Z1.03.3Inference uncertainty设计研究
情境推断天然存在误差
别名: 推断不确定性 · probabilistic inference · 情境推断误差
概念解释
情境不是被读出的，是被推断的——从有限的、带噪声的传感数据到「用户正在做什么」的概率判断。这条知识的内容是：这个推断过程的误差不可消除，它是情境系统的结构性属性，不是工程缺陷。
误差不可消除的原因在于问题本身的形式：真实情境状态（用户在睡觉）从未被直接观测，系统只有间接证据（不动、心率低、灯灭）。任何基于不完全证据的推断都有残余不确定性——这与传感器的品质无关，加钱买更好的传感器只能把误差压小，不能把它归零，因为信息根本不在数据里（静止的人既可能在睡觉也可能在看书，证据不区分这两者）。
机制
误差的来源是分层的，每层都贡献不可消除的部分：
- 证据层的模糊性。 不同情境状态产生相同传感证据（睡觉与安静阅读在 PIR + 心率上同相），这是类的可分性问题——证据本身不含区分信息，任何分类器都无能为力。这是不可消除误差的下界。
- 先验层的偏置。 推断模型必带先验（多数人十一点后睡觉），对偏离先验的个体（夜班护士、失眠者）产生系统性误判——误差不是随机的，而是偏向多数模式，少数生活习惯承担多数误判。
- 分布层的漂移。 模型从历史数据学习，但生活在变：换工作、孩子出生、季节更替改变行为分布，训练分布与部署分布的偏差随时间累积——情境分布是非平稳的。
三层叠加的后果：报告「95% 准确」的活动识别，在偏离典型用户、非典型时段、部署半年后，实际准确率可能显著低于实验室数字。误差可以被压缩、被监测、被设计吸收，但不能被消灭——所以系统的下游设计必须以「判断可能错」为常态输入。
怎么研究
- 混淆矩阵与分场景报告：不只报总体准确率，按用户类别、时段、场景分层报告误报/漏报——误差的分布比均值更能预测实地表现。
- 非平稳性研究：纵向部署研究追踪同一模型准确率随月份的衰减曲线，量化漂移速度；自适应/在线学习方法（部署后继续学习）与冻结模型的对照。
- 不确定性量化：让模型输出置信度而非仅类别（概率输出、集成方差），研究置信度与真实错误率之间的校准（calibration）——一个 80% 置信的判断是否恰好 80% 的时候是对的。校准良好的置信度可以被下游规则直接使用。
方法论注意点：实验室的干净数据（按规程执行动作、单一被试环境）会同时改善三类误差来源，得出过于乐观的数字；带真实噪声与真实作息的 in-the-wild 数据集才是设计决策的依据。
边界
- 误差不均摊。 误判集中投向非典型用户与非典型场景（夜班者、多代同堂、小户型多人重叠），平均准确率掩盖了这种结构性不公——评估要看误差的最坏分位，不是均值。
- 置信融合有边际上限。 多信号融合在信号高度相关时收益有限（PIR 与摄像头都被同一只猫触发）；独立证据源才真正降不确定度，而独立性恰恰是隐私敏感的（要更多不同种类的采集）。
- 误差性质决定后果性质。 漏报型误差（在睡觉被误判为不在）与误报型误差（不在被误判为在）的下游代价完全不同——消除误差做不到，但选择承受哪种误差是设计的可控变量。
怎么落地
- 把推断输出连同置信度一起传给行为层，行为规则按置信分级：高置信自动执行、中置信建议、低置信只记录不动作。置信的阈值从校准数据里来，不是拍的。
- 对每类情境判断，明确愿意承受哪种误差：安防类宁可误报（误开警报），便利类宁可漏报（不触发也无妨）——误差偏好是产品决定，要成文。
- 给模型部署设定复核节奏：按月抽检判断与自陈的吻合率，吻合率跌破阈值触发重新训练或人工规则兜底，不接受一次训练永久使用。
- 验证办法：维护一张「判断 → 实际 → 后果」的误差台账，按用户与场景分组统计；把误差最集中的前三个场景列出来，逐个回答「换代理、加冗余、还是改保守」——答不出就说明该判断不该自动化。