Существуют сферы ИИ, специально занимающиеся этой задачей, включая эволюционное моделирование и обучение с подкреплением. Результаты их трудов — антенны космических кораблей, AlphaGo, обыгравшая человека, персонажи видеоигры Unreal Tournament, прошедшие тест Тьюринга.
Эти носители ИИ не были обучены выполнять определенные действия, а заимствовали свои идеи в биологии. Эволюционное моделирование использует принципы теории Дарвина, исследуя варианты поведения и определяя тот, который ведет к наилучшему результату. Из большого числа агентов выбирается тот, кто достиг наибольшей эффективности, они комбинируются и начинают решать следующую задачу, и так далее. Эволюция приводит к появлению неожиданных, но продуктивных решений, иными словами — к творческому подходу.
Самый современный подход заключается в том, что эволюционная модель должна быть направлена не на оптимизацию отдельных задач, но на поиск новых решений. Новые проблемы обычно обманчивы — если пытаться решать их с помощью все новых улучшений, зайдешь в тупик. Новые решения становятся трамплином для создания уникальных подходов. Часто поистине креативное решение можно найти, сочетая несколько инновационных вариантов в одно рабочее. Например, возможно создать алгоритм походки двуногого робота не заставляя его как можно быстрее переставлять ноги, а позволяя ему быстро падать вперед, в последний момент делая шаг.
Множество инноваций стали доступны для нас благодаря компьютерной креативности, хотя мы еще не всегда это осознаем. Если в решении проблемы используется компьютерные вычисления, значит, может быть применен эволюционный поиск. Это позволит инженерам увеличить продуктивность своих идей, например, создать более простые для производства запчасти или минимизировать риски биржевых операций.
В других областях потребуются инженерные усилия, чтобы определить проблему для компьютера, но усилия будут вознаграждены инновациями — новыми жанрами видеоигр, персонализированными лекарствами или безопасным транспортом, например.