---
id: CATAST-FORGET-001
category: Dev
confidence_score: 1.0
tags: [ai, neural-networks, lifelong-learning, catastrophic-forgetting, Stability-plasticity]
last_reinforced: 2026-04-26
---

# Catastrophic Forgetting (파괴적 망각)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "새로운 지식을 배우려다 소중한 과거의 기억을 덮어쓰지 마라" — 인공 신경망이 새로운 태스크를 학습할 때, 이전에 학습했던 태스크에 필요한 가중치들이 급격히 수정되어 과거의 성능이 파괴적으로 저하되는 현상.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** 학습 과정에서 가중치들이 현재의 데이터에만 최적화되면서, 과거의 데이터 분포 정보를 잃어버리는 정보 오버라이딩 패턴.
- **주요 해결 기법 (Continual Learning):**
    - **[[Regularization|Regularization]]-based:** 과거 태스크에 중요했던 가중치가 변하지 않도록 페널티 부여 (예: EWC).
    - **Replay-based:** 과거의 데이터 일부를 저장해두었다가 새로운 학습 시 함께 사용.
    - **[[Architecture|Architecture]]-based:** 새로운 지식을 위해 신경망의 일부를 동적으로 확장하거나 분리.
- **의의:** 인간처럼 평생에 걸쳐 지식을 축적하는 '지속 가능한 학습(Lifelong Learning)' 구현을 위한 가장 큰 난제 중 하나.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 초기에는 데이터를 합쳐서 다시 학습시키는 것이 유일한 해결책이었으나, 현재는 가중치 동역학을 제어하여 지식을 보존하는 정교한 기법들이 연구됨.
- **정책 변화:** Antigravity 프로젝트는 에이전트의 로컬 브레인 업데이트 시, 핵심 지식 노드의 가중치를 보호하는 규제화 기법을 적용하여 파괴적 망각을 최소화함.

## 🔗 지식 연결 (Graph)
- Neural-Networks-Foundations, Transfer-Learning-Foundations, [[Regularization-Techniques|Regularization-Techniques]], [[Representation-Learning|Representation-Learning]]
- **Raw Source:** 10_Wiki/Topics/AI/Catastrophic-Forgetting.md