refactor(topics): 멀티 에이전트용 지식 재편 — _Common(공통 기본기) + Domain_* 구조

에이전트 8종(대화형/프로그래머 C·S/디자이너/설계자/기획자/QA/PD/PM)에게 [공통 기본 능력 + 롤별 Specialty] 2층으로 지식을 주입하기 위한 재분류. 문서 내용·포맷은 무수정, 폴더 이동만 (6,372개 문서 수 보존 확인). - Topic_Programming → Domain_Programming (내부 구조 보존) - Topic_Graphic → Domain_Design - Topic_Business → Domain_Product - Topic_General → Domain_General - _Common 신설: Math(구 Topic_Math_Specialty), Reasoning(구 General/From_Thinking & Reasoning), Reasoning_Creativity(구 General/From_창의성), Communication(Poetic_Blog_Writing + From_writing) - 타 도메인의 From_* 폴더는 유지 (출처 표기일 뿐, 이미 도메인에 맞게 분류된 문서) - 빈 폴더 정리 (memory/procedures) - 에이전트→폴더 매핑은 workspace의 .astra/agent-knowledge-map.json (9개 에이전트) Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
2026-07-11 11:05:56 +09:00
parent 6549ead309
commit c24165b8bc
6193 changed files with 1717 additions and 31 deletions
@@ -0,0 +1,141 @@
+---
+id: wiki-2026-0508-anthropic-principle
+title: Anthropic Principle
+category: 10_Wiki/Topics
+status: verified
+canonical_id: self
+aliases: [인류 원리, fine-tuning, observer selection, anthropic reasoning]
+duplicate_of: none
+source_trust_level: B
+confidence_score: 0.83
+verification_status: conceptual
+tags: [philosophy, cosmology, physics, ai-alignment, observer-bias, fine-tuning, multiverse]
+raw_sources: []
+last_reinforced: 2026-05-10
+github_commit: pending
+tech_stack:
+  language: philosophy / physics
+  applicable_to: [AI Design, Cosmology, Selection Bias Reasoning]
+---
+
+# Anthropic Principle
+
+## 📌 한 줄 통찰
+> **"매 우주 가 정교 한 이유 = 매 우리 가 관찰 중"**. 매 selection bias 의 fundamental form. 매 fine-tuned constant 의 explain — 매 우주 가 X 의 condition X 가, 매 X 의 case 의 매 observer X. 매 AI 의 design 의 응용 — 매 human 의 feedback 의 alignment 의 same selection.
+
+## 📖 핵심
+
+### 매 정의
+- **WAP (Weak Anthropic Principle)**: 매 우주 의 매 observer 의 location 의 매 life-supporting condition.
+- **SAP (Strong Anthropic Principle)**: 매 우주 의 매 어느 시점 의 intelligent life 의 inevitable.
+- **PAP (Participatory)**: Wheeler — 매 observer 의 매 우주 의 collapse.
+- **FAP (Final)**: Tipler — 매 intelligence 의 우주 의 omega point.
+
+### 매 fine-tuning 의 example
+- **Cosmological constant** (Λ): 매 10^120 배 의 너무 큼 가, 매 zero 가까. 매 갤럭시 X 가 X.
+- **Strong force**: 매 0.4% 변 의 carbon X.
+- **Electron / proton mass ratio**: 매 0.5% 변 의 chemistry X.
+- **Higgs mass**: 매 vacuum 의 stability.
+
+→ Martin Rees "Just Six Numbers".
+
+### 매 응답 (debate)
+1. **Multiverse**: 매 무수한 우주 → 매 X 가 자연스럽.
+2. **Designer**: 매 intentional fine-tune.
+3. **Self-explanatory**: 매 우주 가 가능한 form 의 only.
+4. **No fine-tuning**: 매 calculation 의 wrong.
+
+→ Bostrom "Anthropic Bias" (2002).
+
+### 매 selection bias 의 reasoning
+- 매 sample 의 self-selected.
+- 매 conclusion 의 careful.
+- 매 "Doomsday argument": 매 human 의 birth rank 의 reasoning.
+- 매 Sleeping Beauty problem.
