Latent Space (Przestrzeń ukryta) – matematyczna reprezentacja cech danych.

Jest to abstrakcyjna przestrzeń matematyczna, w której poszczególne punkty reprezentują skompresowane lub przekształcone cechy oryginalnych danych. Modelując dane w tej przestrzeni, możliwe jest uchwycenie ich istotnych właściwości i zależności w formie wektorów o mniejszej wymiarowości niż dane wejściowe. W ten sposób przetwarzanie informacji staje się bardziej efektywne, a złożoność danych zostaje zredukowana do najważniejszych elementów.

Stosowanie przestrzeni ukrytej jest powszechne w uczeniu maszynowym, zwłaszcza w modelach generatywnych, takich jak autoenkodery czy modele oparte na głębokich sieciach neuronowych. Reprezentacje te umożliwiają wykonywanie operacji takich jak interpolacja, analogie czy generowanie nowych próbek danych, co ma zastosowanie w dziedzinach takich jak rozpoznawanie obrazów, przetwarzanie języka naturalnego czy synteza dźwięku. Przestrzeń ukryta pozwala na lepsze zrozumienie struktury danych i ułatwia ich interpretację w kontekście zadanych problemów.