メタ学習とは？
めたがくしゅう
メタ学習とは、「学習の仕方を学ぶ」ことを目的とした機械学習手法で、少ないデータでも新しいタスクに素早く適応できるモデルを構築します。
メタ学習（Meta-Learning）は、「学習アルゴリズム自体を学習する」という発想に基づく機械学習のアプローチです。「Learning to Learn（学ぶことを学ぶ）」とも呼ばれ、少ないサンプル数で新タスクへ迅速に適応する能力を目指します。
従来の機械学習では、ひとつのタスクに大量のデータを使って学習します。一方メタ学習では、多数の異なるタスクを経験させることで「どのタスクにも通用する学習の仕方」を獲得させます。これにより、未知の新タスクに対して少量のデータ（数件〜数十件）だけで適応できるようになります。
代表的なメタ学習の手法は以下のとおりです。
- MAML（Model-Agnostic Meta-Learning）：少ステップの勾配更新で新タスクに適応できる初期パラメータを学習する
- プロトタイプネットワーク：クラスの代表的な埋め込みベクトルとの距離で分類する
- マッチングネットワーク：サポートセットとの類似度で分類を行う
メタ学習は特に少数ショット学習（Few-Shot Learning）と密接に関連しており、医療画像診断（希少疾患のサンプルが少ない）、ロボット制御（新しい動作を素早く習得）、個人化推薦（新規ユーザーへの素早い対応）などの応用分野で研究が進んでいます。大規模言語モデルのファインチューニング効率化にも応用されています。
使い方・例文
新しい言語への機械翻訳モデルの適応や、新薬候補の分子特性予測など、十分な学習データを集めにくい分野でメタ学習が活用されています。
この用語をシェア
最終更新: