2nd/10_Wiki/Topics/AI/Assumptions-vs-Facts.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
P-REINFORCE-AUTO-ASVF-001	10_Wiki/💡 Topics/AI	0.98	auto-reinforced assumptions facts critical-thinking scientific-method logic	2026-04-20

Assumptions-vs-Facts

📌 한 줄 통찰 (The Karpathy Summary)

"생각의 거품 걷어내기: 내가 당연히 그렇다고 믿는 '가정'과 실제 현실에서 입증된 '발생한 사실'을 철저히 분리하여, 잘못된 믿음 위에 모래성을 쌓지 않도록 경계하는 지적 정직성."

📖 구조화된 지식 (Synthesized Content)

가정과 사실의 구분은 비판적 사고와 과학적 방법론의 가장 기초적인 단계입니다.

1. Fact (사실):
   • 객관적으로 증명 가능하며, 누구나 동일한 조건에서 관찰하거나 확인 가능한 데이터.
   • "이 서버의 응답 속도는 50ms이다."
2. Assumption (가정):
   • 사실이 밝혀지지 않았거나 확인하지 않은 상태에서 '그럴 것이다'라고 믿고 전제하는 것.
   • "사용자는 빠른 응답 속도를 좋아할 것이다." (비록 타당해 보일지라도 검증 전까지는 가정임)
3. 가정의 위험성:
   • Implicit Assumptions: 스스로 가정하고 있다는 사실조차 깨닫지 못하는 무의식적 전제들이 의사결정의 거대한 오류를 만듦.
   • Assumption Stacking: 검증되지 않은 가정 위에 또 다른 가정을 쌓으면 작은 균열에도 전체 시스템이 붕괴함.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 과거의 직관적 의사결정 정책은 '전문가의 감(Assumption)'에 의존했으나, 현대의 데이터 기반 정책은 모든 핵심 전제를 '가설 검정(Hypothesis testing)'을 통해 사실로 확인하려는 정책적 결벽증을 가짐(RL Update).
• 정책 변화(RL Update): 프로젝트 관리 정책(예: Agile)에서, 불확실한 가정을 최대한 빨리 사실로 확인하기 위해 '최소 기능 제품(MVP)'을 만들고 피드백을 받는 '가정 검증 속도 최적화 정책'이 표준이 됨.

🔗 지식 연결 (Graph)

• Analysis, Arguing-by-Counterexample, Scientific Communication, Rationality, Rapid-Prototyping
• Modern Tech/Tools: A/B testing platforms, Root cause analysis tools (5 Whys).

---