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

# Epistemic Uncertainty (인식적 불확실성)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "데이터가 부족해서 생기는 모델의 무지를 측정하고, 모른다는 것을 인정하게 하라" — 관측 데이터의 양이 충분하지 않아 모델의 파라미터를 정확히 추정할 수 없을 때 발생하는 불확실성으로, 추가적인 데이터를 통해 줄일 수 있는(Reducible) 불확실성.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** 학습 데이터의 분포를 벗어난(OOD) 데이터가 입력되었을 때 모델의 출력값이 급격히 요동치는 현상을 감지하고, 이를 모델 성능의 한계로 인지하는 자가 진단 패턴.
- **주요 특징:**
    - **Reducibility:** 더 많은 데이터를 수집하고 학습할수록 불확실성이 감소함.
    - **Bayesian Approach:** 가중치를 단일값이 아닌 확률 분포로 취급하여 불확실성 산출.
    - **Active Learning:** 인식적 불확실성이 높은 데이터를 선별하여 라벨링함으로써 학습 효율 극대화.
- **의의:** 자율주행이나 의료 진단과 같이 안전이 중요한 분야에서, 모델이 확신할 수 없는 상황을 판단하여 인간에게 제어권을 넘기거나 경고를 주는 근거가 됨.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 모델의 출력을 절대적인 정답으로 믿던 시기에서, 모든 출력에는 불확실성이 동반됨을 인정하고 이를 관리하는 신뢰할 수 있는 AI(Trustworthy AI) 시대로 전환.
- **정책 변화:** Antigravity 프로젝트는 에이전트의 지식 답변 생성 시 인식적 불확실성을 체크하며, 확신도가 낮은 정보에 대해서는 "확인이 필요한 사실"임을 명시하도록 함.

## 🔗 지식 연결 (Graph)
- [[Uncertainty-Quantification]], Bayesian-Inference, Active-Learning, [[Trustworthy-AI]]
- **Raw Source:** 10_Wiki/Topics/AI/Epistemic-Uncertainty.md