相信有不少人和我一样，认为创意还是有可能量产的。
因为多数情况下，当我们明确需要创意的时候。
实际上我们面对的是一个有明确定义的问题。
比如我们要做一个活动，来提升网站的注册量。
注意，我们是要提升网站的注册量，而不是提升访问量或者其他。
而且，这背后隐含的要求是，有效注册量。
当我们明确这些，我们就大概知道活动有哪些路子可以选。
我们必然只能找有更大概率接触到用户活动方案，如果有一种活动方案叫我们去一个没有用户地方瞎折腾，这个方案就连创意都不能算了。（当然有些“亮点”可以借鉴，然而这些“亮点”不必借助于特定的方案闪现）
这时，针对这个问题的所谓“创意”就是可量产的。
代替人类思考有定义问题的机器现在已经出现了，比如下围棋，事实上可以应用到很多领域，相信不久也可以应用到思考一些定义模糊的问题上，当然，这时起到作用其实是辅助。
因为让机器去完成定义问题本身的任务，现阶段是很难的，深度学习能让机器从无数张图片中自己学会“猫”的概念，但是一个问题的定义，涉及到太多的“猫”，最后要达到一个令人类满意的程度，目前的计算力或许是个问题。
所以合理利用计算机的办法，应该还是开发一些辅助人类思考的工具，目前无论是生活还是工业生产，机器只是辅助人类完成一些机械操作和运算，但机械的运算和创意之间的距离有一光年吗？也许没有。
我以为，下一个十年，必定一定肯定会有大量辅助人类思考的工具出现。
我需要的，不是一个思维导图软件，而是一个灵光频现的提词器，这个东西在我的脑子里盘旋了很多年。也许哪天，就有人把它做出来了。原理无非还是概率，仅此而已。
也许，只有所谓“创意”的部分，机器可以成为我们的拐杖，而需要定义问题的时候，机器也只是以“创意拐杖”的身份出现，它一时半会儿不能代替我们定义问题，既然速度不够快，那么还不如我们自己来做。
事实上，在开会的时候，总有人要负责定义问题，而其他一些人，只能做创意拐杖，剩下的一些，则连创意拐杖都做不了。这并不是说谁比谁聪明，说白了，不过是碰巧有些人想过思维的本质问题，有些人想过业务本身的问题，有些人则什么也没想过，他们的大脑远离的问题核心圈罢了。