[G1-Sync] Manual knowledge update

10_Wiki/Topics/AI/Neurobiology-of-Reward.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-REWARD-001
+id: [[P-Reinforce]]-AUTO-REWARD-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.98
-tags: [auto-reinforced, neuroscience, dopamine]
+tags: [auto-reinforced, neuroscience, [[Dopamine]]]
 last_reinforced: 2026-04-20
 ---
 
@@ -17,7 +17,7 @@ last_reinforced: 2026-04-20
 1.  **도파민 경로 (Dopaminergic Pathways)**:
     *   **중뇌변연계 경로 (Mesolimbic Pathway)**: 복측 피개부(VTA)에서 측좌핵(Nucleus Accumbens)으로 연결되는 경로로, 보상의 가치와 동기 부여를 담당.
     *   **중뇌피질 경로 (Mesocortical Pathway)**: VTA에서 전전두엽으로 연결되며, 보상을 위한 장기적 행동 계획 및 실행 통제 수행.
-2.  **보상 예측 오류 (Reward Prediction Error, RPE)**:
+2.  **보상 예측 오류 ([[Reward Prediction Error]], RPE)**:
     *   울프람 슐츠(Wolfram Schultz)의 발견: 도파민 뉴런은 보상을 받았을 때가 아니라, '예지하지 못한 보상'이 나타났을 때 강력하게 발화함.
     *   이는 강화학습의 **TD Error**와 일치하며, 뇌가 환경의 모델을 업데이트하는 핵심 기제임.
 3.  **Wanting vs Liking (갈망 vs 기호)**:
@@ -25,7 +25,7 @@ last_reinforced: 2026-04-20
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌**: 도파민이 단순히 '쾌락 물질'이라는 오해는 이제 완전히 폐기되었으며, 현재는 '전달할 정보의 가치'를 평가하는 계산적 분자로 이해됨.
-- **정책 변화(RL Update)**: 현대의 중독 치료 RL 모델에서는 도파민 수용체의 민감도 저하(Tolerance)를 AI 에이전트의 'Learning Rate Decay' 혹은 'Reward Clipping' 오류에 비유하여 분석하며, 이를 예방하기 위한 알고리즘적 설계를 연구 중임.
+- **정책 변화(RL Update)**: 현대의 중독 치료 RL 모델에서는 도파민 수용체의 민감도 저하(Tolerance)를 AI 에이전트의 'Learning Rate Decay' 혹은 'Reward [[CLIP]]ping' 오류에 비유하여 분석하며, 이를 예방하기 위한 알고리즘적 설계를 연구 중임.
 
 ## 🔗 지식 연결 (Graph)
 - **Related**: Reinforcement Learning, [[Dopamine]], Executive Function, Addiction Neurobiology, Temporal Difference Learning