2nd/10_Wiki/Topics/Human-in-the-loop-AI.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
HITL-AI-001	Unified	1.0	ai human-in-the-loop ai-ethics model-training decision-making	2026-04-26

Human-in-the-loop AI (인간 참여형 AI)

📌 한 줄 통찰 (The Karpathy Summary)

"AI의 폭발적인 속도와 인간의 정교한 판단력을 결합하여, 결점 없는 지능 시스템을 완성하라" — 인공지능의 학습, 테스트, 실제 운영 단계에 인간의 개입(피드백, 교정, 검증)을 통합하여 모델의 성능을 고도화하고 윤리적 안정성을 확보하는 아키텍처.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: AI가 확신하기 어려운 모호한 케이스(Uncertainty)를 인간 전문가에게 전달하여 판단을 받고, 그 결과가 다시 모델의 학습 데이터로 활용되는 선순환 피드백 루프 패턴.
• 주요 활용 단계:
  • Training: 인간이 고품질의 레이블 데이터를 생성하거나 RLHF(인간 피드백 기반 강화학습)를 통해 가이드를 제공.
  • Active Learning: 모델이 가장 도움이 될 것 같은 데이터를 직접 골라 인간에게 질문.
  • Deployment: AI가 내린 최종 결정을 인간이 검토하거나(Review), 위험도가 높은 결정은 반드시 인간의 승인을 거치게 함(Human Approval).
• 의의: AI의 블랙박스 문제를 해결하고, 책임 있는 의사결정이 필요한 분야(의료, 법률, 자율주행)에서 AI의 도입을 가능하게 함.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 완전 자동화만이 기술적 진보라는 편견에서 벗어나, 인간의 개입이 지능 시스템의 품질을 결정하는 핵심 요소임을 재발견함.
• 정책 변화: Antigravity 프로젝트의 지식 가드닝 작업은 '인간 참여형' 구조를 기본으로 함. 에이전트가 초안을 작성하고 보강하되, 최종적인 승인과 트래커 업데이트 과정에서 인간과의 상호작용을 통해 지식의 무결성을 유지함.

🔗 지식 연결 (Graph)

• Reinforcement-Learning-from-Human-Feedback-RLHF, Active-Learning, AI-Ethics, Trustworthy-AI
• Raw Source: 10_Wiki/Topics/AI/Human-in-the-loop-AI.md