在人工智能产业中，深入学习及其进步能够实现的真正发展是人类能力的提高。事实上，可能的结果是神经网络和深度学习将使更多的人更容易变得有创造力。
已经有不同的深度学习工具可以帮助提高业余爱好者和专业艺术家的创作技能。例如，神经网络可以把一幅画修改成梵高或毕加索的风格。另一个例子是谷歌开发的一个工具，它使用机器学习来检查草图，并将它们转换成清晰的图画。
在更专业的层面上，深度学习可以帮助艺术家找到新的想法，加快他们的创作过程。爱尔兰音乐家兼作曲家达伦·巴纳尔斯（Daren Banarse）使用深度学习应用程序 folk-rnn 来帮助自己创作音乐。他说，尽管他对其中一些作品的出色程度感到惊讶，但很明显，这些作品仍需要人为的润色才能变得完整。他并不担心神经网络会取代他的工作。有趣的是，folk-rnn 提出了一些新想法，这些都是他没有想到的。
巴纳尔斯希望像 folk-rnn 这样的工具能帮助他完成一些前期工作。“当我不得不开始大规模写作时，我总是觉得很困难。也许我可以给电脑一些参数：玩家的数量，情绪，甚至一些我最喜欢的作曲家的名字，它可以为我产生一个基本的结构。我不指望它能开箱即用，它应是一个起点。”他说。
在文学领域，尽管人工智能对人类语言的理解有限，但深度学习也发现了一些帮助作家的有趣用例。本月，《纽约时报》刊登了一篇报道，讲述了一位作家如何利用机器学习来为自己的写作思路和完成句子提出建议。在软件背后的技术细节方面没有太多的内容。但可能使用的技术是自然语言处理和生成(NLP/NLG)，这是人工智能的一个分支，帮助计算机分析和创建人类文本。同样，这里没有创造性，只是统计模式匹配和预测。但就像 folk-rnn 的例子一样，NLP/NLG 有时会提出一些作者没有想到的有趣想法。
在某些方面，这让人联想到作为独立业务模型的出现的应用程序编程接口（API）。API 并没有将程序员赶出业务领域，但是它们使更多没有编程背景的人能够开发应用程序。
Spotify 创建者技术研究实验室主任弗朗索瓦·帕切特(Francois Pachet) 将创造性人工智能工具与 80 年代的数字合成器进行了比较，当时人们担心计算机会导致音乐人失去工作。但是，“情况恰恰相反，”他说，“每个人都带着这些新机器和硬件，学习如何有效地使用它们。从某种意义上说，音乐产业出现了爆炸式增长。”
【数字叙事 原作：Ben Dickson；编译：Lighting】
