«Latente» significa oculto: variables que no se observan directamente pero organizan lo que se observa. En aprendizaje profundo, el espacio latente es el espacio de las representaciones internas de un modelo: cada dato corresponde a un punto (un vector), y la geometría del espacio refleja semejanzas.
Por qué existe algo así. Chollet (2021) lo explica con la hipótesis de la variedad: los datos naturales ocupan una región minúscula y muy estructurada del espacio de entradas posibles. De todas las imágenes de 28×28 píxeles, casi ninguna parece un dígito, y las que sí forman una «variedad» continua de baja dimensión. Un modelo profundo aprende a «desarrugar» esa variedad, como quien alisa una bola de papel, y generaliza interpolando sobre ella; interpolar en el espacio latente no es promediar píxeles, porque el promedio de dos dígitos no es un dígito (2021, sec. 5.1.2).
En los modelos generativos el espacio latente es el punto de partida. El codificador de un VAE lleva cada imagen a una distribución en ese espacio y el decodificador vuelve de ahí a imágenes (Kingma y Welling, 2014). En una GAN, el generador parte de ruido aleatorio que al comienzo no significa nada; el entrenamiento hace que las coordenadas terminen codificando combinaciones de rasgos (Buckner, 2024, pp. 207–209). Con eso se puede interpolar (rotar un rostro, cambiar la edad) y hacer aritmética: «hombre con anteojos» − «hombre» + «mujer» da imágenes de mujeres con anteojos (Buckner, 2024, pp. 212–213). La difusión latente trabaja en el espacio latente de un autocodificador para ahorrar cómputo (Rombach et al., 2022), y en CLIP textos e imágenes comparten un mismo espacio.
Un ángulo filosófico. La idea recuerda los espacios conceptuales de Gärdenfors (2000), que Buckner (2024) usa para pensar las categorías como regiones de un espacio de semejanza (2024, pp. 114–115). Pero hay una diferencia: las dimensiones de Gärdenfors (tono, brillo) tienen nombre; las de un espacio latente no, y encontrarles uno es trabajo de interpretación, no un dato. Que una dirección «signifique» anteojos es una hipótesis que se pone a prueba, no algo que el modelo declare.