[Wiki] Mass wikification of Datacollector knowledge (P-Reinforce v3.0)
This commit is contained in:
Antigravity Agent
+90
-52
@@ -1,64 +1,102 @@
|
||||
import os
|
||||
import re
|
||||
from datetime import datetime
|
||||
import uuid
|
||||
|
||||
topics_dir = "/Volumes/Data/project/Antigravity/Wiki/10_Wiki/Topics"
|
||||
SOURCE_DIR = "/Volumes/Data/project/Antigravity/Datacollector_MAC/out_wiki"
|
||||
TARGET_DIR = "/Volumes/Data/project/Antigravity/Wiki/10_Wiki/Topics"
|
||||
|
||||
# Dictionary of {filename: content}
|
||||
# (Content truncated for brevity in this scratch script, will be filled with the synthesized text)
|
||||
wikis = {
|
||||
"AGI (Artificial General Intelligence).md": """---
|
||||
category: Unified
|
||||
tags: [auto-consolidated, technical-documentation]
|
||||
title: AGI (Artificial General Intelligence)
|
||||
last_updated: 2026-05-05
|
||||
def normalize_name(name):
|
||||
# Remove extensions, content in parentheses, and special chars
|
||||
name = re.sub(r'\(.*?\)', '', name)
|
||||
name = name.replace(".md", "").strip()
|
||||
name = re.sub(r'[^a-zA-Z0-9\s]', '', name)
|
||||
return name.lower().replace(" ", "_")
|
||||
|
||||
def get_p_reinforce_header(title, tags=None):
|
||||
if tags is None:
|
||||
tags = ["automated", "datacollector", "brain_sync"]
|
||||
|
||||
tag_str = "[" + ", ".join(tags) + "]"
|
||||
date_str = datetime.now().strftime("%Y-%m-%dT%H:%M:%S.000Z")
|
||||
mission_id = f"mission_{uuid.uuid4().hex[:12]}"
|
||||
|
||||
header = f"""---
|
||||
id: {mission_id}
|
||||
date: {date_str}
|
||||
type: knowledge_artifact
|
||||
standard: P-Reinforce v3.0
|
||||
tags: {tag_str}
|
||||
---
|
||||
|
||||
# AGI (Artificial General Intelligence)
|
||||
"""
|
||||
return header
|
||||
|
||||
## 📌 Brief Summary
|
||||
범용 인공지능(AGI)은 인간이 수행할 수 있는 모든 지적 작업을 수행할 수 있는 인공지능을 의미하며, 인공지능 연구의 궁극적인 목표이다. 특정 분야에 국한되지 않고 새로운 환경에서 학습하고 문제를 해결하며, 상식을 바탕으로 추론하고 자율적으로 행동하는 능력을 포함한다.
|
||||
def process_wikification():
|
||||
files = [f for f in os.listdir(SOURCE_DIR) if f.endswith(".md")]
|
||||
groups = {}
|
||||
|
||||
## 📖 Core Content
|
||||
* **뉴로-심볼릭 통합 (Neuro-Symbolic Integration):** 신경망의 학습 능력과 기호 논리의 추론 능력을 결합하여 AGI를 구현하려는 시도이다.
|
||||
* **자기 개선 및 지속적 학습:** 스스로 알고리즘을 최적화하고 새로운 지식을 지속적으로 갱신하는 능력이 필수적이다.
|
||||
* **설명 가능성 및 안전성:** 고도의 지능이 인류의 가치와 정렬(Alignment)되도록 보장하는 거버넌스 체계가 수반되어야 한다.
|
||||
# 1. Grouping
|
||||
for f in files:
|
||||
norm = normalize_name(f)
|
||||
if norm not in groups:
|
||||
groups[norm] = []
|
||||
groups[norm].append(f)
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
* **지능 vs 통제:** 지능이 높아질수록 인간의 통제를 벗어날 위험(Alignment Problem)이 증가한다.
|
||||
* **연산 자원 및 효율성:** AGI 수준의 지능을 구현하기 위한 막대한 하드웨어 비용과 전력 소모가 환경적/경제적 제약으로 작용한다.
|
||||
print(f"Found {len(files)} files, grouped into {len(groups)} themes.")
