متالرنیگ در یادگیری ماشین
متالرنیگ (Meta-learning) که یادگیری فرآیند یادگیری (Learn to Learn) هم نامیده می شود از زیر شاخه های یادگیری ماشین است که هدف آن طراحی مدلی است که به سرعت و با تعداد کمی نمونه های آموزشی، مهارت های جدید را یاد بگیرد و با محیط های جدید تطبیق یابد.
یک مدل یادگیری ماشین خوب اغلب نیاز به تعداد زیادی نمونه های آموزشی دارد. اما انسان، مفاهیم و مهارت های جدید را به سرعت یاد می گیرد. مثلا یک کودک با چند بار دیدن گربه و پرنده می تواند انها را از هم تشخیص دهد. هدف متالرنینگ نیز یادگیری سریع و با تعداد کمی نمونه های آموزشی است.
یک الگوریتم متالرنینگ می تواند سیستمی با ویژگی های زیر ایجاد کند:
- یادگیری سریعتر
- قابل تعمیم با وظایف گوناگون
- قابل انطباق با تغییرات محیطی مانند یادگیری Reinforcement