Um auch die nachfolgenden Beispiele genauer verstehen zu können, bleiben wir nochmals bei Strichzeichnungen bestehend aus 24 x 24 = 576 Pixel:
| Pixel 1 | Pixel 2 | Pixel 3 | ... | Pixel 576 | |
| Bild 1 | Graustufe | Graustufe | Graustufe | ... | Graustufe |
| Bild 2 | Graustufe | Graustufe | Graustufe | ... | Graustufe |
| ... | ... | ... | ... | ... | |
| Bild 2000 | Graustufe | Graustufe | Graustufe | ... | Graustufe |
Dieser Datensatz wurde verwendet, um einen Autoencoder zum folgenden Layout zu trainieren:
Wenn wir uns nun ausschließlich das Encoder-Netzwerk anschauen, so können die 2000 Bilder des Datensatzes auf jeweils zwei Werte komprimiert bzw. auf einen Punkt in der Ebene reduziert (kodiert) werden.
Wenn wir andererseits nur das Decoder-Netzwerk betrachten, so kann jeder Punkte in der Ebene als Bild bestehend aus 24 x 24 Pixel dekodiert werden. Und damit sind wir auch beim Thema der Bildgenerierung:
Wenn ein Autoencoder basierend auf einem geeigneten Datensatz ausreichend gut trainiert wurde, dann kann das Decoder-Netzwerk als eine Methode der generativen Künstlichen Intelligenz angesehen werden.
Die folgende Anwendung demonstriert die in diesem Abschnitt beschriebenen Beobachtungen.