30 lines
1.5 KiB
Markdown
30 lines
1.5 KiB
Markdown
---
|
|
id: P-REINFORCE-AI-003
|
|
category: "10_Wiki/💡 Topics/AI"
|
|
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)을 뒷받침하는 이론적 근거로 최상단 배치.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- **Parent:** 10_Wiki/💡 Topics/AI
|
|
- **Related:** [[Dopamine]], [[Operant_Conditioning]], [[Reinforcement-Learning]]
|
|
- **Raw Source:** 00_Raw/2026-04-20/Computational Neuroscience of Reinforcement Learning.md
|