2nd/10_Wiki/Topics_Blog/Catastrophic-Forgetting.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
CATAST-FORGET-001	10_Wiki/💡 Topics/AI	1.0	ai neural-networks lifelong-learning catastrophic-forgetting stability-plasticity	2026-04-26

Catastrophic Forgetting (파괴적 망각)

📌 한 줄 통찰 (The Karpathy Summary)

"새로운 지식을 배우려다 소중한 과거의 기억을 덮어쓰지 마라" — 인공 신경망이 새로운 태스크를 학습할 때, 이전에 학습했던 태스크에 필요한 가중치들이 급격히 수정되어 과거의 성능이 파괴적으로 저하되는 현상.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 학습 과정에서 가중치들이 현재의 데이터에만 최적화되면서, 과거의 데이터 분포 정보를 잃어버리는 정보 오버라이딩 패턴.
• 주요 해결 기법 (Continual Learning):
  • Regularization-based: 과거 태스크에 중요했던 가중치가 변하지 않도록 페널티 부여 (예: EWC).
  • Replay-based: 과거의 데이터 일부를 저장해두었다가 새로운 학습 시 함께 사용.
  • Architecture-based: 새로운 지식을 위해 신경망의 일부를 동적으로 확장하거나 분리.
• 의의: 인간처럼 평생에 걸쳐 지식을 축적하는 '지속 가능한 학습(Lifelong Learning)' 구현을 위한 가장 큰 난제 중 하나.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 초기에는 데이터를 합쳐서 다시 학습시키는 것이 유일한 해결책이었으나, 현재는 가중치 동역학을 제어하여 지식을 보존하는 정교한 기법들이 연구됨.
• 정책 변화: Antigravity 프로젝트는 에이전트의 로컬 브레인 업데이트 시, 핵심 지식 노드의 가중치를 보호하는 규제화 기법을 적용하여 파괴적 망각을 최소화함.

🔗 지식 연결 (Graph)

• Neural-Networks-Foundations, Transfer-Learning-Foundations, Regularization-Techniques, Representation-Learning
• Raw Source: 10_Wiki/Topics/AI/Catastrophic-Forgetting.md