Pierwszy klaster jest reprezentowany przez systemy sztucznej inteligencji, które umożliwiają uzyskiwanie prognoz na podstawie odpowiednich danych. W tym przypadku algorytmy są szkolone w rozpoznawaniu wzorców i podejmowaniu probabilistycznych decyzji. Tak jest w przypadku systemów AI stosowanych np. w choreografii, gdzie dla każdego tancerza możliwe jest uzyskanie iteracyjnych wersji konkretnego pomysłu. Na przykład choreograf może podpowiedzieć: „Zaczynam od tej frazy i chciałbym, żeby sztuczna inteligencja wymyśliła następną frazę – ale w stylu Jordana lub Jessa. A potem możesz uzyskać ich kombinacje”. Cały czas się uczy i przekazuje informacje zwrotne, więc ta iteracyjna wersja daje ci wszystkie te nowe możliwości, których nie mogłeś sobie wyobrazić. Warto wspomnieć także o eksperymencie Living Archive zrealizowanym przez choreografa Wayne’a McGregora oraz Google Arts & Culture Lab, narzędzie do choreografii oparte na uczeniu maszynowym. Narzędzie generuje oryginalny ruch inspirowany 25-letnim archiwum Wayne’a McGregora, tworząc żywy dialog między tancerzami a jego dorobkiem.
Dotyczy to również filmów i zdjęć nieistniejących osób generowanych na podstawie istniejących danych lub naśladowania znanych artystów i dostrzegania sfałszowanych dzieł sztuki. Sieć neuronowa jest w stanie naśladować „styl” obrazu i używać tego stylu do kopiowania innego obrazu. Syntetyzując wysokiej jakości ludzkie twarze, firma Pantheon Lab opracowała technologię Face Synthesis, która umożliwia tworzenie niestandardowych wirtualnych agentów do syntezy obrazów i wideo
Kreatywność jest inspirowana technologiami głębokiego uczenia się, które humanizują maszyny wizualnie, wirtualnie i intelektualnie. Tak jest również w przypadku inteligentnych systemów autonomicznych (samochodów samojezdnych), które potrafią elastycznie i racjonalnie reagować na bodźce i sytuacje środowiskowe, z którymi wcześniej się nie spotkały lub które nie zostały z góry zaprogramowane. Zatem niezależność bodźców typowa dla ludzkiego umysłu lub strumieni myśli i obrazów niezwiązanych z bezpośrednimi bodźcami sensorycznymi (Teasdale i in., 1995) powinna być jednym z głównych kryteriów (podobnej do ludzkiej) inteligencji systemów autonomicznych.
- Ai-Da wykorzystuje system ramienia robota i technologię rozpoznawania twarzy w połączeniu ze sztuczną inteligencją do tworzenia dzieł sztuki. System może analizować obraz umieszczony przed maszyną, który zasila algorytm generujący ruchy ramienia robota.
• Podobnie muzyk Reeps One rozpoczął eksperyment, ucząc maszynę naśladowania jego głosu. System sztucznej inteligencji do głębokiego uczenia był w stanie nie tylko odtworzyć jego kompozycję muzyczną, ale także przewidzieć, co nastąpi później.