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 +1,161 @@
|
||||
---
|
||||
id: wiki-2026-0508-memetics
|
||||
title: Memetics
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [Meme Theory, Cultural Evolution, Dawkins Memetics]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.85
|
||||
verification_status: applied
|
||||
tags: [memetics, cultural-evolution, evolutionary-theory, information-theory]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: conceptual
|
||||
framework: evolutionary-theory
|
||||
---
|
||||
|
||||
# Memetics
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 cultural unit propagates 의 selection-replication-mutation 의 동일 logic"**. Dawkins 1976 *The Selfish Gene* 의 마지막 chapter 의 introduced — meme 의 cultural analog 의 gene. 매 modern state (2026) 의 contested 으로 남음 — academic 의 quasi-discipline 으로 fade 했지만 social media virality / LLM training data analysis 에서 매 explanatory framework 으로 revival.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 정의
|
||||
- **Meme**: 매 cultural information unit (idea, behavior, style) 의 host-to-host transmission 가능.
|
||||
- **Replicator**: 매 self-copying entity — gene 의 cultural counterpart.
|
||||
- **Memeplex**: 매 co-replicating memes 의 cluster (e.g., religion = belief + ritual + identity meme bundle).
|
||||
|
||||
### 매 Darwinian 3-step
|
||||
- **Variation**: 매 transmission 의 mutations (mishearing, reinterpretation).
|
||||
- **Selection**: 매 attention / memory / social reward 의 differential survival pressure.
|
||||
- **Heredity**: 매 high-fidelity copying 의 (vs. paraphrase) winning long-term.
|
||||
|
||||
### 매 응용
|
||||
1. **Internet virality** — 매 K-factor (replication rate) 의 explicit modeling.
|
||||
2. **LLM training corpus** — 매 dominant memes 의 over-representation 의 model bias.
|
||||
3. **Disinformation analysis** — 매 hostile memeplex 의 spread dynamics.
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### 매 K-factor 의 simulation (epidemiological meme spread)
|
||||
```python
|
||||
import numpy as np
|
||||
import matplotlib.pyplot as plt
|
||||
|
||||
def simulate_meme_spread(N=10000, beta=0.3, gamma=0.1, days=60, seed=42):
|
||||
"""SIR-style meme spread. beta = transmission rate, gamma = forget rate."""
|
||||
rng = np.random.default_rng(seed)
|
||||
S, I, R = N - 1, 1, 0
|
||||
history = []
|
||||
for day in range(days):
|
||||
new_inf = rng.binomial(S, 1 - np.exp(-beta * I / N))
|
||||
new_rec = rng.binomial(I, gamma)
|
||||
S -= new_inf
|
||||
I += new_inf - new_rec
|
||||
R += new_rec
|
||||
history.append((day, S, I, R))
|
||||
return history
|
||||
|
||||
hist = simulate_meme_spread()
|
||||
peak_day = max(hist, key=lambda x: x[2])
|
||||
print(f"Peak adoption day {peak_day[0]}, infected={peak_day[2]}")
|
||||
```
|
||||
|
||||
### 매 meme fitness 의 measurement (engagement-weighted)
|
||||
```python
|
||||
def meme_fitness(impressions: int, shares: int, completion_rate: float, novelty: float) -> float:
|
||||
"""Composite fitness — higher means stronger replicator."""
|
||||
if impressions == 0:
|
||||
return 0.0
|
||||
share_rate = shares / impressions
|
||||
return share_rate * completion_rate * (1 + 0.5 * novelty)
|
||||
|
||||
# Example: TikTok clip
|
||||
print(meme_fitness(1_000_000, 50_000, 0.78, 0.6)) # → ~0.0507
|
||||
```
|
||||
|
||||
### 매 memeplex 의 cluster detection (LLM corpus analysis)
|
||||
```python
|
||||
from sklearn.feature_extraction.text import TfidfVectorizer
|
||||
from sklearn.cluster import KMeans
|
||||
|
||||
def find_memeplexes(documents: list[str], k: int = 8):
|
||||
"""Identify co-occurring meme clusters in a corpus."""
