在进一步讨论之前，我们以绘画创作为例，简单介绍人工智能是如何创造艺术准则的。
要让计算机创作图像，首先要让它能够“看到”图像，这便是计算机视觉（Computer Vision）领域的工作。最早对于计算视觉的讨论出现在1959年的Hubel和Wiesel等人的实验中。他们将探针插入猫的脑部，观察它们在浏览图像时的神经扰动。实验发现猫并不对图片本身而是对图像的边缘产生了反应。这说明图像边缘（edge）对于猫的视觉刺激更高。
到了1963年，Lary Roberts开展了名为 Block World项目，成功使得计算机识别出了多边体。正如Hubel和Wiesel发现的那样，人们的大脑对视觉信息的处理是基于边缘和形状的，而Lary Roberts在他的博士论文中，正是要基于这一点来试图从图像中解析出边缘和形状。
而作计算机视觉正式发展，得力于1966年的夏季——MIT在这个夏天正式成立了人工智能实验室，并尝试在这个夏天解决计算机视觉的问题。当然，他们并没有获得想象中的成功，但是他们遇到的各种难题开创了计算机视觉的时代。
现在，我们通常使用卷积神经网络（CNN）来解决计算机视觉问题。卷积神经网络是专门针对图片处理方面的神经网络，当我们输入一张图片时，我们实际上输入的是三个（或四个）通道（颜色通道）下的矩阵（matrix）。输入矩阵每通过一个卷积层（Convolutional Layer），就会被其取出相应的特征，利用不同的卷积核（滤波矩阵）就可以提取图片的不同特征。提取出来以后的数据传输到到池化层（Pooling Layer），缩小其数据规模，减少复杂度。卷积和池化连起来我们叫做一个隐层（Hide Layer），一个卷积神经网络会包含很多个隐层，隐层之后是全连接层（fully connected layer），把前面经过多个卷积池化层的特征转化为特征向量，这特征向量的集合就是图片的各个特征，计算机利用这些特征，就可以对图片进行识别和分类了。