Dekodér je v kontextu hlubokého učení a neuronových sítí specializovaná část modelu, jejímž úkolem je transformovat vnitřní, často abstraktní a komprimovanou reprezentaci dat do cílového formátu srozumitelného člověku nebo požadovaného pro výstupní úlohu. Typicky navazuje na kódér (encoder), který vstupní data (např. text nebo obrázek) nejprve zpracuje do zhuštěné podoby, tzv. kontextového vektoru nebo latentního prostoru. Dekodér poté tento vektor vezme a postupně, krok za krokem, z něj generuje výstupní sekvenci, například přeloženou větu, popis obrázku nebo zvukovou stopu. Jeho funkčnost je klíčová v sekvenčních modelech, jako jsou Transformery nebo rekurentní neuronové sítě.
Představte si, že vám někdo sdělí hlavní myšlenku složitého příběhu v jediné krátké větě. To je práce kódéru – zhustit mnoho informací do malého balíčku. Úkolem dekodéru je pak vzít tuto jednu zhuštěnou větu a znovu z ní rozvinout celý původní příběh se všemi detaily, postavami a dějem. V umělé inteligenci tak Dekodér přeměňuje abstraktní, matematickou myšlenku modelu zpět do podoby, které rozumíme, ať už je to srozumitelný text, obrázek nebo zvuk.