
parent(bob, alice).
|
||||
ancestor(X, Y) :- parent(X, Y).
|
||||
ancestor(X, Y) :- parent(X, Z), ancestor(Z, Y).
|
||||
|
||||
?- ancestor(tom, alice). % true
|
||||
```
|
||||
|
||||
### 2. Pure connectionist (Transformer)
|
||||
```python
|
||||
import torch.nn as nn
|
||||
class Tiny(nn.Module):
|
||||
def __init__(self):
|
||||
super().__init__()
|
||||
self.emb = nn.Embedding(50000, 512)
|
||||
self.tr = nn.TransformerEncoderLayer(512, 8)
|
||||
self.head = nn.Linear(512, 50000)
|
||||
def forward(self, x):
|
||||
return self.head(self.tr(self.emb(x)))
|
||||
```
|
||||
|
||||
### 3. Hybrid: LLM proposer + Z3 verifier
|
||||
```python
|
||||
import anthropic, z3
|
||||
|
||||
client = anthropic.Anthropic()
|
||||
|
||||
problem = "Find x, y in [0,100] s.t. 3x + 2y = 47, x*y is prime."
|
||||
|
||||
resp = client.messages.create(
|
||||
model="claude-opus-4-7",
|
||||
max_tokens=500,
|
||||
messages=[{"role": "user", "content":
|
||||
f"Output Z3 Python code (no prose) for: {problem}"}]
|
||||
).content[0].text
|
||||
|
||||
# Execute LLM-generated symbolic code
|
||||
exec_globals = {"z3": z3}
|
||||
exec(resp, exec_globals) # symbolic solver gives ground truth
|
||||
```
|
||||
|
||||
### 4. AlphaGeometry-style construct + verify
|
||||
```python
|
||||
def alphageometry_step(problem, llm, dd_engine):
|
||||
while not dd_engine.solved(problem):
|
||||
construction = llm.suggest_aux_construction(problem.state)
|
||||
problem.add(construction)
|
||||
dd_engine.deduce(problem) # symbolic forward chain
|
||||
return problem.proof
|
||||
```
|
||||
|
||||
### 5. GraphRAG (hybrid retrieval)
|
||||
```python
|
||||
def graph_rag(query, kg, vector_store):
|
||||
# connectionist: semantic match
|
||||
docs = vector_store.search(query, k=20)
|
||||
# symbolic: extract entities + walk KG
|
||||
entities = extract_entities(query) # NER (NN) → symbol
|
||||
subgraph = kg.k_hop_neighbors(entities, k=2)
|
||||
# combine
|
||||
return llm.answer(query, context=docs + subgraph.to_text())
|
||||
```
|
||||
|
||||
### 6. Differentiable logic (Scallop sketch)
|
||||
```python
|
||||
import scallopy
|
||||
ctx = scallopy.ScallopContext()
|
||||
ctx.add_relation("edge", (int, int))
|
||||
ctx.add_rule("path(x, y) :- edge(x, y)")
|
||||
ctx.add_rule("path(x, y) :- edge(x, z), path(z, y)")
|
||||
|
||||
# NN outputs probabilistic edges; loss flows back through reasoning
|
||||
ctx.add_facts("edge", [(0, 1, 0.9), (1, 2, 0.7)])
|
||||
ctx.run()
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Perception 의 dominant (vision, audio) | Connectionist |
|
||||
| Logical guarantees 의 필요 | Symbolic verify layer |
|
||||
| Mixed (proof, planning) | Neuro-symbolic hybrid |
|
||||
| Tabular small | Tree (gradient boosting) |
|
||||
| Knowledge-rich QA | Connectionist + KG RAG |
|
||||
| Code/math | LLM proposer + interpreter/Lean/Z3 verifier |
|
||||
|
||||
**기본값**: 매 LLM (connectionist) + verifier (symbolic) hybrid 의 pragmatic default.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Philosophy-of-AI]]
|
||||
- 변형: [[Symbols]] · [[Neural-Symbolic-Integration|Neuro-Symbolic-AI]]
|
||||
- 응용: [[GraphRAG]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: history explain, position survey, hybrid pattern design.
|
||||
**언제 X**: 매 ground truth math/logic — verifier 의 필수.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Pure symbolic 의 modern build**: 매 brittleness — knowledge engineering bottleneck.
|
||||
- **Pure connectionist 의 logical task**: 매 hallucination — verifier 의 add.
|
||||
- **Hybrid 의 over-engineer**: 매 simple task 의 simple model 으로 충분.
|
||||
- **"Connectionist won" claim**: 매 incomplete — IMO-level 의 hybrid 의 need.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Marcus "The Next Decade" 2020, Bengio·Russell·Hinton statements 2024, AlphaProof Nature 2024, Hinton Turing lecture).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — symbolic vs connectionist (history + modern hybrid) |
|
||||
Reference in New Issue
Block a user