---
id: AI-META-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 1.0
tags: [ai, deep-learning, meta-learning, few-shot-learning, optimization]
last_reinforced: 2026-04-26
---

# Meta-Learning in AI (AI에서의 메타 학습)

## 📌 한 줄 통찰 (The Karpathy Summary)
> "데이터를 배우는 단계를 넘어, '어떻게 배워야 가장 효율적인가'라는 학습의 본질을 스스로 터득하라" — 새로운 태스크에 직면했을 때 아주 적은 양의 데이터만으로도 빠르게 적응할 수 있도록 모델의 초기 상태나 학습 규칙을 최적화하는 '배우는 법을 배우는(Learning to Learn)' 기술.

## 📖 구조화된 지식 (Synthesized Content)
- **추출된 패턴:** "Knowledge Transfer and Rapid Adaptation" — 수많은 유사한 작업들을 경험하며 얻은 공통된 지식을 바탕으로, 낯선 작업이 주어졌을 때 수천 번의 반복 학습 없이 단 몇 번의 업데이트(Few-shot)만으로 정답에 도달하는 지능형 적응 패턴.
- **주요 접근법:**
    - **Optimization-based:** 모델이 새로운 작업에 대해 최적화되기 가장 좋은 초기 가중치 지점을 찾음 (예: MAML).
    - **Model-based:** 외부 메모리나 특수한 구조를 통해 빠르게 정보를 저장하고 인출.
    - **Metric-based:** 데이터 간의 거리를 측정하는 법을 배워, 새로운 클래스도 거리 기반으로 즉시 분류.
- **의의:** 데이터가 부족한 도메인에서 AI의 활용도를 극대화하며, 인간처럼 소량의 경험만으로도 새로운 지능을 획득하는 범용 인공지능(AGI)으로 가는 핵심 징검다리.

## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌:** 거대한 데이터셋에서 고정된 모델을 만드는 방식에서 벗어나, 이제는 변화하는 환경에 실시간으로 대응하는 '적응력' 자체가 모델의 핵심 지능 지표로 간주됨.
- **정책 변화:** Antigravity 프로젝트는 에이전트가 새로운 유형의 프로그래밍 언어나 프레임워크를 접했을 때, 기존 지식을 바탕으로 빠르게 문법을 파악하고 적용할 수 있도록 메타 학습 아키텍처를 도입함.

## 🔗 지식 연결 (Graph)
- [[Few-Shot-Learning]], [[Model-Agnostic-Meta-Learning]], Transfer-Learning-Foundations, [[Hyperparameter-Optimization]]
- **Raw Source:** 10_Wiki/Topics/AI/Meta-Learning-in-AI.md