myWiki/concepts/epistemic-uncertainty.md

title, created, updated, type, tags, sources

title	created	updated	type	tags	sources
认知不确定性 (Epistemic Uncertainty)	2026-06-10	2026-06-10	concept	uncertainty-quantification bayesian-deep-learning clinical-ai	principled-uncertainty-clinical-ai

认知不确定性 (Epistemic Uncertainty)

认知不确定性（Epistemic Uncertainty）是模型由于知识不足而产生的不确定性，可通过增加训练数据来减少。与之相对的是 aleatoric-uncertainty（数据本身的噪声，不可减少）。

形式化定义

在贝叶斯深度学习中，通过 mc-dropout 进行 T 次随机前向传播来估计：

方差 = (1/T) * 求和_t [f(z_t) - 均值]^2

其中 z_t 通过重参数化采样：z_t = mu_fused + epsilon_t * sigma_fused, epsilon_t ~ N(0, I)

临床意义

认知不确定性在临床 AI 中的关键价值：

• 分布外检测：当患者特征偏离训练分布时（如农村医院患者），认知不确定性自然升高
• 公平性信号：系统性的认知不确定性差异揭示了模型训练数据的代表性不足
• 人工升级触发：高认知不确定性指示模型"知道自己不知道"，应触发专家审核

与其他不确定性的区别

类型	来源	可减少性	估计方法
认知	模型知识不足	可减少	MC Dropout 方差
随机	数据噪声	不可减少	专用输出头

参考

• principled-uncertainty-clinical-ai
• uncertainty-quantification
• bayesian-deep-learning
• expected-calibration-error