딥러닝의 불확실성 정량화에 대한 종합적 조사 - 불확실성 원천의 관점

딥러닝 모델은 때때로 예상치 못한 잘못된 예측을 하지만 과도하게 확신하는 경향이 있다. 이는 자율주행, 의료 진단, 재난 대응 등 중요한 응용 분야에서 심각한 문제를 야기할 수 있다. 불확실성 정량화(UQ)는 예측 정확도 외에 딥러닝 모델 예측의 신뢰도를 추정하는 것을 목표로 한다. 이 논문에서는 딥러닝 모델의 불확실성 정량화 방법론을 불확실성 원천(데이터 불확실성 vs. 모델 불확실성)에 따라 체계적으로 분류하고 각 방법의 장단점을 요약한다. 또한 이 분류법이 능동 학습, 강건성, 강화 학습 등 다양한 딥러닝 응용 분야에서 적절한 UQ 방법 선택에 도움이 될 수 있음을 보여준다.