4.1 KiB
4.1 KiB
id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by, tech_stack
| id | title | category | status | canonical_id | aliases | duplicate_of | source_trust_level | confidence_score | tags | raw_sources | last_reinforced | github_commit | inferred_by | tech_stack | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| wiki-2026-0508-global-vs-local-optima | Global vs Local Optima | 10_Wiki/Topics | needs_review | self |
|
none | A | 1.0 |
|
2026-04-26 | pending | Claude Opus 4.7 (auto-normalize 2026-05-08) |
|
Global Optima vs Local Optima (전역 최적해와 지역 최적해)
📌 한 줄 통찰 (The Karpathy Summary)
"눈앞의 작은 언덕(Local)에 만족하지 말고, 산맥 전체에서 가장 높은 봉우리(Global)를 향한 탐험을 멈추지 마라" — 최적화 문제에서 함수값이 주변보다 가장 좋지만 전체에서는 최선이 아닌 지점(Local)과, 전체 영역을 통틀어 가장 우수한 지점(Global) 사이의 격차와 이를 극복하기 위한 도전.
📖 구조화된 지식 (Synthesized Content)
- 추출된 패턴: 최적화 과정에서 경사(Gradient)를 따라 내려가다 보면 움푹 패인 작은 구덩이(Local Minima)에 갇히기 쉬우며, 이를 탈출하여 가장 깊은 골짜기(Global Minima)를 찾기 위한 전략적 탐색 패턴.
- 핵심 차이점:
- Local Optima: 특정 이웃 범위 내에서 최선의 해. 알고리즘이 더 이상 개선을 멈추기 쉬운 함정.
- Global Optima: 문제의 전체 정의 구역에서 단 하나(혹은 그 이상) 존재하는 절대적 최적해.
- 지역 최적해 탈출 전략:
- Momentum: 내려오던 관성을 이용해 작은 언덕을 넘어감.
- Stochasticity (무작위성): 확률적 경사 하강법(SGD)이나 돌연변이(Mutation)를 통해 무작위로 위치 이동.
- Simulated Annealing: 초기에는 과감하게 탐색하고 시간이 갈수록 정교하게 수렴.
- 의의: 딥러닝 학습이 단순히 '작동'하는 것을 넘어 '최고 성능'에 도달하기 위해 극복해야 할 가장 본질적인 수학적 과제.
⚠️ 모순 및 업데이트 (Contradictions & Updates)
- 과거 데이터와의 충돌: 고차원 공간에서는 지역 최적해보다 안장점(Saddle Point)이 학습을 방해하는 더 큰 요인임이 밝혀지며, 최적화 전략의 초점이 안장점 탈출로 확장됨.
- 정책 변화: Antigravity 프로젝트는 하이퍼파라미터 튜닝 시 단일 시도가 아닌 베이지안 최적화를 활용하여, 지역 최적해의 함정을 피해 전역 최적해에 근사하는 파라미터 조합을 탐색함.
🔗 지식 연결 (Graph)
- Gradient-Descent, Fitness-Landscape, Black-Box-Optimization, Genetic-Algorithms
- Raw Source: 10_Wiki/Topics/AI/Global-vs-Local-Optima.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 |
💻 코드 패턴 (Code Patterns)
패턴 1: (TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)
# TODO
🤔 의사결정 기준 (Decision Criteria)
선택 A를 써야 할 때:
- (TODO)
선택 B를 써야 할 때:
- (TODO)
기본값:
(TODO)
❌ 안티패턴 (Anti-Patterns)
- [안티패턴]: (TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)