En lugar de entrenar un modelo para resolver una única tarea específica, el meta-aprendizaje lo entrena sobre muchas tareas distintas pero relacionadas, buscando que aprenda una estrategia general de aprendizaje que después pueda aplicar para adaptarse rápidamente a una tarea completamente nueva, usando muy pocos ejemplos adicionales.
Su relación con el few-shot learning
El meta-aprendizaje es una de las formas más directas de lograr una buena capacidad de few-shot learning: al entrenar explícitamente al modelo para que aprenda rápido a partir de pocos ejemplos, se vuelve mucho más efectivo enfrentando tareas nuevas que nunca vio durante su entrenamiento principal.