Antigravity Agent
33 lines
2.3 KiB
Markdown
33 lines
2.3 KiB
Markdown
---
|
|
id: P-REINFORCE-AUTO-LIAL-001
|
|
category: "10_Wiki/💡 Topics/AI"
|
|
confidence_score: 0.99
|
|
tags: [auto-reinforced, linear-algebra, mathematics, vectors, matrices, deep-learning, machine-learning]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[Linear-Algebra|Linear-Algebra]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "데이터의 다차원 언어: 방대한 수치 데이터를 벡터와 행렬이라는 격자에 담아 한꺼번에 움직이고 회전시키며 연산하게 함으로써, 수조 개의 파라미터를 가진 신경망이 눈 깜짝할 새 답을 내놓게 하는 현대 인공지능의 물리적 토대."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
선형 대수학(Linear-Algebra)은 벡터 공간, 선형 사상 등을 다루는 수학의 한 분야입니다.
|
|
|
|
1. **AI를 지탱하는 핵심 병기**:
|
|
* **Vectors**: 정보의 방향과 크기를 담은 점. (Embedding과 연결)
|
|
* **Matrices**: 벡터들을 묶은 표. 데이터를 변환하는 '연산자' 역할.
|
|
* **Dot Product (내적)**: 두 벡터가 얼마나 닮았는지(유사도) 계산. (Attention 메커니즘의 기초)
|
|
* **Eigenvalues/Vectors**: 행렬의 핵심 성격(주성분)을 파악. (PCA와 연결)
|
|
2. **왜 중요한가?**:
|
|
* 딥러닝의 모든 학습과 추론은 결국 거대한 '행렬 곱셈'의 반복이기 때문임. (GPU 하드웨어가 이 연산에 목숨 거는 이유)
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **과거 데이터와의 충돌**: 과거에는 수동 계산 정책 위주의 순수 수학이었으나, 현대 정책은 수십억 개의 행렬 연산을 병렬 처리 정책으로 소화하는 '수치 해석학 및 계산 수학 정책'으로 패러다임이 바뀜(RL Update). (High-Performance Computing (HPC)와 연결)
|
|
- **정책 변화(RL Update)**: 최근에는 단순한 실수 연산을 넘어, 양자 연산이나 희소 행렬(Sparse Matrix) 최적화 정책 등 하드웨어 효율 정책을 극대화하는 선형 대수 기법들이 주목받음.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- [[Hardware|Hardware]], [[High-Performance Computing (HPC)|High-Performance Computing (HPC)]], Deep Learning (DL), [[Backpropagation|Backpropagation]], [[Gradient-Descent|Gradient-Descent]]
|
|
- **Modern Tech/Tools**: NumPy, PyTorch (Tensor library), MATLAB, CuBLAS (NVIDIA).
|
|
---
|