목적 함수

최적화 과정이 가능한 한 _좋게_ 만들려는 단 하나의 수. *좋다*는 건 *손실*에서는 작다는 뜻 (모델 훈련, 위험 최소화, 곡선 적합) 이고, *보상*에서는 크다는 뜻 (수익 최대화, 제약 아래 엔트로피 최대화, 로그-가능도 최대화) 인데, 둘은 사실 같은 문제다 — `f`를 최대화하는 일은 `−f`를 최소화하는 일과 같다. 목적 함수가 있어야 최적화 문제가 자리에 박힌다. 없으면 "더 좋게 만들자"에는 합의된 방향이 없고, 있으면 모든 후보 선택지에 수 하나가 붙어 비교가 기계적이 된다. ML의 손실 함수, 포트폴리오의 위험, 물리의 에너지, 추론의 사후 가능도 — 모두 옷만 갈아입은 목적 함수다.