Files
2nd/10_Wiki/Topics/AI_and_ML/Objective-Functions.md
T

63 lines
2.8 KiB
Markdown

---
id: wiki-2026-0508-objective-functions
title: Objective Functions
category: 10_Wiki/Topics
status: needs_review
canonical_id: self
aliases: [OBJ-FUNC-001]
duplicate_of: none
source_trust_level: A
confidence_score: 1.0
tags: [machine-learning, Optimization, loss-function, cost-function]
raw_sources: []
last_reinforced: 2026-04-26
github_commit: pending
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
---
# Objective Functions (목적 함수)
## 📌 한 줄 통찰 (The Karpathy Summary)
> "모델이 나아가야 할 북극성을 정의하라" — 머신러닝 모델이 학습을 통해 최소화(비용 함수)하거나 최대화(효용 함수)하고자 하는 수치적 목표.
## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** 실제 값과 모델의 예측 값 사이의 차이(Error)를 수치화하여, 이를 줄이는 방향으로 가중치를 업데이트하게 만드는 가이드 패턴.
- **세부 내용:**
- **Loss Function:** 개별 데이터 포인트에 대한 오차 측정 (예: MSE, Cross-Entropy).
- **Cost Function:** 전체 학습 데이터셋에 대한 오차의 평균.
- **[[Regularization|Regularization]] Terms:** 과적합을 방지하기 위해 목적 함수에 추가되는 페널티 (예: L1, L2 정규화).
- **Optimization:** 경사 하강법 등을 통해 목적 함수의 값을 최적화하는 과정을 거침.
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
- **과거 데이터와의 충돌:** 단순한 오차 계산에서, 최근에는 모델의 윤리성, 편향성, 안전성 등을 목적 함수에 수치화하여 반영하는 연구로 확장됨.
- **정책 변화:** Antigravity 프로젝트는 에이전트의 답변 품질 평가 시, 정확도뿐만 아니라 '정보의 구체성'과 '가독성'을 목적 함수의 가중치로 포함하여 학습시킴.
## 🔗 지식 연결 (Graph)
- [[Gradient-Descent|Gradient-Descent]], Cross-Entropy, [[Optimization|Optimization]], [[Machine-Learning-Lifecycle|Machine-Learning-Lifecycle]]
- **Raw Source:** 10_Wiki/Topics/AI/Objective-Functions.md
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
**언제 이 지식을 쓰는가:**
- *(TODO)*
**언제 쓰면 안 되는가:**
- *(TODO)*
## 🧪 검증 상태 (Validation)
- **정보 상태:** needs_review
- **출처 신뢰도:** A
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
## 🧬 중복 검사 (Duplicate Check)
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
- **처리 방식:** UPDATE (자동 정규화)
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
## 🕓 변경 이력 (Changelog)
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|------|-----------|-----------|--------|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |