Antigravity Agent
2.4 KiB
2.4 KiB
id: P-Reinforce-AUTO-HHHY-001 category: Dev confidence_score: 0.95 tags: [auto-reinforced, hhh, helpful, harmless, honest, AI-Alignment, safety, ethics, llm] last_reinforced: 2026-04-20
HHH
📌 한 줄 통찰 (The Karpathy Summary)
"AI의 3대 계율: 인간에게 도움이 되어야 하고(Helpful), 해롭지 않아야 하며(Harmless), 거짓말하지 않고 정직해야 한다(Honest). 복잡한 인공지능이 인류의 가치와 어긋나지 않게 묶어두는 최소한의 도덕적 안전장치."
📖 구조화된 지식 (Synthesized Content)
HHH 가이드라인은 Anthropic 등 주요 AI 연구소에서 AI 모델의 행동을 정렬(Alignment)하기 위해 제시한 핵심 원칙입니다.
- 3대 원칙:
- Helpful (유익성): 사용자의 의도를 명확히 파악하여 최선의 답 제공. (Reasoning와 연결)
- Harmless (무해성): 혐오 표현, 위험 정보 생성, 차별 등 사회적 해악 방지. (Safety와 연결)
- Honest (낙관적 정직성): 모르는 것은 모른다고 말하고, 환각(Hallucination) 없이 사실에 기반함.
- 왜 중요한가?:
- 똑똑한 AI 가 인간을 속이거나 해치는 '목표 오일반화'를 막기 위한 필수적인 정책적 뼈대이기 때문임. (Goal-Misgeneralization와 연결)
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 과거에는 단순히 "정답을 맞춰라"는 성능 정책 위주였으나, 현대 정책은 정답보다 '안전 정책'과 '정직 정책'이 우선시되어야 한다는 RLHF(인간 피드백 기반 강화학습) 정책이 표준이 됨(RL Update). (Effective-Altruism-in-AI와 맥락 공유)
- 정책 변화(RL Update): 이제는 단순 원칙 정책을 넘어, 세 가지 원칙 정책이 충돌할 때(예: 해로운 질문에 정직하게 답해야 하는가?)의 우선순위 정책과 맥락 정책을 AI 가 스스로 판단하게 하는 '헌법적 AI(Constitutional AI)' 기법으로 발전 중임.
🔗 지식 연결 (Graph)
- Reasoning, Safety, Goal-Misgeneralization, Effective-Altruism-in-AI, AI-Alignment, Ethics
- Key Organization: Anthropic.