Files

T

koriweb 5ba5a55c78 feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]

2026-05-08 19:52:07 +09:00

3.3 KiB

Raw Blame History

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by

title

Symbolic AI vs Connectionism (기호주의 vs 연결주의)

📌 한 줄 통찰 (The Karpathy Summary)

"논리적 기호로 지능을 설계할 것인가, 뉴런의 연결망으로 지능을 창발시킬 것인가" — 인공지능의 황금기를 이끈 '기호주의(Good Old Fashioned AI)'와 현대 딥러닝의 뿌리인 '연결주의' 간의 근본적인 철학 및 기술적 대립과 융합.

📖 구조화된 지식 (Synthesized Content)

추출된 패턴: 명시적인 규칙과 지식 표현을 중시하는 하향식(Top-down) 접근과, 데이터로부터의 학습과 분산 표상을 중시하는 상향식(Bottom-up) 접근의 상호작용 패턴.
세부 내용:
- Symbolic AI: 논리, 추론, 온톨로지 기반. 설명 가능성이 높으나 유연성이 낮음 (예: 전문가 시스템).
- Connectionism: 신경망, 분산 처리 기반. 복잡한 패턴 인식에 강하나 블랙박스 특성이 있음 (예: 딥러닝).
- The Great Divergence: 80-90년대 연결주의가 비판받던 시기를 지나, 2010년대 이후 빅데이터와 컴퓨팅 파워로 연결주의가 압도적 우위 점함.
- Neuro-Symbolic AI: 최근에는 두 방식의 장점을 결합하여, 신경망으로 인식하고 논리로 추론하는 하이브리드 모델 연구 활발.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

과거 데이터와의 충돌: 두 진영은 서로를 부정하던 시기를 거쳐, 현재는 고차원적 지능 구현을 위해 반드시 통합되어야 할 양 바퀴로 인식됨.
정책 변화: Antigravity 프로젝트는 연결주의적 모델(LLM)을 두뇌로 사용하되, 기호주의적 도구(Knowledge Graph, Rules)를 활용하여 정합성을 검증하는 하이브리드 전략을 취함.

🔗 지식 연결 (Graph)

Neural-Networks-Foundations, Knowledge-Graph, Interpretability, Artificial-Neural-Networks
Raw Source: 10_Wiki/Topics/AI/Symbolic-AI vs Connectionism.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

3.3 KiB Raw Blame History