---
id: UQ-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 1.0
tags: [ai, machine-learning, statistics, uncertainty, bayesian]
last_reinforced: 2026-04-26
---

# Uncertainty Quantification (불확실성 정량화)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "단순히 답을 내는 것을 넘어, 스스로 얼마나 모르는지 측정하라" — AI 모델의 예측 결과에 대해 데이터의 노이즈나 모델의 지식 부족으로 인한 불확실성을 수치화하여 신뢰 구간을 제시하는 기술.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** 모델의 출력값에 확률적 분포를 도입하여, 예측의 확신도를 함께 계산함으로써 위험한 결정을 방지하고 탐색을 최적화하는 패턴.
- **두 가지 핵심 유형:**
    - **Aleatoric Uncertainty:** 데이터 자체의 노이즈나 무작위성에서 기인 (예: 관측 장비의 오차). 데이터를 더 모아도 줄어들지 않음.
    - **Epistemic Uncertainty:** 모델의 지식 부족에서 기인. 학습 데이터를 보강하면 줄일 수 있음.
- **주요 기법:**
    - **MC Dropout:** 드롭아웃을 추론 시에도 적용하여 여러 번 샘플링한 결과의 분산을 측정.
    - **Bayesian Neural Networks:** 가중치를 고정된 값이 아닌 확률 분포로 학습.
    - **Deep Ensembles:** 여러 모델의 예측값 차이를 불확실성으로 활용.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 예측 결과(Point estimation)에만 집중하던 방식에서, 최근에는 의료, 자율주행 등 안전이 중요한 분야를 중심으로 불확실성 산출이 필수 요구사항으로 부상.
- **정책 변화:** Antigravity 에이전트는 답변 생성 시 불확실성 정량화 기법을 사용하여, 확신도가 낮은 정보에 대해서는 사용자에게 별도의 주의 문구를 표시하거나 연구 필요 목록으로 분류함.

## 🔗 지식 연결 (Graph)
- Bayesian-Inference, AI-Safety, [[Gaussian-Processes|Gaussian-Processes]], Machine-Learning
- **Raw Source:** 10_Wiki/Topics/AI/Uncertainty-Quantification.md