IBM发布了开源工具包UQ360（Uncertainty Quantification 360），供资料科学家使用先进的算法，来量化、评估和改进机器学习不确定性，以提高人工智能系统的安全性。
深度学习人工智能系统，可能在错误的情况，做出过于自信的预测，过去已经有自动驾驶汽车，因为人工智能系统的失误，而导致人员伤亡，不只是自动驾驶车，IBM提到，应用在医疗上的人工智能系统，也可能因为模型以低确定性做出预测，而造成病患死亡。
常见的可解释技术，能够描述人工智能模型的工作原理，让像是预测房价系统模型用户，知道预测误差范围，以估计收益或是损失，而产品经理也可能利用人工智能模型，来预测不同功能的平均表现，以及对于KPI的影响。IBM提到，不确定性量化则能进一步披露模型的局限性和潜在的故障点，因此可以改善更多人与人工智能协作的需求。
不确定性可以让人们知道，是否该信任模型的预测结果，像是护理师可以使用人工智能系统来帮助诊断皮肤病，当人工智能可信度很高，则医护人员便能接受人工智能的决定，反之，当人工智能建议不被采信，就可将病患转诊至皮肤科医生。IBM提到，不确定性是人工智能系统和人类用户间的沟通形式，能够实现最佳的准确性、强健性和公平性。
UQ360是一个开源工具包，提供不确定性量化的评估、测量、改进和沟通。不确定性量化的方法取决于许多因素，包括基础模型、机器学习任务的类型、资料的特征和用户的目标等，IBM提到，部分时候资料科学家所选用的不确定性量化方法，可能无法产生高品质的不确定性评估，因而误导用户，所以在部署人工智能系统之前，必需要评估并且改进不确定性量化品质。
而UQ360可以协助资料科学家解决这个问题，借由使用UQ360工具包，就可以评估、测量、改进和沟通不确定性量化。官方提到，这是目前第一个不确定性量化开源工具包，提供了一套算法来量化模型不确定性，并且助用户评估和改进不确定性量化，以简化模型开发过程。
另外，UQ360也能协助团队高性能的进行沟通，因为UQ360将不确定性量化的沟通方法，集成到了人工智能生命周期中，并且对每种不确定性量划算法提供UQ360 Python组件，开发者可以按照指引，选择适当的沟通形式，进行简明描述或是详细的可视化呈现。
IBM表示，UQ360不仅是Python函数库工具包，而是能够作为人工智能不确定性和局限性的沟通透明平台。IBM创建了交互式体验，来供用户了解生成高品质不确定性量化的方法，同时也提供许多教学内容，展示在人工智能周期中使用不确定性量化的方法。
UQ360采用通用接口设计，适用于不同的不确定性量化功能，期望可以推动社群的负责任人工智能应用加速创新。