亚里士多德曾梦想一种具有创造力的机器。在其公元前350年左右的著作《政治学》中，他描述了他梦想的一种乐器，它可以自行演奏，因为当时需要奴隶执行表演音乐的任务，所以这种乐器的产生意味着奴隶制度的终结。对于亚里士多德而言，“伙伴”应该可以称为机器智能了，因为它能够创作新曲子，并且能自行演奏。但今天我们却不认为“伙伴”是智能的。首先，它的音乐不是真正从头原创，而是受限于自己库里的音乐组合。就像是第一章里讲述的“专家系统”，“伙伴”所拥有的一切智能都源自其人类“程序员”。利奥尔·沙米尔的人工智能作曲家也是这样，尽管它远比“伙伴”要复杂，但它无法演奏现有音乐的变体，而其依据的数据仍是人类创造力的结果，这与谷歌的翻译工具非常类似。
如果设想利奥尔·沙米尔能够让他的人工智能按照甲壳虫乐队的风格生成一张新专辑，新专辑完全由新歌组成，但都采用甲壳虫乐队的歌曲特色的高水平描述符。那么，作品所收获的荣誉应该归谁：人工智能还是利奥尔·沙米尔？不久的将来，我们就会面对这样的问题。同样地，在我们一生中的某个时候，我们不免要面对CGI人物获得表演大奖的情况。如果奥黛丽·赫本复活，主演奥斯卡夏季盛典的电影，我们应该将荣誉献给软件、动画师还是提供原始数据的奥黛丽·赫本本人呢？虽然这些情景目前只出现在思维实验中，但是它们凸显了计算创造力这个要点。简而言之，如果人类参与这些流程，我们可以将赞誉送给人类而不是机器，就像我们会因杰克逊·波洛克（Jackson Pollock）创作的有影响力的滴画而对他赞赏有加，而不是向画笔和重力致敬一样。当卡斯帕罗夫败给IBM的国际象棋计算机“深蓝”时，他对此评论说，他看到了机器下棋时的高深智慧和创造力。他暗示的并不是人工智能已经获得了这些品质，而是IBM利用屏幕背后的人类棋手进行操控。
由于当今多数人工智能系统都需要对之前已有的大量数据进行计算，我们可以认为本章前面所有关于计算机创造力的例子都是将旧数据集转变成新输入。即使其结果是个新创意，这个新创意也只是源自其接入的数据，是旧想法的迭代。这是肯定的。然而，称这与人类创作方式根本不同则是个错误的说法。身为人类，我们喜欢神化自己的创造力，将了不起的创意视作是天才的灵光一现，凭空而生。比如，美国电子工程师哈罗德·布莱克（Harold Black）在乘船通过纽约哈德逊河去上班时想到了负反馈放大器的主意。这次灵光一现在布莱克的一生中影响如此深远，以至他决定将自传命名为“渡轮停靠之前”（Before the Ferry Docked），尽管在他去世之前这本书都不曾写完。在伦敦大英博物馆外人行道上等待红灯时，美籍匈牙利物理学家列奥·西拉德（Leó Szilárd）想到了核链式反应的概念等等。像我这样的记者都可以举出例子证明发明创造是天才灵光一现的结果。查明当人们发明鼠标或创作改变他们人生的小说时他们在干什么之后，人们会觉得这个发明和创作过程既超然又不难实现，仿佛灵感随时可能出现在任何人身上。
而现实是，创造力从来不是凭空出现的，它总是结合了旧想法，踏上新道路。17世纪颇具影响力的英国哲学家托马斯·霍布斯（Thomas Hobbes）在其著作中将想象力描述成“衰退的感觉”。换句话说，霍布斯认为想象力将我们过去的感觉印象与在此基础上积累的知识进行了重新构建。出于同样的理由，历史上的艺术家让自己进入不同的情绪状态，因为这使他们可以像厨师处理食料一样汲取从前的经验。如果霍布斯的想象力理论是对的，它与机器的想象力就不会有什么大不同。
再回头说说利奥尔·沙米尔所钟爱的乐队，虽然甲壳虫乐队的作品是货真价实的原作，但它的灵感源自之前查克·贝里（Chuck Berry）、卡尔·帕金斯（Carl Perkins）和猫王埃尔维斯（Elvis）等人的作品。就像约翰·列侬所说的：“听到埃尔维斯的作品我才受到了触动，如果没有埃尔维斯，就不可能有甲壳虫。”
完全与我们预期相左的想法可能令人困惑不已。电影《回到未来》（Back to the Future）的宏伟场景证明了这一点，在电影里，时光从1985年倒流至1955年，马蒂·麦克弗莱（Marty McFly）在学校舞会的舞台上找回了自己。马蒂·麦克弗莱抱着吉他并将20世纪80年代少年心中的经典歌曲烂熟于胸，他“创作”了查克·贝里1958年的名歌Johnny B. Goode，在这首歌录制前，他在几年中都一直演奏它。马蒂·麦克弗莱因人们的反应而欣喜不已，他在歌中加入了80年代的重金属风格，紧挨着扩音器弹奏吉他，期待人们的回应。听到这些噪声般的声音，孩子们停止跳舞，一脸迷惑。马蒂清醒过来并道歉：“哦，对不起，看来你们还接受不了这个。但你们会爱上它的。”经典摇滚乐——灵感源自20世纪40年代的节奏蓝调——对于1995年的听众来说意义非凡。重金属音乐，脱胎于二十世纪六七十年代的摇滚乐，对1955年的听众来说毫无意义。
然而，仅仅将想法结合在一起的行为并不一定是创造力，即使其成果也很新颖。苹果首席执行官蒂姆·库克曾谈及不必要的发明：“你可以把烤面包机与冰箱组合在一起，但你要知道这些东西可能无法取悦你的用户。”我一直都十分喜欢的一部电影是罗伯特·奥特曼（Robert Altman）导演的《幕后玩家》（The Player），它是一部讽刺好莱坞的影片，但也是部缺乏创造力的影片。贯穿影片的笑料是慢吞吞的影片简要描述，这是好莱坞业内人士用以描述他们所拍摄的影片的用语，通常都标成“影片A加影片B”，而这里的影片都是当时的流行影片。笑料是这样的，这些由片名混合而成的简述彼此完全冲突。在影片开始的时候，编剧对电影公司经理说：“是《走出非洲》（Out of Africa）加《风月俏佳人》（Pretty Woman）。”稍后，某人将“精心打造的心理、政治及惊险喜剧”描述成“《人鬼情未了》（Ghost）加《谍影迷魂》（Manchurian Candidate）”。
我们完全能够编写一段计算机程序来做同样的事，只是速度快些。运用互联网电影资料库里保存的约328 952部故事片，我可以编写一段将各个电影相结合的程序。短暂地运行一下程序，我手里的看点可能比一屋子高薪聘请的好莱坞编剧一辈子想出来的都多。想象一下中世纪瑞典骑士在与死神下棋时失去童贞的喜剧［《第七封印》（The Seventh Seal）加《美国派》（American Pie］。赶紧写支票吧！
利奥尔·沙米尔指出，由于接入的数据量很大，在判断新颖性方面，计算机比我们多数人都要老练。比如，谷歌图书搜索已经扫描并数字化了3 000多万册图书，书中的内容现在已经可以搜索。谷歌估计，全球约有1.3亿册不同的图书，并且表明到2020年它要扫描完这些图书。我们把这个数字与人类的读书数量进行比较：一个女人自称是英国最贪婪的读者，从1946年开始每周读约12本书，她一共读了25 000本书。终其一生，效率再高的读者也无法读完谷歌2004年10月才开启的图书扫描项目中千分之一的图书。随着数据集不断扩大，计算机越来越擅长执行如上下文分析等任务，这是为什么在作品的作者不详时能使用计算机找寻作者。
只有生成新颖性还远远不够。虽然我的电影简述生成项目可能效率很高，但它可能仅仅只是把多数编剧所面临的难题颠倒了过来。与没有足够的创意可选不同，突然之间，我们变得有太多的创意可以选择。这仍然是个数据问题，只是反过来了而已。使人们具有创造力的是识别按照正确原则处理某一创意的能力。1997年史蒂夫·乔布斯重回苹果之后不久，他将创新描述成否定1 000个可能创意的能力。“你必须精心选择。”他说，“实际上，我因我们没做那些事而感到骄傲，就如同因我们所做的事感到骄傲一样。”乔布斯最终领导苹果创造了iTunes、iPod、iPhone和iPad，但在此之前，他否决了几十个他离职期间苹果公司一直研发的产品。
幸运的是，机器也越来越擅长处理自己的任务。只要我们能够告诉它们我们在找什么，它们就能创造新的富于想象力的解决方案，甚至会超过完成这项工作的人类。