不确定性估计（Uncertainty Estimation）是指人工智能系统对其预测结果可靠程度的量化评估。在机器学习领域，这表现为模型对自身判断的置信度表达，既包含数据本身的随机性（偶然不确定性），也涵盖模型认知的局限性（认知不确定性）。这种自我评估能力使AI系统能够识别预测边界，为决策提供风险预警。
在产品开发实践中，不确定性估计能显著提升AI系统的可信度。例如在自动驾驶中，系统通过不确定性分析可以识别低置信度的交通场景，主动降级为保守驾驶模式；在医疗诊断应用中，不确定性数值能辅助医生判断AI建议的参考价值。当前主流技术路线包括贝叶斯神经网络、蒙特卡洛 dropout等，它们以不同方式实现了预测可靠性的量化输出。