创造性的人工智能有时非常接近人类的创造力。然而，它们与人类的根本区别在于身体方面。人们不仅学习智力技能，还学习身体技能，以发挥创造力。创造艺术的人工智能从未感受到纸上画笔的压力，也无法像人类认知系统那样掌握动态。这些是人工智能目前无法为创作过程带来的体验。
此外，应该指出的是，虽然人工智能可以创作出有价值的艺术作品，但它也可以创作出不新颖或被人类认为毫无意义的艺术作品。生成的艺术制品的意义常常是一个有争议的话题，即使是对于人造艺术作品也是如此。因此，人工智能和人类一样，面临着在新颖性和价值之间找到平衡的挑战。目前，这对于人工智能来说是一个比人类艺术家更大的问题。
1926年，Graham Wallas将创作过程分为以下几个阶段：准备（收集信息）、定义（定义问题）、孵化（思考想法）、启发（提出解决方案）和验证（测试解决方案的质量）。人工智能的能力目前仅限于工艺步骤准备和孵化。其他步骤仍然需要人工干预，至少部分如此。
目前，最强大的人工智能系统仍然基于监督学习，它已经拥有人类标 医疗保险线索电子邮件列表 记为真实的数据。学习过程是计算已知示例的平均误差或损失，并进行调整以最小化该损失。不寻常的例子（异常值）通常被赋予较小的影响，以避免扭曲整体误差。然而，如果不重视这些不寻常的数据点，那么在创作过程中创造新颖性的目标就会受到阻碍。这也显示了人工智能在新颖性和价值之间寻找平衡的挑战。此外，在实际的创作过程中，通常不存在可以轻松分类的预定义结果。尽管许多作品遵循当前趋势并基于观众的喜好，但没有完全自主的定量方法来衡量创意作品的质量。这里也需要人工干预。
对人工创造力的另一个乍一看很明显的观察是，它是出于理性而不是创造性意图而产生创造性的制品。有人认为，所有艺术作品都是人类经验的表达，并且仅为人类目的而创作。这凸显了为什么人工智能创造人类水平的艺术如此困难。
未来的创意流程会是什么样子？
提到的创造性人工智能的许多局限性可以追溯到机器如何独立测量或评估创造力的问题。研究发现，很多地方都需要人工干预。由于人工智能系统是由人类程序员初始化并使用人类编程的算法工作的，因此人工智能系统总是至少部分依赖于人类。将机器和人类视为不相关的概念是错误的，而机器能否创造艺术的问题本身就可以被认为是误导性的。相反，问题应该是人工智能在创作过程中扮演什么角色。