メタ学習（Meta-Learning / Learning to Learn）とは、「学習方法そのものを学習する」手法です。多数の異なるタスクから学習プロセスを学び、新しいタスクに少量のデータで素早く適応できる能力を獲得します。
Few-shot学習との関係
メタ学習は少数のサンプル（Few-shot）で新しいタスクを学習する「Few-shot学習」の主要なアプローチです。1-shot（1サンプル）や5-shot（5サンプル）でのタスク学習を目指します。
代表的な手法
MAML（Model-Agnostic Meta-Learning）は少数のグラジエントステップで新しいタスクに適応できる初期パラメータを学習します。Prototypical Networksはクラスのプロトタイプ（中心）を学習し距離ベースで分類します。
応用分野
ロボット制御の迅速な適応、薬物発見（少数の実験データからの予測）、個人化されたレコメンデーション、自然言語処理のFew-shot応用など、データが希少な場面で特に有用です。