34 lines
2.2 KiB
Markdown
34 lines
2.2 KiB
Markdown
---
|
|
id: P-REINFORCE-AUTO-BARE-001
|
|
category: "10_Wiki/💡 Topics/AI"
|
|
confidence_score: 0.94
|
|
tags: [auto-reinforced, backward-reasoning, goal-driven, logic, problem-solving, cognitive-ai]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[Backward-Reasoning]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "결과로부터 시작하는 역발상: 최종 목표(Goal)를 먼저 설정하고, 그 목표를 이루기 위해 바로 전 단계에 무엇이 필요했는지를 거꾸로 추적하며 현재의 실행 방안을 도출하는 목적 중심적 추론."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
후행 추론(Backward-Reasoning) 혹은 역방향 추론은 목표 지향적(Goal-driven) 문제 해결 기법입니다.
|
|
|
|
1. **추론 프로세스**:
|
|
* 목표 설정: "나는 A를 성취하고 싶다."
|
|
* 전제 확인: "A를 이루려면 B가 참이어야 한다."
|
|
* 재귀적 반복: "B를 이루려면 C가 참이어야 한다." -> 이미 알고 있는 사실(Facts)에 도달할 때까지 반복.
|
|
2. **전방 추론(Forward Reasoning)과의 차이**:
|
|
* 전방 추론은 데이터에서 시작해 결론을 탐색(Data-driven)하는 반면, 후행 추론은 목표가 명확할 때 탐색 범위를 확 줄여주는 효율성이 있음. (Working-Backwards와 연결)
|
|
3. **적용 분야**:
|
|
* 수학적 증명, 범죄 수사(결과에서 단서 추적), 진단 전문가 시스템.
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **과거 데이터와의 충돌**: 초기 AI 전문가 시스템 정책은 엄격한 논리 규칙 기반의 후행 추론 정책을 썼으나, 현대의 거대 모델 정책은 전방과 후행을 유연하게 섞는 '비정형 추론 정책'을 통해 더 인간적인 문제 해결 능력을 보여줌(RL Update).
|
|
- **정책 변화(RL Update)**: 프로젝트 관리 정책에서, 마감 기한에서 거꾸로 일정을 산출하는 'Backward Scheduling 정책'이 불확실한 기술 개발 과제의 리스크를 관리하는 핵심 도구로 정착됨.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- [[Working-Backwards]], [[Active-Reasoning]], [[Logic]], [[Analysis]], [[Strategic-Planning]]
|
|
- **Modern Tech/Tools**: Prolog (Logic programming), Project planning software.
|
|
---
|