2nd/10_Wiki/Topics/AI_and_ML/Generalization-in-AI.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-generalization-in-ai	Generalization in AI	10_Wiki/Topics	needs_review	self	Gen-AI-001	none	A	1.0	ai machine-learning generalization Overfitting Regularization		2026-04-26	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)

Generalization in AI (AI의 일반화 능력)

📌 한 줄 통찰 (The Karpathy Summary)

"학습 데이터를 외우지 말고, 데이터 속에 숨겨진 보편적인 법칙을 통찰하라" — 모델이 학습 데이터셋에만 특화되지 않고, 실제 운영 환경에서 마주하는 낯선 데이터에 대해서도 높은 성능을 유지할 수 있는 능력.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 훈련 오차(Training Error)와 검증 오차(Validation Error) 사이의 간극을 최소화하고, 단순한 모델 구조와 풍부한 데이터를 통해 데이터의 '노이즈'가 아닌 '신호'를 학습하는 패턴.
• 주요 저해 요인:
  • Overfitting (과적합): 모델이 너무 복잡하여 학습 데이터의 무작위 노이즈까지 학습해버린 상태.
  • Data Bias: 학습 데이터가 현실의 다양성을 충분히 반영하지 못한 경우.
• 일반화 향상 전략:
  • Regularization (L1, L2): 모델의 가중치가 너무 커지지 않도록 제약.
  • Data Augmentation: 데이터의 양과 다양성을 인위적으로 늘림.
  • Early Stopping: 검증 오차가 오르기 시작하는 시점에 학습 중단.
  • Cross-Validation: 데이터를 여러 번 교차하여 검증함으로써 평가의 신뢰도 확보.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

• 과거 데이터와의 충돌: "모델이 복잡할수록 나쁘다(Occam's Razor)"는 고전적 믿음이, 거대 모델에서는 오히려 매개변수가 많을수록 일반화 성능이 좋아지는 'Double Descent' 현상이 발견되며 패러다임 변화 발생.
• 정책 변화: Antigravity 프로젝트는 에이전트의 일반화 능력을 테스트하기 위해, 학습에 사용되지 않은 외부 지식 소스(Uber, Europeana 등)를 활용한 'Out-of-distribution' 벤치마크를 정기적으로 수행함.

🔗 지식 연결 (Graph)

• Overfitting-and-Underfitting, Regularization-Techniques, Cross-Validation, Few-Shot-Learning
• Raw Source: 10_Wiki/Topics/AI/Generalization-in-AI.md

🤖 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