[G1-Sync] Manual knowledge update

10_Wiki/Topics/Fragility.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-FRAG-001
+id: [[P-Reinforce]]-AUTO-FRAG-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.89
-tags: [auto-reinforced, fragility, antifragility, nassim-taleb, systems-theory, risk-management]
+tags: [auto-reinforced, fragility, [[Antifragility]], nassim-taleb,[[ system]]s-theory, risk-[[Management]]]
 last_reinforced: 2026-04-20
 ---
 
@@ -19,14 +19,14 @@ last_reinforced: 2026-04-20
     *   **Robust (강건)**: 충격을 버팀. (예: 돌덩이)
     *   **Antifragile (반취약)**: 충격을 받을수록 더 강해짐. (예: 근육, 세균, 지식 진화 정책).
 2.  **왜 발생하는가?**:
-    *   **Over-optimization**: 효율성만을 위해 여유분(Redundancy)을 없앴을 때, 작은 변수에도 전체가 무너짐. (Efficiency의 역설)
-    *   **Interdependence**: 구성 요소들이 너무 긴밀하게 묶여 있어 에러가 빛의 속도로 전파됨. (Complex Systems)
+    *   **Over-[[Optimization]]**: 효율성만을 위해 여유분(Redundancy)을 없앴을 때, 작은 변수에도 전체가 무너짐. ([[Efficiency]]의 역설)
+    *   **Interdependence**: 구성 요소들이 너무 긴밀하게 묶여 있어 에러가 빛의 속도로 전파됨. ([[Complex Systems]])
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌**: 과거에는 '효율적이고 예측 가능한 정책'을 최고로 쳤으나, 현대 정책은 예측 불가능한 세상(Black-Swan)에서 살아남기 위해 '충격에 면역이 있는 정책(Robustness)'을 넘어 '충격에서 배우는 정책(Antifragility)'을 추구함(RL Update).
-- **정책 변화(RL Update)**: AI 모델 배포 정책에서 단일 서버에 의존하는 대신, 전 세계 수만 개의 노드에 분산하고 에러 상황을 인위적으로 유도해 시스템을 강화하는 '카오스 엔지니어링 정책'이 표준이 됨. (Fault-Tolerance와 연결)
+- **과거 데이터와의 충돌**: 과거에는 '효율적이고 예측 가능한 정책'을 최고로 쳤으나, 현대 정책은 예측 불가능한 세상([[Black-Swan]])에서 살아남기 위해 '충격에 면역이 있는 정책([[Robustness]])'을 넘어 '충격에서 배우는 정책(Antifragility)'을 추구함(RL Update).
+- **정책 변화(RL Update)**: AI 모델 배포 정책에서 단일 서버에 의존하는 대신, 전 세계 수만 개의 노드에 분산하고 에러 상황을 인위적으로 유도해 시스템을 강화하는 '카오스 엔지니어링 정책'이 표준이 됨. ([[Fault-Tolerance]]와 연결)
 
 ## 🔗 지식 연결 (Graph)
 - [[Black-Swan]], [[Efficiency]], [[Fault-Tolerance]], [[Complexity Theory]], [[Distributed-Systems]]
-- **Modern Tech/Tools**: Error budget, Redundancy systems, Antifragile organizational models.
+- **Modern Tech/Tools**: Error [[Budget]], Redundancy systems, Antifragile organizational models.
 ---