---
id: wiki-2026-0508-anthropic-principle
title: Anthropic Principle
category: 10_Wiki/Topics
status: verified
canonical_id: self
aliases: [인류 원리, fine-tuning, observer selection, anthropic reasoning]
duplicate_of: none
source_trust_level: B
confidence_score: 0.83
verification_status: conceptual
tags: [philosophy, cosmology, physics, ai-alignment, observer-bias, fine-tuning, multiverse]
raw_sources: []
last_reinforced: 2026-05-10
github_commit: pending
tech_stack:
  language: philosophy / physics
  applicable_to: [AI Design, Cosmology, Selection Bias Reasoning]
---

# Anthropic Principle

## 📌 한 줄 통찰
> **"매 우주 가 정교 한 이유 = 매 우리 가 관찰 중"**. 매 selection bias 의 fundamental form. 매 fine-tuned constant 의 explain — 매 우주 가 X 의 condition X 가, 매 X 의 case 의 매 observer X. 매 AI 의 design 의 응용 — 매 human 의 feedback 의 alignment 의 same selection.

## 📖 핵심

### 매 정의
- **WAP (Weak Anthropic Principle)**: 매 우주 의 매 observer 의 location 의 매 life-supporting condition.
- **SAP (Strong Anthropic Principle)**: 매 우주 의 매 어느 시점 의 intelligent life 의 inevitable.
- **PAP (Participatory)**: Wheeler — 매 observer 의 매 우주 의 collapse.
- **FAP (Final)**: Tipler — 매 intelligence 의 우주 의 omega point.

### 매 fine-tuning 의 example
- **Cosmological constant** (Λ): 매 10^120 배 의 너무 큼 가, 매 zero 가까. 매 갤럭시 X 가 X.
- **Strong force**: 매 0.4% 변 의 carbon X.
- **Electron / proton mass ratio**: 매 0.5% 변 의 chemistry X.
- **Higgs mass**: 매 vacuum 의 stability.

→ Martin Rees "Just Six Numbers".

### 매 응답 (debate)
1. **Multiverse**: 매 무수한 우주 → 매 X 가 자연스럽.
2. **Designer**: 매 intentional fine-tune.
3. **Self-explanatory**: 매 우주 가 가능한 form 의 only.
4. **No fine-tuning**: 매 calculation 의 wrong.

→ Bostrom "Anthropic Bias" (2002).

### 매 selection bias 의 reasoning
- 매 sample 의 self-selected.
- 매 conclusion 의 careful.
- 매 "Doomsday argument": 매 human 의 birth rank 의 reasoning.
- 매 Sleeping Beauty problem.

### 매 AI 의 응용
1. **Alignment**: 매 RLHF 의 매 human feedback 의 selection. 매 AI 의 evolution 가 human-centric.
2. **Capability emergence**: 매 우리 의 observe 매 capable model 의 only — 매 less-capable 의 deploy X.
3. **Safety research**: 매 우리 의 alive — 매 catastrophic AI 의 case 의 우리 의 observe 못 함 (anthropic shadow).
4. **Selection bias** in benchmark: 매 benchmark 의 popular = 매 model 의 optimize.

### Anthropic shadow (Bostrom & Ćirković)
- 매 existential risk 의 우리 의 evidence 의 reduce.
- 매 close call 의 우리 의 observe X.
- 매 AI x-risk 의 underestimate.

→ Past base rate 의 future risk 의 predict 의 X.

## 💻 패턴 (응용 — selection bias reasoning)

### Survivorship bias check
```python
# ❌ 매 successful startup 의 분석 → "매 이런 trait 가 success"
def analyze_traits(successful_startups):
    return [s.founder.trait for s in successful_startups]

# ✅ 매 failed 도 포함
def analyze_traits_unbiased(all_startups):
    return [(s.founder.trait, s.outcome) for s in all_startups]
```

→ 매 selection effect 의 explicit.

### Anthropic-aware risk
```python
# 매 past safe → 매 future safe X
def estimate_xrisk(past_close_calls, anthropic_shadow_factor=2):
    base_rate = past_close_calls / years_observed
    # 매 우리 의 alive 가 selection
    adjusted = base_rate * anthropic_shadow_factor
    return adjusted
```

→ 매 past base rate 의 careful.

### Alignment 의 self-selection
```python
# 매 RLHF 의 human feedback
def aligned_reward(model_output, human_pref):
    # 매 human 의 worldview 의 implicit projection
    # 매 selection: 매 우리 가 like 의 model 의 deploy
    return human_pref(model_output)
```

→ 매 anthropic 의 alignment.

## 🤔 결정 기준
| 질문 | Reasoning |
|---|---|
| "왜 매 우주 의 fine-tuned?" | Anthropic + multiverse |
| "왜 매 startup 의 X trait?" | Survivorship bias |
| "왜 매 AI 의 safe so far?" | Anthropic shadow |
| "왜 매 benchmark 의 high?" | Selection bias |

**기본값**: 매 selection effect 의 explicit. 매 conclusion 의 careful.

## 🔗 Graph
- 응용: [[AI_Safety_and_Alignment|AI-Alignment]]
- Adjacent: [[Fine-Tuning]]

## 🤖 LLM 활용
**언제**: 매 selection bias 의 detect. 매 AI safety reasoning. 매 cosmology discussion. 매 base-rate 의 question.
**언제 X**: 매 specific physics calculation. 매 theology argument 의 substitute.

## ❌ 안티패턴
- **"매 우주 가 designed"**: 매 anthropic 가 multiverse 도 가능한 explanation.
- **Survivorship bias 무시**: 매 successful 만 의 분석.
- **Anthropic shadow 무시**: 매 past safe → 매 future safe.
- **WAP / SAP 의 conflate**: 매 different claim.
- **매 "anthropic" 의 magic word**: 매 actual selection mechanism 의 explicit.

## 🧪 검증 / 중복
- Verified (Bostrom "Anthropic Bias", Rees "Just Six Numbers").
- 신뢰도 B (philosophy 의 active debate).
- Related: [[AI_Safety_and_Alignment|AI-Alignment]] · [[X-Risk]] · [[Selection-Bias]].

## 🕓 Changelog
| 날짜 | 변경 |
|---|---|
| 2026-05-08 | Phase 1 |
| 2026-05-10 | Manual cleanup — variants + fine-tuning + AI 응용 + anthropic shadow |