본 논문은 의료 및 금융과 같이 위험이 큰 분야에서 임의 모델의 예측 불확실성을 정량화하는 방법에 대한 필요성을 강조합니다. 단일 예측 및 신뢰 값 대신 특정 평균 적중률을 가진 예측 집합을 생성하는 방법으로 등장한 Conformal prediction의 가치에 대해 논의합니다. 하지만 적중률 보장과 의사 결정자의 목표 및 전략 간의 불명확한 관계로 인해 인간의 의사 결정을 돕는 Conformal prediction 집합의 가치는 아직 불분명합니다. 본 논문은 예측 불확실성을 정보 신호로 평가하기 위한 의사결정 이론적 프레임워크를 제시하고, 보정된 확률의 이상적인 사용과 Conformal prediction 집합을 이 프레임워크 내에서 비교 분석합니다. 인간의 불확실성 하에서의 의사 결정에 대한 이전의 경험적 결과와 이론을 바탕으로, 의사 결정자가 예측 집합을 사용할 수 있는 가능한 전략들을 공식화하고, Conformal prediction 집합 및 사후 예측 불확실성 정량화가 인간-AI 의사 결정의 일반적인 목표 및 요구 사항과 어떻게 상충되는지 밝힙니다. 마지막으로, 인간 의사 결정자를 지원하기 위한 예측 불확실성 정량화에 대한 미래 연구를 위한 권장 사항을 제시합니다.
