본 논문은 의료 및 금융과 같이 위험이 큰 분야에서 임의 모델의 예측 불확실성을 정량화하는 방법에 대해 논의한다. 특히, 단일 예측값과 신뢰도 값 대신 특정 평균 적중률을 가진 예측 집합을 생성하는 방법으로 널리 사용되는 Conformal Prediction에 초점을 맞춘다. 그러나 적중률 보장과 의사 결정자의 목표 및 전략 간의 불분명한 관계로 인해, Conformal Prediction 집합이 인간의 의사 결정을 돕는 데 어떻게 활용될 수 있는지에 대한 명확한 답은 아직 제시되지 않았다. 본 논문은 예측 불확실성을 정보 신호로 평가하기 위한 의사결정 이론적 프레임워크를 제시하고, 이 프레임워크 내에서 보정된 확률의 이상적인 사용과 Conformal Prediction 집합을 비교 분석한다. 인간의 불확실성 하 의사결정에 대한 이전의 경험적 결과와 이론을 바탕으로, 의사결정자가 예측 집합을 사용할 수 있는 가능한 전략들을 공식화하고, Conformal Prediction 집합과 사후 예측 불확실성 정량화가 인간-AI 의사결정에서 공통적인 목표와 필요성과 어떻게 상충되는지를 밝힌다. 마지막으로, 인간 의사결정자를 지원하기 위한 예측 불확실성 정량화에 대한 미래 연구를 위한 권고 사항을 제시한다.
