[P-Reinforce] Substantial content added to Aim/Cog/GameTheory/ComboOpt (Count: 2,166)
This commit is contained in:
@@ -1,25 +1,28 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-9F2CFC
|
||||
id: P-REINFORCE-AI-AIMTRAIN
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
confidence_score: 0.94
|
||||
tags: [Aim Lab, KovaaKs, Cognitive Training, Performance]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Cognitive Training Software (eg Aim Lab_KovaaKs)"
|
||||
---
|
||||
|
||||
# [[Cognitive Training Software (eg Aim Lab_KovaaKs)]]
|
||||
# [[Cognitive-Training-Software]] (에임 및 인지 훈련 소프트웨어)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> 에임 훈련은 단순히 '마우스를 잘 흔드는 법'을 배우는 것이 아니라, 뇌의 시각 반응-근육 협응-판단 프로세스를 수만 번의 반복으로 최적화하는 '뉴로 머슬(Neuro-muscle) 프로그래밍'이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **Flick vs Tracking Training**:
|
||||
- **Flick**: 특정 위치로 즉각적으로 조준을 옮기는 폭발적 인지 능력.
|
||||
- **Tracking**: 움직이는 대상을 일정하게 따라가는 지속적 집중력과 미세 근육 제어.
|
||||
- **Micro-Metric Feedback**:
|
||||
- 반응 속도(Reaction Time), 정확도(Accuracy), 조준의 흔들림(Shake) 등을 밀리초(ms) 단위로 측정하여 사용자의 약점(Weak point)을 데이터로 시각화한다.
|
||||
- **Skill Transferability**:
|
||||
- 가상 환경에서의 훈련이 실제 게임(Valorant, Apex 등)의 성과로 전이되는 메커니즘은 '일관된 감도(Sensitivity)'와 '공포 반응 억제'에 기인한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 과도한 에임 훈련은 손목 부상(Carpal Tunnel)을 유발할 수 있으며, 실제 게임에서의 지형지물 활용이나 전략적 판단력(Game Sense)을 간과하게 만들 수 있다. 도구는 보조수단일 뿐, 실전 감각과의 균형이 필수적이다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Cognitive Training Software (e.g., Aim Lab_KovaaK's).md]]
|
||||
---
|
||||
- Related: [[Burnout-Prevention-in-Professional-Gaming]] , [[Biomechanics-of-Injury]]
|
||||
- Analysis: [[Clinical-Kinesiology-Assessment]]
|
||||
|
||||
@@ -1,25 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-192E25
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
id: P-REINFORCE-SCI-COGEVAL
|
||||
category: "[[10_Wiki/💡 Topics/Science]]"
|
||||
confidence_score: 0.97
|
||||
tags: [Cognitive Evaluation Theory, Motivation, Autonomy, Psychology]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Cognitive-Evaluation-Theory"
|
||||
---
|
||||
|
||||
# [[Cognitive-Evaluation-Theory]]
|
||||
# [[Cognitive-Evaluation-Theory]] (인지 평가 이론)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> "보상이 때로는 열정을 죽인다." 인간은 스스로 결정하고 유능하다고 느낄 때 가장 강력한 내적 동기를 발휘한다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **Autonomy (자율성)**:
|
||||
- 외부의 강요가 아니라 스스로의 선택에 의해 행동한다고 느낄 때 동기가 유발된다. (예: 게임에서의 자유로운 퀘스트 선택).
|
||||
- **Competence (유능성)**:
|
||||
- 자신의 능력이 과제에 적합하거나 성장하고 있다고 느낄 때 재미와 보람을 느낀다. (예: 레벨업 시스템, 랭크 시스템).
|
||||
- **Extrinsic vs Intrinsic Motivation**:
|
||||
- 금전적 보상 같은 외적 동기가 너무 크면, 즐거워서 하던 일(내적 동기)의 가치가 훼손되는 '과잉 정당화 효과(Over-justification effect)'가 발생할 수 있다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 게임 기획 시 단순히 '데일리 보상'만 뿌리는 것은 위험하다. 사용자가 보상 때문에 숙제처럼 게임을 하게 만들지 말고, 자신의 실력이 늘어가는 과정 자체를 즐기게 하는 '마스터리의 경험'을 설계해야 한다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Cognitive-Evaluation-Theory.md]]
|
||||
---
|
||||
- Related: [[Game Design Theory]] , [[Behavioral-Economics]]
|
||||
- Foundation: [[Cognitive-Biases]]
|
||||
|
||||
@@ -1,25 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-364B53
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
id: P-REINFORCE-SCI-CBT
|
||||
category: "[[10_Wiki/💡 Topics/Science]]"
|
||||
confidence_score: 0.96
|
||||
tags: [CBT, Cognitive Therapy, Psychology, Mental Health]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Cognitive-Therapy-in-CBT"
|
||||
---
|
||||
|
||||
# [[Cognitive-Therapy-in-CBT]]
|
||||
# [[Cognitive-Therapy-in-CBT]] (인지 행동 치료 CBT)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> "상황이 변하지 않아도, 상황을 바라보는 '나의 생각'이 변하면 감정과 행동이 변한다."
