Files
2nd/10_Wiki/Topics/AI_and_ML/Bayesian-Brain-Hypothesis.md
T

3.2 KiB

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by
id title category status canonical_id aliases duplicate_of source_trust_level confidence_score tags raw_sources last_reinforced github_commit inferred_by
wiki-2026-0508-bayesian-brain-hypothesis Bayesian Brain Hypothesis 10_Wiki/Topics needs_review self
BAYES-BRAIN-001
none A 1.0
neuroscience
cognitive-science
bayesian
Predictive-Coding
ai-theory
2026-04-26 pending Claude Opus 4.7 (auto-normalize 2026-05-08)

Bayesian Brain Hypothesis (베이지안 뇌 가설)

📌 한 줄 통찰 (The Karpathy Summary)

"뇌는 끊임없이 확률을 계산하는 최적의 추론 엔진이다" — 뇌가 불완전한 감각 데이터를 바탕으로 세상을 인식할 때, 사전 지식(Prior)과 새로운 정보(Likelihood)를 베이즈 정리에 따라 결합하여 최선의 추측을 내놓는다는 가설.

📖 구조화된 지식 (Synthesized Content)

  • 추출된 패턴: 불확실성이 가득한 환경에서 정보의 오차를 최소화하고 생존 확률을 높이기 위해, 확률적 모델 업데이트를 인지의 기본 원리로 삼는 베이지안 추론 패턴.
  • 핵심 개념:
    • Prior Knowledge: 우리가 이미 알고 있는 세상에 대한 지식이나 경험.
    • Likelihood: 현재 감각 기관을 통해 들어오는 데이터의 확률.
    • Posterior: 사전 지식과 새로운 데이터가 합쳐진 최종적인 인식 결과.
    • Free Energy Principle: 뇌가 환경과의 불일치(Surprise)를 최소화하려는 방향으로 작동한다는 원리 (칼 프리스턴).
  • 의의: AI 모델의 불확실성 처리 및 능동적 추론(Active Inference) 설계에 이론적 배경을 제공.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

  • 과거 데이터와의 충돌: 뇌를 단순한 자극-반응 시스템으로 보던 관점에서, 능동적으로 확률 분포를 관리하고 미래를 예측하는 동역학 시스템으로 재정의.
  • 정책 변화: Antigravity 에이전트의 상황 판단 모듈은 베이지안 뇌 가설을 차용하여, 모호한 사용자 입력에 대해 사전 맥락 데이터를 활용한 확률적 해석을 수행함.

🔗 지식 연결 (Graph)

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

  • (TODO)

언제 쓰면 안 되는가:

  • (TODO)

🧪 검증 상태 (Validation)

  • 정보 상태: needs_review
  • 출처 신뢰도: A
  • 검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

  • 기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
  • 처리 방식: UPDATE (자동 정규화)
  • 처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

🕓 변경 이력 (Changelog)

날짜 변경 내용 처리 방식 신뢰도
2026-05-08 P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) UPDATE A