Uncertainty quantification, definícia a použitie | AI slovník

Odborná definícia

Uncertainty quantification je systematický proces identifikácie zdrojov neistoty, ich matematického opisu, propagácie cez model a vyjadrenia v konečnom výsledku. Zahŕňa neistotu vstupných meraní, parametrov, modelovej štruktúry, numerického výpočtu aj budúcich podmienok. Výstupom môžu byť rozdelenia, intervaly, citlivostné analýzy alebo scenáre. V AI sa UQ nevzťahuje iba na jedno confidence score, ale na celý reťazec od zberu dát po rozhodnutie a jeho validované riziko. Korelácie medzi vstupnými zdrojmi sa nesmú ignorovať, lebo nezávislé vzorkovanie môže vytvoriť nereálne scenáre.

Zrozumiteľné vysvetlenie

Ak model predpovedá životnosť súčiastky, neistotu nevytvára iba neurónová sieť. Merania majú toleranciu, materiál sa líši medzi dávkami, prevádzkové zaťaženie nie je úplne známe a samotný model zjednodušuje fyziku. Kvantifikácia neistoty tieto zdroje pomenuje, priradí im rozdelenia alebo hranice a sleduje, ako sa premietnu do výsledku. Rozhodovateľ potom nevidí iba najlepší odhad, ale aj rozsah a faktory, ktoré ho najviac rozširujú. Výsledná správa má vysvetliť, či interval opisuje variabilitu sveta, neistotu modelu alebo kombináciu viacerých mechanizmov.

Časté otázky

Ako sa UQ líši od uncertainty estimation?

Odhad neistoty môže byť jedna modelová metóda. UQ je širší proces zahŕňajúci zdroje neistoty, ich propagáciu, citlivosť, validáciu a komunikáciu rozhodovateľovi.

Čo znamená propagácia neistoty?

Vstupné veličiny sa považujú za náhodné alebo intervalové a skúma sa, ako ich variabilita mení výstup. Používa sa Monte Carlo, analytické aproximácie alebo surrogate model.

Prečo je dôležitá citlivostná analýza?

Určuje, ktoré vstupy alebo predpoklady najviac prispievajú k variabilite výsledku. Tým pomáha rozhodnúť, kde zlepšiť meranie, zber dát alebo model.

Môže byť interval úzky a napriek tomu nesprávny?

Áno. Ak model vynechá dôležitý zdroj neistoty alebo používa chybnú distribúciu, vytvorí presvedčivo úzky, ale nedostatočne pokrývajúci interval.

Ako sa UQ dokumentuje?

Uvádzajú sa zdroje neistoty, predpoklady, distribúcie, korelácie, metóda propagácie, validačné pokrytie, citlivosti a hranice použitia výsledku.

Súvisiace pojmy

Zdroje a redakčná stopa

NIST, Uncertainty Prediction for Machine Learning Models of Material Properties
NIST Machine Learning Uncertainty Estimation Toolbox

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.