【G検定過去問風】メタ学習（Learning to Learn）とは？学び方を学ぶ仕組みを解説
※本記事では、アフィリエイトプログラムより教材を紹介しています。
📝 問題
単一のタスクを学習するのではなく、「新しいタスクに素早く適応するための学習方法そのもの」をトレーニングする手法として、最も適切な選択肢を1つ選べ。
- A）ドメイン適応
- B）メタ学習（Meta-Learning）
- C）インコンテキスト学習
- D）特徴抽出
🔍 ここをクリックして正解を見る
- 正解: B）メタ学習（Meta-Learning）
💡 合格に近づく！徹底解説
- 重要度: ★★★
■ 1分で分かる！この問題の要点
- AIに個別の問題を解かせるのではなく、「新しい問題に直面したとき、どうやって効率よく勉強すればいいか（学び方）」そのものを習得させる仕組み。
- 「Learning to Learn（学習についての学習）」とも呼ばれる。
■ 初学者向け解説（例え話や背景）
学校の勉強で、特定の数学の公式を丸暗記する（個別のタスク学習）のではなく、「新しい参考書を渡されたとき、どの順番でページをめくり、どうやって効率よく要点を理解すればいいかという『勉強のコツ（型）』自体を身につける」のがメタ学習です。AIの世界でも、さまざまな異なるタスクを次々と経験させることで、「初めて見る新しいタスクであっても、ほんの数枚の写真や少量のデータを見るだけでパッとコツをつかんで適応できる能力」をAIに育てることができます。
■ 選択肢の解説
- A) ドメイン適応（×）: ソースとターゲットのデータ分布のズレ（ドメインシフト）を埋めて適合させる技術です。
- B) メタ学習（○）: 「新しいタスクに素早く適応するための学習方法そのもの」をトレーニングする手法です。
- C) インコンテキスト学習（×）: 重みを書き換えずにプロンプトのお手本だけでタスクをこなさせる手法です。
- D) 特徴抽出（×）: 事前学習モデルの重みを固定し、中間層の特徴量だけを取り出して別の識別器を学習させる手法です。
👉 次の問題＆解説テキスト
お疲れ様です！
この調子で次の問題に挑戦しますか？
それとも、立ち止まって詳しい解説を確認しますか？
