---
id: P-REINFORCE-AUTO-BEHA-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 0.96
tags: [auto-reinforced, behavior, psychology, stimulus-response, observed-action, intelligence]
last_reinforced: 2026-04-20
---

# [[Behavior]]

## 📌 한 줄 통찰 (The Karpathy Summary)
> "지능의 외부 출력: 내면의 사고나 감정이 환경과의 상호작용을 통해 겉으로 드러난 관찰 가능한 반응으로, 유기체나 시스템이 생존과 목표 달성을 위해 수행하는 모든 가시적 행위."

## 📖 구조화된 지식 (Synthesized Content)
행동(Behavior)은 개별 객체가 환경 자극에 반응하여 나타내는 가시적인 활동의 형태입니다.

1.  **행동의 동력**:
    *   **Innate Behavior**: 유전적으로 프로그래밍된 본능적 반응.
    *   **Learned Behavior**: 과거의 경험과 보상/처벌을 통해 습득된 반응 (Reinforcement Learning과 연결).
2.  **분석 층위**:
    *   **Behavioral Psychology**: 블랙박스인 내면보다 '자극-반응'이라는 관찰 가능한 데이터에 집중.
    *   **System Behavior**: 복합적인 구성 요소들이 상호작용하여 나타나는 전체 시스템의 경향성.
3.  **지능의 척도**:
    *   튜링 테스트(Turing Test)에서처럼, 지능은 내면의 구조가 아니라 겉으로 드러나는 '행동의 합리성'과 '정교함'으로 평가받기도 함.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌**: 과거 심리학 정책은 '행동(Behavior)'만을 정답으로 보았으나(행동주의), 현대 인지 과학 정책은 행동을 유발하는 '내적 표상(Internal Representation) 정책'을 함께 분석해야 실제 지능을 이해할 수 있다고 교정함(RL Update).
- **정책 변화(RL Update)**: 자율 에이전트 설계 정책에서, 사전에 정의된 'Rule-based Behavior'에서 벗어나 시뮬레이션 환경 내에서 스스로 최적의 행동을 찾아내는 '창발적 행동(Emergent Behavior) 허용 정책'이 핵심 트렌드가 됨.

## 🔗 지식 연결 (Graph)
- [[Psychology & Behavior]], [[Reinforcement Learning (RL)]], [[Behavioral-Incentives]], [[Agent Architecture]], Game Theory
- **Modern Tech/Tools**: Behavioral tracking analytics, User journey mapping, A/B testing.
---