Antigravity Agent
28 lines
1.6 KiB
Markdown
28 lines
1.6 KiB
Markdown
---
|
|
id: [[P-Reinforce|P-Reinforce]]-AI-BELLMAN
|
|
category: Dev
|
|
confidence_score: 0.99
|
|
tags: [Bellman Equation, Reinforcement Learning, Math, Dynamic Programming]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[Bellman-Equation|Bellman-Equation]] (벨만 방정식)
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "오늘의 보상(Step reward) + 내일의 가치(Future value) = 오늘의 가치." 시간의 흐름 속에 흩어진 가치를 하나로 묶어주는 재귀의 미학이다.
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
- **Recursive Utility**:
|
|
- 현재 상태의 가치(Value)를 '즉각적 보상'과 '다음 상태의 기대 가치'의 합으로 정의한다. 이는 복잡한 미래 결정을 작은 현재 결정으로 쪼개어 풀 수 있게 한다.
|
|
- **Dynamic Programming (동적 계획법)**:
|
|
- 벨만 방정식은 큰 문제를 작은 부분 문제로 나누어 푸는 근간이 된다. 바둑(AlphaGo)이나 체스 AI의 핵심 연산 원리다.
|
|
- **Discount Factor (Gamma)**:
|
|
- 미래의 가치를 현재 시점으로 환산할 때 얼마나 깎을지(가중치)를 결정하는 변수. 1에 가까울수록 먼 미래를 보고, 0에 가까울수록 당장의 이익에 집중한다.
|
|
|
|
## ⚠️ 모순 및 업데이트 (RL Update)
|
|
- 실제 세계(Model-free)에서는 다음 상태의 가치를 정확히 알 수 없다. 그래서 벨만 방정식을 기반으로 경험을 통해 가치를 추측해가는 'Q-Learning'이나 'Deep Q-Networks(DQN)'로 발전해왔다.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- Related: Reinforcement Learning , Deep-[[Reinforcement-Learning|Reinforcement-Learning]]
|
|
- Foundation: Computational Theory & Math/Information Theory
|