그렇다면 오토인코더는 과연 어디에 활용할 수 있을까요? 영상 의학 분야 등 아직 데이터 수가 충분하지 않은 분야에서 사용될 수 있습니다. 학습 데이터는 현실 세계의 정보를 담고 있어야 하므로, 세상에 존재하지 않는 가상의 것을 집어넣으면 예상치 못한 결과를 가져올 수 있습니다. 하지만 데이터의 특징을 잘 담아내는 오토인코더라면 다릅니다. 부족한 학습 데이터 수를 효과적으로 늘려 주는 효과를 기대할 수 있지요.

오토인코더의 학습은 GAN의 학습보다 훨씬 쉽습니다. 이전 절에서 GAN의 원리를 이해했다면 매우 수월하게 익힐 수 있을 것입니다. 오토인코더의 원리를 그림으로 표현하면 그림 19-7과 같습니다.

그림 19-7 | 오토인코더의 구조. 입력 값(X)과 출력 값(X') 사이에 차원이 작은 노드가 포함됨