2nd/10_Wiki/Topics/Hebbian-Learning.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
HEBB-001	Dev	1.0	neuroscience machine-learning synaptic-plasticity ai-history	2026-04-26

Hebbian Learning (헵의 학습 법칙)

📌 한 줄 통찰 (The Karpathy Summary)

"함께 활성화되는 뉴런들은 함께 연결된다 (Neurons that fire together, wire together)" — 시냅스 전후 뉴런의 동시 활성화가 시냅스 연결 강도를 강화시킨다는 생물학적 학습의 대원칙.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 연상 학습(Associative Learning)의 물리적 기초로서, 입력 신호들의 상관관계가 높을수록 이를 처리하는 신경 회로의 효율이 높아지는 자가 조직화 패턴.
• 세부 내용:
  • Synaptic Plasticity: 경험에 의해 뇌의 연결 구조가 변하는 가소성의 핵심 기제.
  • Unsupervised Learning: 정답(Label) 없이도 데이터 내부의 패턴과 상관관계를 찾아내는 초기 인공신경망의 모태.
  • Long-Term Potentiation (LTP): 시냅스 연결이 장기적으로 강화되는 현상에 대한 생화학적 설명 제공.
  • Modern AI Link: 오차 역전파(Backpropagation)와는 대조적으로, 국소적인 정보만으로 학습하는 생물학적 타당성(BioLogical Plausibility) 연구의 기초.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 초기에는 무한정 강화되는 단순 모델이었으나, 현대에는 연결이 약화되는 'Anti-Hebbian Learning' 및 'Long-Term Depression(LTD)'과 균형을 이루는 복합 모델로 발전.
• 정책 변화: Antigravity 프로젝트의 '기억 연결 엔진'은 특정 주제들이 동시에 자주 언급될 때 문서 간의 가중치를 자동으로 높이는 헵의 법칙 원리를 응용함.

🔗 지식 연결 (Graph)

• Synaptic-Plasticity, UnSupervised-Learning, Artificial-Neural-Networks, Spiking-Neural-Networks
• Raw Source: 10_Wiki/Topics/AI/Hebbian-Learning.md