Narażenie na pomysły generowane przez innych ludzi jest udokumentowanym sposobem wpływania na generowanie kreatywnych pomysłów . Deweloperzy sztucznej inteligencji intuicyjnie zwrócili się ku tworzeniu systemów sztucznej inteligencji, które generują syntetyczne pomysły na nowe przedsięwzięcia. Na przykład IdeasAI autorstwa niezależnego twórcy @levelsio wykorzystuje GPT-3 OpenAI do generowania długiej listy pomysłów na nowe przedsięwzięcia, która jest codziennie aktualizowana („Startup Ideas powered by OpenAI”, b.d.). GPT-3 to generatywny wstępnie wyszkolony transformator, innymi słowy, jest to model języka, który jest wstępnie wytrenowany z ogromnymi ilościami danych tekstowych. Ten rodzaj modelu językowego nazywany jest „uczniem kilku strzałów”, co oznacza, że może wykonać wiele zadań językowych, gdy zostanie nakarmiony kilkoma przykładami odpowiednich danych wyjściowych. GPT-3 ma ponad 175 miliardów parametrów . W tym przypadku model został wyposażony w kilka przykładów rzeczywistych pomysłów na nowe przedsięwzięcie, wspieranych przez inwestorów venture capital jako dane wejściowe. Wynikiem są krótkie pomysły na nowe przedsięwzięcia, a obecnie w Internecie dostępne są tysiące automatycznie generowanych pomysłów. Oprócz oryginalnego szkolenia GPT3, ludzki system oceny pomysłów AI stale ulepsza model. Intencją tego projektu jest raczej inspirowanie do tworzenia niż zachęcanie ludzi do wdrażania surowych pomysłów. Ma to sens przede wszystkim dlatego, że nowe pomysły na przedsięwzięcia nie są nowymi koncepcjami przedsięwzięć. Muszą zatem zostać udoskonalone przez jednostki z krwi i kości, które mają zdolności i motywację. Co więcej, jest miejsce na ulepszenie pomysłów, ponieważ są one niedoskonałe, a czasem nawet bezużyteczne. Jednym z przykładów bezużytecznego „pomysłu” na liście generowanej przez sztuczną inteligencję jest po prostu opis IGTV na Instagramie, posuwający się nawet do faktycznej nazwy sieci społecznościowej. Ten „pomysł” to przypadkowa informacja o istniejącej firmie. Każdy człowiek może zrozumieć oczywisty brak oryginalności, w przeciwieństwie do obliczeń probabilistycznych algorytmu. Inne pomysły wygenerowane za pomocą GPT-3, nawet jeśli są interesujące, mogą wykazywać pewne uprzedzenia ze względu na dane używane do uczenia systemu. Na przykład w przypadku wielu pomysłów na startupy system AI lokalizuje hipotetyczny startup w San Francisco i nazywa fundusze venture capital, takie jak Andreessen Horowitz i Sequoia Capital. W danych treningowych występuje błąd, który prowadzi do nadreprezentacji Doliny Krzemowej w Stanach Zjednoczonych w porównaniu na przykład z Krzemową Savannah w Kenii. Użytkownik będący człowiekiem może wykryć takie błędy algorytmiczne z powodu niekompletności danych wejściowych. To stwierdzenie jest szczególnie wiarygodne, gdy użytkownik ma duże doświadczenie. Rzeczywiście, wyniki eksperymentów w warunkach, w których oceniano wnioski patentowe , dostarczają wsparcia dla tego argumentu. W naszym przykładzie użytkownik mógł zasugerować, że pomysł sprawdziłby się lepiej w innym mieście.