【メタがくしゅう】
メタ学習 とは？
最終更新:
💡 いくつもの課題を通じて「学び方」を学ぶ
複数のタスクから「学習の仕方そのもの」を学ぶ機械学習の手法です。少量のデータでも新しいタスクに素早く適応できるモデルを目指します。
📌 このページのポイント
ひよこ メタ学習って、普通の機械学習と何が違うの？
ペンギン先生 個々のタスクの答えを学ぶだけでなく、複数のタスクでの経験から新しいタスクへの適応を助ける仕組みを学ぶよ。「問題を解きながら勉強法も学ぶ」という例えに近い。ただし互いに無関係な課題を集めれば何でも得意になるわけではないんだ。
ひよこ 具体的にはどうやって学習するの？
ペンギン先生 MAMLでは、複数のタスクそれぞれで少ない更新を行い、その後の成績がよくなるように共通の初期パラメータを調整するよ。新しいタスクでも少ない更新で適応することを目指すけど、常に高精度になる保証ではないんだ。
ひよこ Few-shot学習とメタ学習は同じものなの？
ペンギン先生 Few-shot学習は少数の例から新しい課題を学ぶという設定で、メタ学習はそのための方法の一つだよ。メタ学習の事前の訓練自体には、多くのタスクやデータが必要になる場合がある。
ひよこ どんな場面で研究されているの？
ひよこ どの手法も初期パラメータを学ぶの？
まとめ：ざっくりこれだけ覚えればOK！
「メタ学習」って出てきたら「複数の課題から学び方を学ぶ技術」と思えばだいたいOK！
📖 おまけ：英語の意味
「Meta-Learning」 ＝ 学習についての学習
💬 learning to learn（学ぶことを学ぶ）とも表現されるよ。個々の課題の答えだけでなく、新しい課題にどう適応するかを学習の対象にするんだ。