来自 Ian Goodfellow 的深度学习书籍：

如果自动编码器成功地简单地学习设置g(f(x)) = x无处不在，那么它就不是特别有用。相反，自动编码器被设计成无法完美地学习复制

我不明白这部分。g是解码器，f是编码器。为什么编码器和解码器不能完美地表示输入数据x？

解决这个问题的另一种方法是——为什么自动编码器需要正则化？我理解在预测机器学习中，我们对模型进行正则化，以便它可以泛化到训练数据之外。

然而，如果有足够大的训练集（在深度学习中很常见），则不需要正则化。对我来说，到处学习似乎是可取的g(f(x)) = x，我不明白作者为什么不这样说。