---
id: MATH-HMM-001
category: Unified
confidence_score: 1.0
tags: [[Statistics|[Statistics]], machine-learning, hmm, [[Sequence-Modeling|Sequence-Modeling]], hidden-[[State|State]]s]
last_reinforced: 2026-04-26
---

# HMM (Hidden Markov Models, 은닉 마르코프 모델)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "보이지 않는 진실(Hidden States)을 겉으로 드러난 현상([[Observation|Observation]]s)을 통해 확률적으로 추론하라" — 관측 가능한 데이터를 바탕으로 직접 볼 수 없는 상태들의 변화 과정을 확률 모델로 설명하는 시계열 데이터 분석의 고전이자 핵심 도구.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** "Markov Property" — 미래의 상태는 오직 현재의 상태에 의해서만 결정된다는 가정을 바탕으로, 숨겨진 상태들 사이의 전이 확률(Transition Prob)과 상태별 관측 확률(Emission Prob)을 계산하는 확률 모델링 패턴.
- **주요 알고리즘:**
    - **Forward-Backward Algorithm:** 특정 관측치가 나타날 전체 확률 계산.
    - **Viterbi Algorithm:** 관측된 데이터를 생성했을 가장 가능성 높은 상태의 경로(Sequence) 탐색.
    - **Baum-Welch Algorithm:** 데이터를 통해 모델의 파라미터를 학습하는 EM 알고리즘 기반 기법.
- **의의:** 음성 인식, 유전자 분석, 필기체 인식 등 딥러닝 이전의 시퀀스 모델링 분야를 지배했으며, 현재도 불완전한 정보 하의 상태 추론에 널리 쓰임.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** RNN/[[LSTM|LSTM]]에 의해 많은 영역이 대체되었으나, 명시적인 상태 전이가 중요한 제어 시스템이나 데이터가 매우 적은 확률 모델링에서는 여전히 강력한 효율성을 발휘함.
- **정책 변화:** Antigravity 프로젝트는 에이전트의 불완전한 센서 데이터나 불규칙한 로그 시퀀스를 바탕으로 시스템의 잠재적 상태(정상/위험/장애 등)를 확률적으로 진단할 때 HMM을 보조적으로 활용함.

## 🔗 지식 연결 (Graph)
- Probability-Theory, RNN-Foundations, Kalman-Filter, [[Sequence-to-Sequence-Models|Sequence-to-Sequence-Models]]
- **Raw Source:** 10_Wiki/Topics/AI/HMM.md