32 lines
2.2 KiB
Markdown
32 lines
2.2 KiB
Markdown
---
|
|
id: P-REINFORCE-AUTO-COTH-001
|
|
category: "[[10_Wiki/💡 Topics/AI]]"
|
|
confidence_score: 0.95
|
|
tags: [auto-reinforced, complexity-theory, computer-science, p-vs-np, algorithm, computation, problem-solving]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[Complexity-Theory]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "지능의 한계 측정기: 어떤 문제는 왜 금방 풀리고, 어떤 문제는 전 우주의 시간을 다 써도 풀 수 없는지, 자원(시간과 공간)의 관점에서 문제의 '절대적 난이도'를 분류하고 지도화한 지식의 지도."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
계산 복잡도 이론(Complexity-Theory)은 알고리즘의 효율성을 연구하는 컴퓨터 과학 및 수학의 한 분야입니다.
|
|
|
|
1. **주요 분류 (Complexity Classes)**:
|
|
* **P (Polynomial)**: 합리적인 시간 내에 해결 가능한 문제. (예: 정렬)
|
|
* **NP (Nondeterministic Polynomial)**: 정답이 주어지면 확인은 빨리 할 수 있는 문제. (예: 퍼즐, 암호 해독)
|
|
* **NP-Hard/NP-Complete**: NP 문제 중 가장 어려운 부류로, 하나라도 P 임이 증명되면 P=NP 가 됨.
|
|
2. **왜 중요한가?**:
|
|
* 해결 불가능한 문제에 머리를 싸매며 자원을 낭비하는 대신, 문제의 난이도를 파악하고 '근사치(Approximation)'를 찾거나 다른 전략을 세우게 돕기 때문임. (Problem-Solving와 연결)
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **과거 데이터와의 충돌**: 과거에는 이론적인 복잡도 정책(Big O)만 중요하게 여겼으나, 현대 정책은 실제 하드웨어 아키텍처 정책(Cache hit, Parallelism)에 따른 '실감 복잡도'와 확률적 알고리즘 정책의 중요성을 더 강조함(RL Update).
|
|
- **정책 변화(RL Update)**: 이제는 고전적 복잡도를 넘어 양자 컴퓨터 정책이 가져올 새로운 복잡도 클래스 정책(BQP 등)과 AI 의 대규모 추론 정책 비용 문제를 다루는 방향으로 확장 중임. (Search-Space와 연결)
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- [[Problem-Solving]], [[Search-Space]], [[Sorting]], [[Algorithm]], [[Logic]], [[System-Theory]]
|
|
- **Key Concepts**: P vs NP, Space complexity, Time complexity.
|
|
---
|