Model-Agnostic Meta-Learning (MAML) merupakan konsep baru machine learning yang memungkinkan machine belajar suatu konsep baru hanya dengan sample yang sedikit. Hal ini serupa dengan bagaimana cara manusia mengidentifikasi objek baru hanya dengan melihat suatu gambar.

MAML mempunya 2 bagian penting yaitu learner yang bertugas untuk mempelajari task dan meta-learner yang bertugas untuk melatih learner. Hal ini tentu berbeda dengan metode neural network sebelumnya yang melakukannya dengan mengupdate function dan learning rule.

Conventional deep learning identik dengan single task dan dataset yang besar. Sedangkan MAML mampu menyelesaikan banyak task dengan hanya sedikit sample training tiap tasknya. Berikut adalah ilustrasi cara training dengan menggunakan MAML.

digixed

 

Penulis : Wahyu Fadli Satrya