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **Automatic Thoughts (자동적 사고)**:
|
||||
- 어떤 상황을 마주했을 때 나도 모르게 떠오르는 즉각적인 생각들. (예: "실수했어, 나는 끝이야").
|
||||
- **Cognitive Distortions (인지적 왜곡)**:
|
||||
- 흑백 논리, 과도한 일반화, 파국화 등 사실을 왜곡해서 받아들이는 뇌의 습관적 오류.
|
||||
- **Core Beliefs (핵심 신념)**:
|
||||
- 인생 전반에 걸쳐 형성된 자신과 세상에 대한 근본적인 믿음. CBT는 이 핵심 신념을 탐색하고 건강하게 재구조화하는 것을 목표로 한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 최근에는 AI 챗봇이 CBT 기법을 활용하여 사용자의 우울감을 관리하고 멘탈 헬스를 보조하는 기술이 상용화되고 있다. 하지만 전문적인 심리 상담사의 공감과 개입을 완전히 대체하기에는 아직 윤리적, 감정적 한계가 존재한다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Cognitive-Therapy-in-CBT.md]]
|
||||
---
|
||||
- Related: [[Cognitive-Biases]] , [[Burnout-Prevention-in-Professional-Gaming]]
|
||||
- Foundation: [[Information Theory]]
|
||||
|
||||
@@ -1,25 +1,27 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-D52D87
|
||||
id: P-REINFORCE-AI-CGT
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
confidence_score: 0.99
|
||||
tags: [Game Theory, Combinatorial, Logic, Math, Strategy]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Combinatorial Game Theory"
|
||||
---
|
||||
|
||||
# [[Combinatorial Game Theory]]
|
||||
# [[Combinatorial-Game-Theory]] (조합론적 게임 이론 CGT)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> 우연도 숨겨진 정보도 없는 '완전 정보 게임'에서, 수학적으로 필승 전략(Winning Strategy)이 반드시 존재함을 증명하고 찾아내는 지적 유희다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **Perfect Information Games**:
|
||||
- 체스, 바둑, 님(Nim) 게임처럼 모든 정보가 공개되어 있고 주사위 같은 확률 요소가 없는 게임.
|
||||
- **Game Tree Search**:
|
||||
- 모든 가능한 수의 경로를 트리 구조로 나타내고, 리프 노드(결과)에서부터 위로 거슬러 올라가며 최선의 수를 찾는 방식.
|
||||
- **Normal Play Convention**:
|
||||
- "마지막 수를 두는 사람이 이긴다"는 규칙 하의 전략 분석. 게임을 숫자(Value)로 치환하여 복잡한 게임을 더 단순한 게임의 합으로 분해한다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 바둑처럼 경우의 수가 우주 원자 수보다 많은 경우, 고전적인 CGT만으로는 해결이 불가능하다. 이때 알파고처럼 딥러닝과 몬테카를로 트리 탐색(MCTS)을 결합하여 '근사적 필승 전략'을 찾는 방식으로 현대적 진화가 일어났다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Combinatorial Game Theory.md]]
|
||||
---
|
||||
- Related: [[AlphaGo (Monte Carlo Tree Search + RL)]] , [[Reinforcement Learning]]
|
||||
- Foundation: [[Computational Thinking]]
|
||||
|
||||
@@ -1,25 +1,28 @@
|
||||
---
|
||||
id: P-REINFORCE-AUTO-06C1FB
|
||||
id: P-REINFORCE-AI-COMBO-OPT
|
||||
category: "[[10_Wiki/💡 Topics/AI]]"
|
||||
confidence_score: 0.90
|
||||
tags: [auto-reinforced]
|
||||
confidence_score: 0.99
|
||||
tags: [Optimization, Combinatorial, NP-Hard, Algorithm]
|
||||
last_reinforced: 2026-04-20
|
||||
github_commit: "[P-Reinforce] Continuous Worker - Combinatorial-Optimization"
|
||||
---
|
||||
|
||||
# [[Combinatorial-Optimization]]
|
||||
# [[Combinatorial-Optimization]] (조합 최적화)
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> 지식 요약 정보 추출 중...
|
||||
> 무한에 가까운 선택지 속에서 '가장 싸거나', '가장 빠르거나', '가장 효율적인' 단 하나의 조합을 찾아내는 공학의 극한이다.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
본문 구조화 작업 중...
|
||||
- **NP-Hard Problems**:
|
||||
- **외판원 문제 (TSP)**: 모든 도시를 한 번씩 방문하고 돌아오는 최단 경로 찾기.
|
||||
- **배낭 문제 (Knapsack)**: 무게 제한 내에 가치가 최대가 되도록 짐 싸기.
|
||||
- **Heuristics & Meta-heuristics**:
|
||||
- 최적해를 찾는 것이 불가능에 가까울 때, '적당히 좋은 해'를 빠르게 찾는 기법. (예: 유전 알고리즘, 담금질 기법(Simulated Annealing)).
|
||||
- **Integer Programming**:
|
||||
- 변수가 정수여야 하는 제약 조건 하에서 최적의 해를 구하는 수학적 기법. 물류 최적화, 스케줄링 등에 필수적이다.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
||||
- **과거 데이터와의 충돌:** 자동화 엔진에 의해 매핑된 지식으로, 추후 정밀 검증 필요.
|
||||
- **정책 변화:** AI 분야의 자동 자산화 수행.
|
||||
## ⚠️ 모순 및 업데이트 (RL Update)
|
||||
- 최근에는 강화학습 에이전트가 조합 최적화 문제를 스스로 학습하여 푸는 연구가 활발하다. 특히 칩 설계(Chip Layout)나 데이터 센터 에너지 최적화 등에서 AI가 인간 설계자를 뛰어넘는 성과를 내고 있다.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
|
||||
- Raw Source: [[00_Raw/2026-04-20/Combinatorial-Optimization.md]]
|
||||
---
|
||||
- Related: [[Distributed-Systems-Engineering]] , [[Reinforcement Learning]]
|
||||
- Foundation: [[Computational Thinking]]
|
||||
|
||||
Reference in New Issue
Block a user