---
id: RL-MAB-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 1.0
tags: [ai, reinforcement-learning, multi-armed-bandit, exploration-exploitation, optimization]
last_reinforced: 2026-04-26
---

# Multi-armed Bandit Problem (다중 슬롯머신 문제)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "최선의 보상을 주는 슬롯머신을 찾기 위해, 익숙한 기계를 당길 것인가(Exploit) 아니면 새로운 기계에 도전할 것인가(Explore)의 균형을 잡아라" — 제한된 자원으로 최대의 이익을 얻기 위해 탐색과 활용 사이의 딜레마를 해결하는 가장 기초적인 순차적 의사결정 모델.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** "Dynamic Allocation under Uncertainty" — 어떤 선택지가 가장 좋은지 모르는 상태에서, 데이터를 수집하며 점진적으로 더 유망한 선택지에 자원을 집중 투입하여 후회(Regret)를 최소화하는 패턴.
- **주요 알고리즘:**
    - **$\epsilon$-Greedy:** 대부분은 가장 좋은 것을 선택하되, 아주 낮은 확률($\epsilon$)로 새로운 시도를 함.
    - **UCB (Upper Confidence Bound):** 보상의 불확실성(분산)이 높은 선택지에 보너스를 주어 탐색 유도.
    - **Thompson Sampling:** 확률 분포(베이지안)를 기반으로 샘플링하여 선택.
- **의의:** 추천 시스템의 A/B 테스트 최적화, 신약 임상 실험, 온라인 광고 노출 제어 등 실시간 피드백이 중요한 비즈니스 의사결정의 핵심 도구.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 단순히 '가장 높은 평균'을 찾는 것을 넘어, 이제는 시간에 따라 보상 확률이 변하는 비정적(Non-stationary) 환경이나 문맥 정보(Contextual Bandit)를 활용하는 방향으로 지능화됨.
- **정책 변화:** Antigravity 프로젝트는 에이전트가 여러 도구(Tool) 중 현재 문제 해결에 가장 적합한 도구를 선택할 때, 과거 성공률을 기반으로 한 톰슨 샘플링 기법을 적용하여 최적의 도구 활용 전략을 수립함.

## 🔗 지식 연결 (Graph)
- [[Reinforcement-Learning]], [[Monte-Carlo-Tree-Search-MCTS]], Expected-Utility-Theory, A-B-Testing-Optimization
- **Raw Source:** 10_Wiki/Topics/AI/Multi-armed-Bandit-Problem.md