潜在空間は、機械学習モデルがデータを圧縮された数値ベクトルとして表現する内部の抽象的な空間である。モデルは入力データをこの空間の点に写像し、意味が近いデータほど空間内で近い位置に置かれる。元のデータより次元が低いことが多く、データの本質的な特徴だけを残した表現と見なせる。
生成モデルの分野で特に重要な概念であり、変分オートエンコーダ(VAE)、GAN、拡散モデルは潜在空間の点をサンプリングしたり操作したりして新しい画像やテキストを生成する。埋め込みモデルが作るベクトル空間も潜在空間の一例であり、大規模言語モデルではモデル内部の隠れ状態が置かれる空間を指す言葉としても使われる。