机器在学习了过往的任务的基础上，可以成为一个更好的学习者。在面对新的任务时，可以学习得更快，因为在过往的任务中学习到了学习的技巧。
life-long learning 用一个模型处理所有模型，meta learning 对应每个任务有一个模型。
一般机器学习问题：给数据，学习f，处理特定任务，输出网络参数。
元学习问题：给数据，学习F，对应不同任务，学习对应f，处理特定任务，输出对应f。
直接的理解是，Meta learning 学习不同的任务，学习到对应每个任务给出任务的处理函数（对应分类任务就是分类器）的能力——也称为一个学习算法，从而在新的任务上，该学习算法可以给出对应新任务的任务处理函数。