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
* [[Neuro-Symbolic AI]]
|
||||
* [[LLM Alignment]]
|
||||
for norm, filenames in groups.items():
|
||||
# 2. Pick the richest content
|
||||
best_file = max(filenames, key=lambda x: os.path.getsize(os.path.join(SOURCE_DIR, x)))
|
||||
best_path = os.path.join(SOURCE_DIR, best_file)
|
||||
|
||||
with open(best_path, 'r', encoding='utf-8') as f:
|
||||
content = f.read()
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-05*""",
|
||||
"Global Workspace Theory (GWT).md": """---
|
||||
category: Cognitive Modeling
|
||||
tags: [neuroscience, consciousness]
|
||||
title: Global Workspace Theory (GWT)
|
||||
last_updated: 2026-05-05
|
||||
---
|
||||
# Clean title (remove [[ ]] if exists)
|
||||
title = best_file.replace(".md", "")
|
||||
clean_title = re.sub(r'\[\[(.*?)\]\]', r'\1', title)
|
||||
|
||||
# 3. Check for existing file in target (recursive search)
|
||||
existing_path = None
|
||||
for root, dirs, target_files in os.walk(TARGET_DIR):
|
||||
for tf in target_files:
|
||||
if tf.lower() == best_file.lower() or normalize_name(tf) == norm:
|
||||
existing_path = os.path.join(root, tf)
|
||||
break
|
||||
|
||||
# 4. Merge or Create
|
||||
final_content = content
|
||||
if existing_path:
|
||||
with open(existing_path, 'r', encoding='utf-8') as f:
|
||||
existing_content = f.read()
|
||||
|
||||
# Simple merge: append new content if not already there (rudimentary)
|
||||
if len(content) > len(existing_content):
|
||||
print(f"Merging and prioritizing NEW content for: {clean_title}")
|
||||
# Keep existing frontmatter if any, or prepend new
|
||||
if existing_content.startswith("---"):
|
||||
parts = existing_content.split("---", 2)
|
||||
if len(parts) >= 3:
|
||||
final_content = "---" + parts[1] + "---" + "\n\n" + content
|
||||
else:
|
||||
final_content = get_p_reinforce_header(clean_title) + content
|
||||
else:
|
||||
print(f"Skipping update for {clean_title}, existing content is richer.")
|
||||
final_content = existing_content
|
||||
else:
|
||||
final_content = get_p_reinforce_header(clean_title) + content
|
||||
|
||||
# Global Workspace Theory (GWT)
|
||||
# 5. Write to target
|
||||
target_path = os.path.join(TARGET_DIR, best_file)
|
||||
# Avoid overwriting if we didn't merge
|
||||
with open(target_path, 'w', encoding='utf-8') as f:
|
||||
f.write(final_content)
|
||||
|
||||
# 6. Cleanup SOURCE_DIR
|
||||
for f in filenames:
|
||||
os.remove(os.path.join(SOURCE_DIR, f))
|
||||
print(f"Deleted source: {f}")
|
||||
|
||||
## 📌 Brief Summary
|
||||
전역 작업 공간 이론(GWT)은 인간의 의식을 '극장의 무대'에 비유하여, 수많은 무의식적 프로세스들이 특정 정보를 전역적으로 공유할 때 의식이 발생한다고 설명하는 인지 아키텍처이다.
|
||||
|
||||
## 📖 Core Content
|
||||
* **전역 방송 (Global Broadcasting):** 특정 정보가 전역 작업 공간에 진입하면, 뇌의 다른 다양한 모듈들이 해당 정보에 접근하여 병렬적으로 처리할 수 있게 된다.
|
||||
* **의식적 주의 (Conscious Attention):** 무의식적인 자극이라도 의식적인 주의가 선행되어야 장기적인 학습 및 암묵적 규칙 추론이 가능하다.
|
||||
* **GNW 모델:** 신경생리학적으로 전두엽과 두정엽의 장거리 뉴런들이 이 전역 공간을 형성한다는 이론으로 확장되었다.
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
* **병목 현상:** 전역 공간은 한 번에 한정된 양의 정보만 처리할 수 있어, 복잡한 다중 작업 시 인지적 과부하가 발생한다.
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-05*""",
|
||||
# ... more to be added in chunks or follow-up
|
||||
}
|
||||
|
||||
for name, content in wikis.items():
|
||||
path = os.path.join(topics_dir, name)
|
||||
with open(path, 'w', encoding='utf-8') as f:
|
||||
f.write(content)
|
||||
print(f"Created: {path}")
|
||||
if __name__ == "__main__":
|
||||
process_wikification()
|
||||
|
||||
Reference in New Issue
Block a user