---
id: [[P-Reinforce|P-Reinforce]]-AI-003
category: Dev
confidence_score: 0.98
tags: [ai, rl, neuroscience, brain]
last_reinforced: 2026-04-20
github_commit: "batch-reinforce-04"
---

# RL_Neuroscience (Computational Reinforcement Learning)

## 📌 한 줄 통찰 (The Karpathy Summary)
> 보상 학습의 생물학적 기제와 기계 학습 알고리즘의 수렴을 통해 지능의 본질을 규명하는 계산 뇌과학의 정점.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** 환경과의 상호작용에서 얻은 보상 신호를 사용하여 정책(Policy)과 가치 함수(Value Function)를 업데이트하는 순환적 최적화 패턴.
- **세부 내용:**
    - TD-Learning(Temporal Difference)과 도파민 신호의 수학적 일치성 입증.
    - 모델 기반(Model-based) vs 모델 자유(Model-free) 학습의 뇌내 처리 경로 분석.
    - 탐색(Exploration)과 착취(Exploitation)의 균형을 맞추는 전두엽의 기능 모사.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 단순 조건 반사 모델에서 미래 가치를 예측하는 '계산적 에이전트' 모델로 확장.
- **정책 변화:** P-Reinforce 엔진의 핵심 로직(Self-[[Optimization|Optimization]])을 뒷받침하는 이론적 근거로 최상단 배치.

## 🔗 지식 연결 (Graph)
- **Parent:** 10_Wiki/💡 Topics/AI
- **Related:** [[Dopamine|Dopamine]], [[Operant_Conditioning|Operant_Conditioning]], [[Reinforcement-Learning|Reinforcement-Learning]]
- **Raw Source:** 00_Raw/2026-04-20/[[Computational Neuroscience of Reinforcement Learning|Computational Neuroscience of Reinforcement Learning]].md