+
+### 매 AI 의 응용
+1. **Alignment**: 매 RLHF 의 매 human feedback 의 selection. 매 AI 의 evolution 가 human-centric.
+2. **Capability emergence**: 매 우리 의 observe 매 capable model 의 only — 매 less-capable 의 deploy X.
+3. **Safety research**: 매 우리 의 alive — 매 catastrophic AI 의 case 의 우리 의 observe 못 함 (anthropic shadow).
+4. **Selection bias** in benchmark: 매 benchmark 의 popular = 매 model 의 optimize.
+
+### Anthropic shadow (Bostrom & Ćirković)
+- 매 existential risk 의 우리 의 evidence 의 reduce.
+- 매 close call 의 우리 의 observe X.
+- 매 AI x-risk 의 underestimate.
+
+→ Past base rate 의 future risk 의 predict 의 X.
+
+## 💻 패턴 (응용 — selection bias reasoning)
+
+### Survivorship bias check
+```python
+# ❌ 매 successful startup 의 분석 → "매 이런 trait 가 success"
+def analyze_traits(successful_startups):
+    return [s.founder.trait for s in successful_startups]
+
+# ✅ 매 failed 도 포함
+def analyze_traits_unbiased(all_startups):
+    return [(s.founder.trait, s.outcome) for s in all_startups]
+```
+
+→ 매 selection effect 의 explicit.
+
+### Anthropic-aware risk
+```python
+# 매 past safe → 매 future safe X
+def estimate_xrisk(past_close_calls, anthropic_shadow_factor=2):
+    base_rate = past_close_calls / years_observed
+    # 매 우리 의 alive 가 selection
+    adjusted = base_rate * anthropic_shadow_factor
+    return adjusted
+```
+
+→ 매 past base rate 의 careful.
+
+### Alignment 의 self-selection
+```python
+# 매 RLHF 의 human feedback
+def aligned_reward(model_output, human_pref):
+    # 매 human 의 worldview 의 implicit projection
+    # 매 selection: 매 우리 가 like 의 model 의 deploy
+    return human_pref(model_output)
+```
+
+→ 매 anthropic 의 alignment.
+
+## 🤔 결정 기준
+| 질문 | Reasoning |
+|---|---|
+| "왜 매 우주 의 fine-tuned?" | Anthropic + multiverse |
+| "왜 매 startup 의 X trait?" | Survivorship bias |
+| "왜 매 AI 의 safe so far?" | Anthropic shadow |
+| "왜 매 benchmark 의 high?" | Selection bias |
+
+**기본값**: 매 selection effect 의 explicit. 매 conclusion 의 careful.
+
+## 🔗 Graph
+- 응용: [[AI_Safety_and_Alignment|AI-Alignment]]
+- Adjacent: [[Fine-Tuning]]
+
+## 🤖 LLM 활용
+**언제**: 매 selection bias 의 detect. 매 AI safety reasoning. 매 cosmology discussion. 매 base-rate 의 question.
+**언제 X**: 매 specific physics calculation. 매 theology argument 의 substitute.
+
+## ❌ 안티패턴
+- **"매 우주 가 designed"**: 매 anthropic 가 multiverse 도 가능한 explanation.
+- **Survivorship bias 무시**: 매 successful 만 의 분석.
+- **Anthropic shadow 무시**: 매 past safe → 매 future safe.
+- **WAP / SAP 의 conflate**: 매 different claim.
+- **매 "anthropic" 의 magic word**: 매 actual selection mechanism 의 explicit.
+
+## 🧪 검증 / 중복
+- Verified (Bostrom "Anthropic Bias", Rees "Just Six Numbers").
+- 신뢰도 B (philosophy 의 active debate).
+- Related: [[AI_Safety_and_Alignment|AI-Alignment]] · [[X-Risk]] · [[Selection-Bias]].
+
+## 🕓 Changelog
+| 날짜 | 변경 |
+|---|---|
+| 2026-05-08 | Phase 1 |
+| 2026-05-10 | Manual cleanup — variants + fine-tuning + AI 응용 + anthropic shadow |