CUPID: 単一モデルでのアレータリアック不確実性とエピステミック不確実性を同時に推定するプラグインフレームワーク

要旨: 深層学習における不確実性の正確な推定は、医療診断や自律的意思決定といった高リスク領域へモデルを展開する際に重要です。過信した予測は有害な結果を招く可能性があります。実際には、モデルの不確実性の背後にある理由と、それが表す不確実性のタイプを理解することが、リスクを考慮した意思決定を支え、ユーザーの信頼を高め、追加データ収集を導くのに役立ちます。しかし、多くの既存手法は単一のタイプの不確実性にのみ対処するか、基盤モデルを変更したり再学習させたりする必要があり、現実のシステムでの適用を難しくしています。我々は CUPID（Comprehensive Uncertainty Plug-in estImation moDel）、基盤モデルを変更したり再学習させたりすることなく、アレータリアック不確実性とエピステミック不確実性を同時に推定する汎用モジュールを導入します。CUPID は、事前学習済みネットワークの任意の層に柔軟に挿入可能です。ベイズ的恒等写像を用いてアレータリアック不確実性をモデル化し、構造化された摂動に対するモデル内部の応答を分析することでエピステミック不確実性を捉えます。分類、回帰、分布外検出を含む幅広いタスクで CUPID を評価しました。その結果、常に競争力のある性能を発揮するとともに、不確実性の起源に関する層別の洞察を提供することが示されました。不確実性推定をモジュール化可能で解釈可能、かつモデルに依存しないものにすることで、CUPID はより透明で信頼できるAIを支えます。関連コードとデータは https://github.com/a-Fomalhaut-a/CUPID に公開されています。