1. 工具论的阐述
认为计算机仍然只是一个工具，工具论是“工具论提供了最广泛接受的技术观点，它是基于常识的，即技术是“工具”，随时准备为用户服务”。
2. 为证明计算机和人一样具备创造力，重定义创造力的概念
- 实现创造力的要素：
- 符号规则
- 带来新颖性的人
- 识别和验证新颖想法的专家
- 实现创造力的要求：
- 了解内容领域的规则
- 明白点子的标准的选择
- 了解领域的偏好
3. 模仿游戏
从“机器可以思考吗？”到“机器可以超临界吗？（超临界是机器可以欺骗人类误以为它也是一个人）”问题的转换，从“计算机科学领域”的问题到“沟通交流”问题的转换。
4. 创意游戏
“机器可以有创造性吗？”是一个交流沟通问题，通过类似的交流过程显示创新性。
A. 创意游戏中的设定（要素）
- 符号规则（由专家C要求的艺术品类型设定）
- 带来新颖性的人（计算机玩家A和专业人员玩家B）
- 识别和验证新颖想法的专家（专家C）
B. 创意游戏中的设定（要求）
- 了解内容领域的规则（提供给计算机信息“教授”内容领域的规则，并且编程实现动态过滤数据以便及时更新内容域）
- 明白点子的标准的选择（鉴别产品）
- 了解领域的偏好（计算机被“教授”已知偏好[谁的意见很重要，他们在特定领域支持什么？]进行模式识别数据分析，开发出相关配置文件，能对数据集的感知价值进行加权）
5. 创造性算法支持者
“深度学习”和“神经网络”的复杂和动态模式识别使计算机具备了创造性思维。
计算机科学方面创造力的观点
A. McCormack和Inverno
1) 计算机具备创造力Or不具备创造力
2) 创造力是否必然涉及传告又用或合适的新奇事物（创造力与价值的相关关系）
3) 创造性发现不会碰巧自动发生(否定了创造力的独立性或由自我决定的创造性天赋)
B. Boden、Schank和Cleary
1) Boden认为未来计算机应该体现足够强大的评价标准，人工智能具备：组合，探索和转换
2) Schank和Cleary热内创造性计算机可以评估指导自己的生产
3) Boden指出的两个瓶颈：领域专业知识（映射要探索或转化的概念空间）和对结果的评估
C. Buchanan
创造性计算机能够思考和修改自己的标准（即深度思考和神经网络的概念）
6. 创造力算法例子
A. MicrosoftWare聊天机器人Tay，与社交媒体Twitter的其他用户进行交互，可以体现基本要素都符合
B. Google棋者AlphaGo，与世界顶尖棋手下棋，有一局第37步棋体现了创新的要求
C. IBM创意烹饪厨师Watson，很好体现了新颖性以及理解领域偏好和内容领域的规则
D. Logojoy设计定制徽标
7. 艺术教育与创意算法
- 与深度学习算法的程序进行交互以减少黑盒效应带来的未知性，将计算机智能和人类智能结合起来，达到奇点。
- 对于艺术教育者来说，应该培养学生与程序的交互能力（提问与传授经验），使系统与人类彼此受益。
- 图灵提出“应该像孩子一样对待学习机器来让它发展和成长”，使用与在线用户交互的方式说明了领域的偏好对机器设置准则的影响。
8. 结论
将社会心理学的观点应用于开发和编码过程，以便强化算法更加具有创造性。
