한곳에서 찾는 논리 자료

통합검색

연구와 학습, 시험과 도서를 한곳에서 찾습니다.

검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

세 연구자가 논문과 도표를 함께 검토하고 작은 갈색 안경 올빼미가 곁에서 책을 읽는 모습

관심 주제로 찾아보기

조건 초기화

검색 결과6건

검색 결과 제목

  1. 1‘모든 의사는 전문가다’ 같은 지식을 기계가 어떻게 모순 없이 묶을까?
  2. 2풀지 못한 정리에서 다시 배우면 자동증명기는 더 강해질까?
  3. 3같은 가능성을 어떻게 나누어 보여 주느냐가 확률 판단을 바꿀까?
  4. 4유의해진 순간 멈추면 오류율도 그대로일까?
  5. 5정리증명 인공지능(AI)를 시험할 ‘환경’은 왜 필요할까?
위쪽 TBox의 의사에서 전문가로 가는 포함 화살표와 아래쪽 ABox의 민지 사실이 결합되는 두 층 도식

‘모든 의사는 전문가다’ 같은 지식을 기계가 어떻게 모순 없이 묶을까?

위쪽 TBox의 의사에서 전문가로 가는 포함 화살표와 아래쪽 ABox의 민지 사실이 결합되는 두 층 도식
논리의 기초와 역사논리학 배우기 · 개념·이론 · 일반

‘모든 의사는 전문가다’ 같은 지식을 기계가 어떻게 모순 없이 묶을까?

기술논리의 개념·역할·개체 구분과 TBox·ABox 구조를 통해 분류, 포함, 만족 가능성 검사가 어떻게 지식 표현의 논리적 뼈대가 되는지 설명합니다.

Basic Description Logics

게시 2026-09-13 · 약 10분논리학 학습 글 읽기 →
풀지 못한 정리에서 다시 배우면 자동증명기는 더 강해질까?의 질문, 방법, 결과와 적용 범위를 세 단계 카드로 정리한 교육용 도식

풀지 못한 정리에서 다시 배우면 자동증명기는 더 강해질까?

풀지 못한 정리에서 다시 배우면 자동증명기는 더 강해질까?의 질문, 방법, 결과와 적용 범위를 세 단계 카드로 정리한 교육용 도식
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

풀지 못한 정리에서 다시 배우면 자동증명기는 더 강해질까?

HyperTree Proof Search는 증명 탐색 결과를 온라인 학습에 되돌려 훈련 분포 밖 정리의 탐색 정책을 개선한다.

HyperTree Proof Search for Neural Theorem Proving

게시 2026-09-13 · 약 11분해외 논리학 연구 해설 읽기 →
같은 전체 직사각형을 두 칸과 네 칸으로 나눈 뒤 균등 배분 기준이 50퍼센트와 25퍼센트로 달라지는 비교 도식

같은 가능성을 어떻게 나누어 보여 주느냐가 확률 판단을 바꿀까?

같은 전체 직사각형을 두 칸과 네 칸으로 나눈 뒤 균등 배분 기준이 50퍼센트와 25퍼센트로 달라지는 비교 도식
인간의 사고와 추론해외 학술 연구 · 연구 해설 · 일반

같은 가능성을 어떻게 나누어 보여 주느냐가 확률 판단을 바꿀까?

Fox와 Clemen의 다섯 연구를 바탕으로 같은 사건 공간도 선택지 분할 방식에 따라 각 항목의 주관확률이 균등한 ‘무지 사전분포’ 쪽으로 끌릴 수 있음을 설명합니다.

Subjective Probability Assessment in Decision Analysis: Partition Dependence and Bias Toward the Ignorance Prior

게시 2026-09-13 · 약 10분해외 논리학 연구 해설 읽기 →
햇빛 드는 온실 연구소에서 여성 생물통계학자와 남성 현장 연구자가 다섯 관측 봉투가 놓인 시간표를 살피고 둥근 안경의 LTCT 올빼미 캐릭터가 계획판을 들고 날아오는 장면

유의해진 순간 멈추면 오류율도 그대로일까?

햇빛 드는 온실 연구소에서 여성 생물통계학자와 남성 현장 연구자가 다섯 관측 봉투가 놓인 시간표를 살피고 둥근 안경의 LTCT 올빼미 캐릭터가 계획판을 들고 날아오는 장면
논증과 대화논리학 배우기 · 주제별 학습 · 심화

유의해진 순간 멈추면 오류율도 그대로일까?

40·60·80·100명에서 같은 p값을 보면서 매번 0.05, 최종 한 번, 네 번 보정이라는 세 규칙이 어떤 판단을 만드는지 비교합니다.

게시 2026-09-13 · 약 18분논리학 학습 글 읽기 →
HOL Light, 공통 벤치마크, 강화학습의 관계와 검토 지점을 설명하는 LTCT 교육용 도식.

정리증명 인공지능(AI)를 시험할 ‘환경’은 왜 필요할까?

HOL Light, 공통 벤치마크, 강화학습의 관계와 검토 지점을 설명하는 LTCT 교육용 도식.
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

정리증명 인공지능(AI)를 시험할 ‘환경’은 왜 필요할까?

HOList는 HOL Light의 수학 말뭉치를 기계학습 환경과 벤치마크로 공개해 증명 모델을 같은 조건에서 훈련·재생·검증하도록 했습니다.

HOList: An Environment for Machine Learning of Higher-Order Theorem Proving

게시 2026-09-12 · 약 10분해외 논리학 연구 해설 읽기 →

1–5 / 6편