2.2 KiB
2.2 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | ||||||
|---|---|---|---|---|---|---|---|---|---|---|
| P-REINFORCE-AUTO-OBSE-001 | 10_Wiki/💡 Topics/AI | 0.89 |
|
2026-04-20 |
Observation
📌 한 줄 통찰 (The Karpathy Summary)
"데이터의 발화점: 편견을 제거하고 현상을 있는 그대로 정교하게 지각하는 능력이자, 수많은 소음 속에서 본질적인 패턴(Insights)을 건져 올리는 미립자 수준의 집중력이자 모든 과학적 탐구의 시작점."
📖 구조화된 지식 (Synthesized Content)
관찰(Observation)은 대상을 체계적으로 살피고 데이터를 수집하는 행위입니다.
- 관찰의 층위:
- Passive Observation: 개입하지 않고 자연스러운 상태를 지각. (Media-Literacy와 연결)
- Active Observation: 가설을 가지고 특정 변수가 변하는지 살핌. (Scientific-Method와 연결)
- Self-Observation (Introspection): 자신의 사고 흐름과 감정을 관찰. (Introspection (자기성찰)와 연결)
- 왜 중요한가?:
- 훌륭한 관찰은 '당연해 보이는 것'에서 모순이나 기회를 발견하게 하여, 혁신의 원재료인 훌륭한 '질문'을 만들어내기 때문임. (Inquiry-Based Learning와의 연결)
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 과거에는 관찰자의 시각 정책(Subjective)에 의존했으나, 현대 정책은 센서와 로그 데이터 정책을 통한 '객관적 정밀 관찰 정책(Quantified Self)'으로 관찰의 범위를 확장함(RL Update).
- 정책 변화(RL Update): AI 학습 데이터 정책에서도, 인간의 편향된 관찰 결과가 모델에 전이되지 않도록 '다각도 교차 관찰 데이터 수집 정책'과 관찰 결과의 품질(Confidence score) 관리 정책이 핵심 과제가 됨.
🔗 지식 연결 (Graph)
- Introspection (자기성찰), Inquiry-Based Learning, Analysis, Information-Entropy, Logic
- Modern Tech/Tools: Quantitative analysis, Qualitative field studies, Sensor monitoring, Data logging.