2nd/10_Wiki/Topics/AI_and_ML/Amdahls Law (암달의 법칙).md

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-amdahls-law-암달의-법칙	Amdahls Law (암달의 법칙)	10_Wiki/Topics	needs_review	self	P-Reinforce-AI-AMDAHL	none	A	0.98	Computing Performance Parallelism AmdahlsLaw		2026-04-20	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)

Amdahls Law (암달의 법칙)

📌 한 줄 통찰 (The Karpathy Summary)

"아무리 엔진을 갈아 끼워도, 좁은 병목 구간이 전체 속도를 결정한다." 시스템 일부분을 병렬화하거나 개선했을 때 얻을 수 있는 전체 성능 향상의 한계는 개선되지 않은 나머지 부분(직렬 구간)에 의해 제한된다는 법칙이다.

📖 구조화된 지식 (Synthesized Content)

• The Formula:
  • Speedup = \frac{1}{(1-P) + \frac{P}{S}}
  • P: 병렬화 가능한 부분의 비율.
  • S: 그 부분을 얼마나 빠르게 개선했는지의 배수.
• Key Message:
  • 프로그램의 90%를 100배 빠르게 만들어도, 변하지 않는 나머지 10% 때문에 전체 속도는 절대 10배 이상 빨라질 수 없다.
  • 성능 최적화 시 '어디를 개선할 것인가'보다 '어디가 변하지 않는가'를 먼저 보는 것이 중요하다.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 암달의 법칙은 '고정된 문제 크기'를 가정한다. 하지만 실제로는 컴퓨팅 파워가 커지면 문제의 크기 자체를 늘리는 경우가 많은데, 이를 설명하는 구스타프슨의 법칙(Gustafson's Law)이 병렬 컴퓨팅의 희망적인 측면을 보완해준다.

🔗 지식 연결 (Graph)

• Related: Parallel-Computing , Bottleneck-Analysis
• Complement: Gustafsons-Law

🤖 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