Antigravity Agent
3.6 KiB
3.6 KiB
category, tags, title, last_updated
| category | tags | title | last_updated | ||||
|---|---|---|---|---|---|---|---|
| Unified |
|
|
2026-05-02 |
Circuit Discovery (회로 발견)
📌 Brief Summary
"거대한 신경망 속에서 특정 기능을 수행하는 '작은 부품'을 찾아내는 고고학." 딥러닝 모델 내부의 뉴런과 가중치들이 어떻게 결합하여 특정 알고리즘(예: 간접 목적어 식별)을 구현하는지 밝히는 과정이다.
"거대 모델 속에서 구체적인 기능을 수행하는 작은 알고리즘 지도를 그려라" — 신경망 내부의 특정 뉴런과 헤드들이 어떻게 연결되어 논리적 기능을 수행하는지 식별해내는 기계적 해석 가능성(Mechanistic Interpretability)의 핵심 기법.
📖 Core Content
- Methodology:
- Ablation (제거): 특정 뉴런이나 층을 비활성화했을 때 성능 변화를 관찰하여 중요도를 측정한다.
- Activation Patching: 특정 입력에 대한 중간 활성값을 다른 입력에 주입하여 정보 흐름을 역추적한다.
- Found Components:
- Induction Heads: 이전 패턴을 기억하고 반복하는 작은 회로. Context-based learning의 핵심.
- Indirect Object Identification (IOI) Circuit: 문장에서 간접 목적어를 찾아내는 20여 개의 뉴런 그룹.
- Significance: 블랙박스인 AI 모델을 해석 가능한 시스템으로 전환하여 안전성(Safety)과 제어 가능성을 확보한다.
- 추출된 패턴: 모델 전체를 블랙박스로 보는 대신, 특정 태스크(예: 간접 목적어 식별)를 수행할 때 활성화되는 최소한의 가중치와 경로를 추출하는 '회로(Circuit)' 식별 패턴.
- 세부 내용:
- Activation Patching: 특정 뉴런의 활성화 값을 다른 입력값으로 교체해보며 결과에 미치는 인과적 영향을 측정.
- Path Patching: 레이어 간의 구체적인 연결 경로를 추적하여 정보가 어떻게 흐르는지(Information Flow) 매핑.
- Induction Heads: 이전 패턴을 복사하거나 문맥을 이해하는 데 특화된 특정 어텐션 헤드 구조의 발견.
- Automated Circuit Discovery (ACD): 방대한 파라미터 중 유의미한 연결망을 알고리즘적으로 자동 탐색.
⚖️ Trade-offs & Caveats
- 현재의 회로 발견은 주로 작은 모델(GPT-2 등)에서 성공적이며, 수천억 개의 파라미터를 가진 대규모 모델에서는 회로의 중첩과 복잡성 때문에 자동화된 회로 발견(Automated Circuit Discovery) 기술이 활발히 연구되고 있다.
- 과거 데이터와의 충돌: 단순 시각화(Saliency Map) 수준을 넘어, 모델 내부에서 수학적으로 정의 가능한 알고리즘을 찾아내는 정교한 단계로 진화.
- 정책 변화: 모델의 안전성 검증(Alignment)을 위해 잠재적인 유해 논리 회로가 형성되었는지 감지하는 도구로 활용 비중 확대.
🔗 Knowledge Connections
- Related: Mechanistic Interpretability (기계적 해석 가능성) , Monosemanticity (일의성)
- Concepts: Superposition (중첩)
- Parent: 10_Wiki/💡 Topics/AI
- Related: Mechanistic-Interpretability, Neuron-Attribution, Feature-Visualization
- Raw Source: 00_Raw/2026-04-20/Circuit Discovery.md