Files
koriweb d8a80f6272 chore(wiki): dangling 링크 canonical 정규화 (768파일/1200건)
이름만 다른(표기 변형) [[위키링크]]를 대상 문서의 canonical 제목으로 치환해
끊겼던 1,200개 링크를 연결. 제목/파일명 정규화 일치만 적용하고 별칭 매칭은
과병합 위험으로 제외(애매성 가드). 원본은 _link_reconcile_backup/ 에 백업.
도구: Datacollect/scripts/link_reconcile_apply.mjs

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
2026-06-08 12:24:15 +09:00

154 lines
4.4 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
id: wiki-2026-0508-logic
title: Logic
category: 10_Wiki/Topics
status: verified
canonical_id: self
aliases: [Formal Logic, Mathematical Logic, Symbolic Logic]
duplicate_of: none
source_trust_level: A
confidence_score: 0.9
verification_status: applied
tags: [math, ai, logic, reasoning, neuro-symbolic, prolog]
raw_sources: []
last_reinforced: 2026-05-10
github_commit: pending
tech_stack: { language: prolog-python, framework: z3-asp-pyke }
---
# Logic
## 매 한 줄
> **"매 추론을 형식화한다"**. 명제·술어·양상·퍼지 논리는 truth-preserving 변환의 규칙이며, AI에서는 Prolog/ASP/SMT/Neuro-symbolic으로 LLM의 hallucination을 제약한다.
## 매 핵심
### 매 분류
- **Propositional**: ∧ ¬ → ↔, 진리표.
- **First-order (predicate)**: ∀ ∃, 술어, 함수 — 표현력 ↑.
- **Higher-order**: 술어 자체를 정량화.
- **Modal**: □ ◇ (필연/가능) — 시간/지식/의무.
- **Fuzzy**: [0,1] 진리값 — 모호성.
- **Linear / substructural**: 자원 회계.
- **Probabilistic**: Bayesian + 논리 (Markov logic, ProbLog).
- **Description Logic**: OWL, ontology.
### 매 핵심 결과
1. **Soundness/Completeness** (Gödel): 1차 논리 완전.
2. **Incompleteness** (Gödel): 산술 포함 시 불완전.
3. **Cut elimination** (Gentzen): 증명 정규화.
4. **Curry-Howard**: 증명 = 프로그램, 명제 = 타입.
5. **Resolution** (Robinson): 자동 정리 증명 기반.
### 매 AI 응용
- **Prolog**: 백트래킹 기반 논리 프로그래밍.
- **ASP (Answer Set Programming)**: clingo, 조합 탐색.
- **SAT/SMT** (Z3): 검증, 합성.
- **Knowledge Graph + reasoner**: SPARQL, OWL.
- **Neuro-symbolic**: LLM + symbolic verifier (e.g., Lean/Z3 augmented).
- **LLM tool use**: Claude가 SMT/Lean 호출해 hallucination 차단.
## 💻 패턴
### Pattern 1 — Prolog 사실/규칙
```prolog
parent(alice, bob).
parent(bob, carol).
ancestor(X, Y) :- parent(X, Y).
ancestor(X, Y) :- parent(X, Z), ancestor(Z, Y).
?- ancestor(alice, carol). % true
```
### Pattern 2 — Z3 (SMT)
```python
from z3 import *
x, y = Ints('x y')
solve(x + y == 10, x - y == 4) # x=7, y=3
```
### Pattern 3 — ASP (clingo)
```prolog
% N-queens
{queen(1..n, 1..n)}.
:- queen(R,C1), queen(R,C2), C1 != C2.
:- queen(R1,C), queen(R2,C), R1 != R2.
:- queen(R1,C1), queen(R2,C2), |R1-R2| == |C1-C2|, R1!=R2.
```
### Pattern 4 — Fuzzy (scikit-fuzzy)
```python
import skfuzzy as fuzz
warm = fuzz.trimf(x, [15, 22, 30])
cool = fuzz.trimf(x, [0, 10, 20])
```
### Pattern 5 — Description Logic (OWL/Pellet)
```turtle
:Person rdf:type owl:Class .
:hasParent rdf:type owl:ObjectProperty ;
rdfs:domain :Person ; rdfs:range :Person .
:Mother rdfs:subClassOf [owl:intersectionOf (:Person :Female)] .
```
### Pattern 6 — Lean 4 (proof assistant)
```lean
theorem add_comm (a b : Nat) : a + b = b + a := by
induction a with
| zero => simp
| succ n ih => simp [Nat.succ_add, ih]
```
### Pattern 7 — Neuro-symbolic with LLM
```python
# LLM proposes plan → Z3 verifies constraints
plan = claude.generate(problem)
solver = Solver()
solver.add(constraints_from(plan))
if solver.check() == sat:
return plan
```
## 매 결정 기준
| 문제 | 도구 |
|---|---|
| 결정 가능, 작은 | Truth table / SAT (MiniSat, Glucose) |
| 산술 포함 | SMT (Z3, CVC5) |
| 조합 탐색 / 일정 | ASP (clingo) |
| KB + 추론 | Prolog 또는 Datalog |
| Ontology / Web | OWL + reasoner |
| 정리 증명 | Lean, Coq, Isabelle |
| 모호성 | Fuzzy / probabilistic |
| LLM hallucination 검증 | LLM + Z3/Lean 결합 |
**기본값**: 작으면 SAT, 산술이면 Z3, 검증이면 Lean.
## 🔗 Graph
- 변형: [[Fuzzy-Logic]]
- 응용: [[Neural-Symbolic-Integration|Neuro-Symbolic-AI]]
- Adjacent: [[Type Theory]], [[Curry-Howard]], [[Knowledge Graph|Knowledge-Graph]], [[Theorem-Proving]]
## 🤖 LLM 활용
**언제**:
- Z3/Prolog/ASP 인코딩 작성.
- 논리식 ↔ 자연어 번역.
- 증명 outline 초안.
**언제 X**:
- 정확한 정리 증명 (Lean/Coq 검증 필수).
- Soundness 보장 주장 (도구로 확인).
## ❌ 안티패턴
- LLM에 직접 SAT 풀리기 (불완전).
- First-order에서 결정 가능성 가정.
- Fuzzy logic을 확률과 혼동.
- Closed-world (Prolog) ↔ open-world (OWL) 구분 무시.
- Neuro-symbolic을 만능으로 (병목은 인코딩).
## 🧪 검증 / 중복
- Verified. Z3 4.13, Lean 4, clingo 5 기준. 신뢰도 A.
## 🕓 Changelog
| 날짜 | 변경 |
|---|---|
| 2026-05-08 | Phase 1 |
| 2026-05-10 | Manual cleanup |