본 논문은 생성형 인공지능(GAI)의 불확실성과 임의성을 문제점으로 보지 않고, 의사결정 파이프라인에 통합될 수 있는 귀중한 정보를 제공하는 기회로 간주합니다. GAI의 변동적인 답변을 활용하여 AI 예측의 확실성을 반영하는 사전 분포를 구성하고, 이를 맞춤형 데이터셋과 결합하여 완전 베이지안 분석을 수행하는 방법을 제시합니다. 비모수적 베이지안 프레임워크 내에서, AI 생성 모델을 기준으로 데이터 생성 분포에 디리클레 과정 사전 분포를 할당하는 아이디어를 탐구합니다. 사전 분포의 초매개변수는 샘플 외에서 조정하여 AI 사전 분포의 정보량을 평가하고, 관측 데이터와 AI를 사용하여 라벨이 부여된 가짜 데이터로 구성된 증강 데이터에 적절히 무작위화된 함수를 계산하여 후방 시뮬레이션을 달성합니다. 이 전략은 병렬 처리가 가능하며, 조건부에서 샘플링하는 대신 최적화를 통해 후방에서 iid 샘플을 빠르게 생성하여 AI 예측을 활용한 (예측) 추론 및 불확실성 정량화를 일관된 확률적 방식으로 가능하게 합니다.
