Antigravity Agent
2.3 KiB
2.3 KiB
id: MATH-HMM-001 category: "10_Wiki/💡 Topics/AI" confidence_score: 1.0 tags: Statistics, machine-learning, hmm, Sequence-Modeling, hidden-States] last_reinforced: 2026-04-26
HMM (Hidden Markov Models, 은닉 마르코프 모델)
📌 한 줄 통찰 (The Karpathy Summary)
"보이지 않는 진실(Hidden States)을 겉으로 드러난 현상(Observations)을 통해 확률적으로 추론하라" — 관측 가능한 데이터를 바탕으로 직접 볼 수 없는 상태들의 변화 과정을 확률 모델로 설명하는 시계열 데이터 분석의 고전이자 핵심 도구.
📖 구조화된 지식 (Synthesized Content)
- 추출된 패턴: "Markov Property" — 미래의 상태는 오직 현재의 상태에 의해서만 결정된다는 가정을 바탕으로, 숨겨진 상태들 사이의 전이 확률(Transition Prob)과 상태별 관측 확률(Emission Prob)을 계산하는 확률 모델링 패턴.
- 주요 알고리즘:
- Forward-Backward Algorithm: 특정 관측치가 나타날 전체 확률 계산.
- Viterbi Algorithm: 관측된 데이터를 생성했을 가장 가능성 높은 상태의 경로(Sequence) 탐색.
- Baum-Welch Algorithm: 데이터를 통해 모델의 파라미터를 학습하는 EM 알고리즘 기반 기법.
- 의의: 음성 인식, 유전자 분석, 필기체 인식 등 딥러닝 이전의 시퀀스 모델링 분야를 지배했으며, 현재도 불완전한 정보 하의 상태 추론에 널리 쓰임.
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: RNN/LSTM에 의해 많은 영역이 대체되었으나, 명시적인 상태 전이가 중요한 제어 시스템이나 데이터가 매우 적은 확률 모델링에서는 여전히 강력한 효율성을 발휘함.
- 정책 변화: Antigravity 프로젝트는 에이전트의 불완전한 센서 데이터나 불규칙한 로그 시퀀스를 바탕으로 시스템의 잠재적 상태(정상/위험/장애 등)를 확률적으로 진단할 때 HMM을 보조적으로 활용함.
🔗 지식 연결 (Graph)
- Probability-Theory, RNN-Foundations, Kalman-Filter, Sequence-to-Sequence-Models
- Raw Source: 10_Wiki/Topics/AI/HMM.md