Antigravity Agent
2.6 KiB
2.6 KiB
id, category, confidence_score, tags, last_reinforced
| id | category | confidence_score | tags | last_reinforced | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| PREI-AUTO-GNW-001 | Unified | 0.96 |
|
2026-05-05 |
Global-Neuronal-Workspace
📌 한 줄 통찰 (The Karpathy Summary)
"무대 뒤에서 속삭이는 수많은 무의식의 목소리 중 하나가 '주의'라는 조명을 받아 뇌 전체로 울려 퍼지는, 지능의 전역 방송국."
📖 구조화된 지식 (Synthesized Content)
전역적 신경 워크스페이스(GNW)는 뇌의 분산된 모듈들이 어떻게 정보를 공유하고 통합하여 의식을 형성하는지를 설명하는 인지 과학 모델입니다.
- 신경적 점화(Ignition)와 방송(Broadcast):
- 무의식적 모듈들이 특정 정보를 처리하며 경쟁하다가, 주의(Attention)를 통해 임계값을 넘으면 '점화'가 발생.
- 점화된 정보는 전두엽, 두정엽 등을 잇는 장거리 네트워크를 통해 뇌 전체로 '방송'되어 모든 모듈이 접근 가능한 상태가 됨.
- 나비넥타이(Bowtie) 아키텍처:
- 수많은 감각 입력이 전두-두정 네트워크라는 좁은 '병목(Bottleneck)'으로 수렴된 후, 다시 전역으로 확장되는 구조.
- 이 병목 구간이 정보를 라우팅하고 통합하는 핵심 엔진 역할을 수행.
- 계산론적 시뮬레이션:
- 최근에는 홉필드 네트워크(Hopfield-Networks) 등을 활용하여 GNW의 동역학(측면 경쟁, 점화 임계값 등)을 수학적으로 모델링하려는 시도가 활발함.
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 용량의 한계 (RL Update): 전역 공유는 정보의 가용성을 높이지만, 병목 구간의 물리적 한계로 인해 의식적으로 처리 가능한 정보의 양은 매우 제한적이고 직렬적임(한 번에 하나의 방송만 가능).
- All-or-None 법칙: 임계값을 넘지 못한 정보는 아무리 복잡한 처리가 이루어져도 '의식'에 도달하지 못해 맥락적으로 활용되지 못함. AI 설계 시에도 이러한 '점화 임계값' 개념을 도입하여 노이즈를 필터링할 필요가 있음.
🔗 지식 연결 (Graph)
- Prefrontal-Cortex, Context-Integration, Attention-Mechanism, Neuro-Symbolic-AI (중앙 통제)
- Raw Source: Datacollector_MAC/out_wiki/전역적 신경 워크스페이스 (GNW).md