Autoenkodér je neuronová síť trénovaná bez anotací k tomu, aby na výstupu zrekonstruovala svůj vlastní vstup. Skládá se ze dvou částí: enkodér vstup stlačí do nízkodimenzionální reprezentace v latentním prostoru a dekodér se z ní pokusí původní data obnovit. Ztrátovou funkcí je rekonstrukční chyba, například střední kvadratická odchylka. Trik je v úzkém hrdle uprostřed: protože je latentní vektor mnohem menší než vstup, síť nemůže data prostě zkopírovat a je nucena objevit jejich vnitřní strukturu a zahodit šum a redundanci. Autoenkodér je tak nelineární obdobou redukce dimenzionality – s lineárními vrstvami a kvadratickou ztrátou se jeho řešení blíží analýze hlavních komponent, s nelinearitami ji podstatně překonává. Praktické využití zahrnuje odšumování (denoising autoenkodér se učí z poškozeného vstupu obnovit čistý), detekci anomálií podle vysoké rekonstrukční chyby, komprimaci a předtrénování. Jeho generativní rozšíření variační autoenkodér latentní prostor navíc uspořádá tak, aby z něj šlo vzorkovat.
Představte si redaktora, který musí každý článek shrnout do jediné SMS – a druhého kolegu, který z té SMS musí článek napsat znovu. Trénují spolu tak dlouho, dokud se nová verze skoro neliší od původní. Aby to zvládli, nemůže první opisovat věty; musí vystihnout podstatu. A druhý se musí naučit, jak z podstaty rozvinout text. Vedlejším produktem téhle hry je ta SMS – nesmírně úsporný popis toho, o čem článek je. A když jim najednou podstrčíte text, jaký nikdy neviděli, rekonstrukce se nepovede – čímž jste zároveň odhalili anomálii.