|
||||
vec = TfidfVectorizer(max_features=5000, ngram_range=(1, 3), stop_words="english")
|
||||
X = vec.fit_transform(documents)
|
||||
km = KMeans(n_clusters=k, random_state=42, n_init=10).fit(X)
|
||||
|
||||
terms = vec.get_feature_names_out()
|
||||
for cluster_id in range(k):
|
||||
center = km.cluster_centers_[cluster_id]
|
||||
top = center.argsort()[-10:][::-1]
|
||||
print(f"Memeplex {cluster_id}: {[terms[i] for i in top]}")
|
||||
|
||||
# usage: find_memeplexes(reddit_posts, k=12)
|
||||
```
|
||||
|
||||
### 매 mutation rate 의 quantification (paraphrase distance)
|
||||
```python
|
||||
from sentence_transformers import SentenceTransformer
|
||||
import numpy as np
|
||||
|
||||
model = SentenceTransformer("all-MiniLM-L6-v2")
|
||||
|
||||
def transmission_fidelity(original: str, retransmissions: list[str]) -> float:
|
||||
"""1.0 = perfect copy, 0.0 = unrelated."""
|
||||
orig_vec = model.encode(original, normalize_embeddings=True)
|
||||
re_vecs = model.encode(retransmissions, normalize_embeddings=True)
|
||||
sims = re_vecs @ orig_vec
|
||||
return float(np.mean(sims))
|
||||
```
|
||||
|
||||
### 매 selfish-meme 의 detector (cost-to-host)
|
||||
```python
|
||||
def selfish_meme_score(replication_rate: float, host_wellbeing_delta: float) -> float:
|
||||
"""High when meme spreads strongly while harming hosts (e.g., conspiracy theories)."""
|
||||
return replication_rate / (1 + max(0, host_wellbeing_delta))
|
||||
|
||||
# Healthy meme (positive impact, low spread): 0.5
|
||||
print(selfish_meme_score(replication_rate=0.5, host_wellbeing_delta=0.5)) # 0.33
|
||||
# Selfish meme (negative impact, high spread): high score
|
||||
print(selfish_meme_score(replication_rate=2.0, host_wellbeing_delta=-0.8)) # 2.0
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| 매 single viral content 의 spread modeling | SIR with measured beta/gamma |
|
||||
| 매 long-term cultural change (years+) | Multi-meme co-evolution + selection landscape |
|
||||
| 매 LLM training bias 분석 | Memeplex cluster detection on corpus |
|
||||
| 매 disinformation campaign 의 detection | Selfish-meme scoring + network propagation graph |
|
||||
|
||||
**기본값**: 매 SIR-style modeling 의 first pass — 매 quantitative grip 후 refinement.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Cultural Evolution]]
|
||||
- 변형: [[Entropy in Information Theory|Information Theory]]
|
||||
- Adjacent: [[Behavioral Economics]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 viral content design / disinformation defense / training corpus 의 bias diagnosis.
|
||||
**언제 X**: 매 individual cognition modeling — meme 의 statistical-population concept 의 individual prediction 의 부적합.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **매 "meme = funny image"**: 매 internet vernacular 의 academic concept 의 confuse.
|
||||
- **매 over-Darwinizing culture**: 매 every cultural change 의 selection 의 attribute — many are random drift / institutional choice.
|
||||
- **매 ignoring transmission medium**: 매 medium 의 selection pressure 의 dominant — TV vs Twitter vs TikTok 의 different memeplex 의 favor.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Dawkins *The Selfish Gene* 1976; Blackmore *The Meme Machine* 1999; Boyd & Richerson *Culture and the Evolutionary Process* 1985).
|
||||
- 신뢰도 A (foundational) — but applied predictions 의 신뢰도 B.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — memetics 의 core theory + simulation/cluster patterns 추가 |
|
||||
Reference in New Issue
Block a user