Antigravity Agent
2.4 KiB
2.4 KiB
id: P-Reinforce-AUTO-BARE-001 category: Dev confidence_score: 0.94 tags: [auto-reinforced, backward-Reasoning, goal-driven, Logic, Problem-Solving, cognitive-ai] last_reinforced: 2026-04-20
Backward-Reasoning
📌 한 줄 통찰 (The Karpathy Summary)
"결과로부터 시작하는 역발상: 최종 목표(Goal)를 먼저 설정하고, 그 목표를 이루기 위해 바로 전 단계에 무엇이 필요했는지를 거꾸로 추적하며 현재의 실행 방안을 도출하는 목적 중심적 추론."
📖 구조화된 지식 (Synthesized Content)
후행 추론(Backward-Reasoning) 혹은 역방향 추론은 목표 지향적(Goal-driven) 문제 해결 기법입니다.
- 추론 프로세스:
- 목표 설정: "나는 A를 성취하고 싶다."
- 전제 확인: "A를 이루려면 B가 참이어야 한다."
- 재귀적 반복: "B를 이루려면 C가 참이어야 한다." -> 이미 알고 있는 사실(Facts)에 도달할 때까지 반복.
- 전방 추론(Forward Reasoning)과의 차이:
- 전방 추론은 데이터에서 시작해 결론을 탐색(Data-driven)하는 반면, 후행 추론은 목표가 명확할 때 탐색 범위를 확 줄여주는 효율성이 있음. (Working-Backwards와 연결)
- 적용 분야:
- 수학적 증명, 범죄 수사(결과에서 단서 추적), 진단 전문가 시스템.
⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- 과거 데이터와의 충돌: 초기 AI 전문가 시스템 정책은 엄격한 논리 규칙 기반의 후행 추론 정책을 썼으나, 현대의 거대 모델 정책은 전방과 후행을 유연하게 섞는 '비정형 추론 정책'을 통해 더 인간적인 문제 해결 능력을 보여줌(RL Update).
- 정책 변화(RL Update): 프로젝트 관리 정책에서, 마감 기한에서 거꾸로 일정을 산출하는 'Backward Scheduling 정책'이 불확실한 기술 개발 과제의 리스크를 관리하는 핵심 도구로 정착됨.
🔗 지식 연결 (Graph)
- Working-Backwards, Active-Reasoning, Logic, Analysis, Strategic-Planning
- Modern Tech/Tools: Prolog (Logic programming), Project planning software.