本稿では、高リスクアプリケーションにおける予測モデルの不確実性を定量化し、コミュニケートする重要性について説明しています。従来の拒否オプションアプローチは、主にデータに基づく偶然的な不確実性に焦点を当てていますが、限られたデータでは認識的不確実性が無視できないことが多いため、それに対処する新たなアプローチを提案します。著者たちは、ベイズ学習に基づく認識的拒否オプション予測器を導入し、予測者が高い認識的不確実性の領域で予測を拒否するメカニズムを構築しました。このモデルは、与えられた入力の後悔が指定された拒否コストを超えた場合にのみ、予測を行うかどうかを決定します。提案された手法は、信頼できる意思決定が困難な周辺事例に関する予測器の学習を可能にする初の原理的な枠組みであると位置づけられています。