2nd/10_Wiki/Topics/AI/Circuit Discovery.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
CIRCUIT-001	10_Wiki/💡 Topics/AI	1.0	ai-interpretability mechanistic-interpretability neural-networks circuits	2026-04-26

Circuit Discovery (회로 발견)

📌 한 줄 통찰 (The Karpathy Summary)

"거대 모델 속에서 구체적인 기능을 수행하는 작은 알고리즘 지도를 그려라" — 신경망 내부의 특정 뉴런과 헤드들이 어떻게 연결되어 논리적 기능을 수행하는지 식별해내는 기계적 해석 가능성(Mechanistic Interpretability)의 핵심 기법.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 모델 전체를 블랙박스로 보는 대신, 특정 태스크(예: 간접 목적어 식별)를 수행할 때 활성화되는 최소한의 가중치와 경로를 추출하는 '회로(Circuit)' 식별 패턴.
• 세부 내용:
  • Activation Patching: 특정 뉴런의 활성화 값을 다른 입력값으로 교체해보며 결과에 미치는 인과적 영향을 측정.
  • Path Patching: 레이어 간의 구체적인 연결 경로를 추적하여 정보가 어떻게 흐르는지(Information Flow) 매핑.
  • Induction Heads: 이전 패턴을 복사하거나 문맥을 이해하는 데 특화된 특정 어텐션 헤드 구조의 발견.
  • Automated Circuit Discovery (ACD): 방대한 파라미터 중 유의미한 연결망을 알고리즘적으로 자동 탐색.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 단순 시각화(Saliency Map) 수준을 넘어, 모델 내부에서 수학적으로 정의 가능한 알고리즘을 찾아내는 정교한 단계로 진화.
• 정책 변화: 모델의 안전성 검증(Alignment)을 위해 잠재적인 유해 논리 회로가 형성되었는지 감지하는 도구로 활용 비중 확대.

🔗 지식 연결 (Graph)

• Parent: 10_Wiki/💡 Topics/AI
• Related: Mechanistic-Interpretability, Neuron-Attribution, Feature-Visualization
• Raw Source: 00_Raw/2026-04-20/Circuit Discovery.md