chore(wiki): reinforce knowledge batch #6-#10 (200 docs milestone)

10_Wiki/Topics/AI/Complexity-Theory.md

@@ -1,31 +1,29 @@
 ---
-id: P-REINFORCE-AUTO-COTH-001
+id: COMP-THEORY-001
 category: "[[10_Wiki/💡 Topics/AI]]"
-confidence_score: 0.95
-tags: [auto-reinforced, complexity-theory, computer-science, p-vs-np, algorithm, computation, problem-solving]
-last_reinforced: 2026-04-20
+confidence_score: 1.0
+tags: [computer-science, math, complexity-theory, p-vs-np, logic]
+last_reinforced: 2026-04-26
 ---
 
-# [[Complexity-Theory]]
+# [[Complexity Theory (복잡성 이론)]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
-> "지능의 한계 측정기: 어떤 문제는 왜 금방 풀리고, 어떤 문제는 전 우주의 시간을 다 써도 풀 수 없는지, 자원(시간과 공간)의 관점에서 문제의 '절대적 난이도'를 분류하고 지도화한 지식의 지도."
+> "문제의 본질적 난이도를 측정하고, 계산 가능성의 경계를 설정하라" — 문제를 해결하는 데 필요한 자원(시간, 공간)의 양에 따라 문제들을 분류하고, 현실적으로 해결 가능한 문제와 불가능한 문제를 구분하는 전산학의 핵심 이론.
 
 ## 📖 구조화된 지식 (Synthesized Content)
-계산 복잡도 이론(Complexity-Theory)은 알고리즘의 효율성을 연구하는 컴퓨터 과학 및 수학의 한 분야입니다.
-
-1.  **주요 분류 (Complexity Classes)**:
-    *   **P (Polynomial)**: 합리적인 시간 내에 해결 가능한 문제. (예: 정렬)
-    *   **NP (Nondeterministic Polynomial)**: 정답이 주어지면 확인은 빨리 할 수 있는 문제. (예: 퍼즐, 암호 해독)
-    *   **NP-Hard/NP-Complete**: NP 문제 중 가장 어려운 부류로, 하나라도 P 임이 증명되면 P=NP 가 됨.
-2.  **왜 중요한가?**:
-    *   해결 불가능한 문제에 머리를 싸매며 자원을 낭비하는 대신, 문제의 난이도를 파악하고 '근사치(Approximation)'를 찾거나 다른 전략을 세우게 돕기 때문임. (Problem-Solving와 연결)
+- **추출된 패턴:** 알고리즘의 구체적인 성능을 넘어, 문제 자체가 가진 복잡도를 수치화하여 문제 해결의 전략적 가이드라인을 제시하는 분류 패턴.
+- **핵심 클래스:**
+    - **P (Polynomial Time):** 효율적으로 해결 가능한 문제 (예: 정렬, 검색).
+    - **NP (Nondeterministic Polynomial Time):** 답을 맞히기는 어렵지만, 주어진 답이 맞는지 확인하기는 쉬운 문제.
+    - **NP-complete:** NP 문제 중 가장 어려운 문제들. 하나만 해결하면 모든 NP 문제를 해결할 수 있음 (예: SAT 문제).
+    - **P vs NP:** 현대 전산학 최대의 난제. "확인이 쉬운 문제는 해결도 쉬운가?"에 대한 질문.
+- **의의:** 암호학(해독하기 힘든 문제 설계)과 대규모 데이터 처리 알고리즘 설계의 이론적 기반.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
-- **과거 데이터와의 충돌**: 과거에는 이론적인 복잡도 정책(Big O)만 중요하게 여겼으나, 현대 정책은 실제 하드웨어 아키텍처 정책(Cache hit, Parallelism)에 따른 '실감 복잡도'와 확률적 알고리즘 정책의 중요성을 더 강조함(RL Update).
-- **정책 변화(RL Update)**: 이제는 고전적 복잡도를 넘어 양자 컴퓨터 정책이 가져올 새로운 복잡도 클래스 정책(BQP 등)과 AI 의 대규모 추론 정책 비용 문제를 다루는 방향으로 확장 중임. (Search-Space와 연결)
+- **과거 데이터와의 충돌:** 초기에는 '정답'을 찾는 알고리즘에 집중했으나, 복잡성 이론의 발달로 인해 완벽한 정답 대신 '근사해'를 찾는 휴리스틱의 정당성이 확보됨.
+- **정책 변화:** Antigravity 프로젝트는 에이전트의 작업 계획 수립 시, 해당 태스크가 NP-hard 수준의 복잡도를 가지는지 판단하여 전수 조사 대신 탐색 위주의 전략을 채택함.
 
 ## 🔗 지식 연결 (Graph)
-- [[Problem-Solving]], [[Search-Space]], [[Sorting]], [[Algorithm]], [[Logic]], [[System-Theory]]
-- **Key Concepts**: P vs NP, Space complexity, Time complexity.
----
+- [[Algorithm-Complexity-Big-O]], [[Combinatorial-Optimization]], [[Turing-Machine-Foundations]], [[Cryptography]]
+- **Raw Source:** [[10_Wiki/Topics/AI/Complexity-Theory.md]]