可执行的好奇心是关于意念的，这意味着允许自己保持好奇心，然后利用这种好奇心去拥抱可行性方案。光有智力是不够的，这种智力必须由可执行的好奇心引导到目标上。爱因斯坦说过：“我没有特别的天赋。我只是对事物充满好奇。”
目前，强化学习被用来训练大多数人工智能，方法是当他们实现了一些使他们朝着目标前进的事情时给予奖励。这是一种有用的技术，可以教AI特定的东西，比如如何在流水线上最优化地建造一辆汽车。但是，对于机器在没有指令的情况下自主操作来说，它们必须要有好奇心。6
克里斯：太好了，艾美，我有一个例子。谷歌的人很好奇他们是否能降低数据中心的能源费用。2014年，谷歌数据中心用电4402836兆瓦，相当于366903个美国家庭的用电量。他们很好奇，自己是否可以用AI来找到解决方案。
他们决定进行实验并设计神经网络，控制“数据中心中的大约120个变量”，包括“风扇和冷却系统等”，以及“窗户和其他东西”。谷歌使用DeepMind AI将其耗电量降低了15%。这是可能的，因为人们有好奇心，愿意实验，然后设计了一个AI策略来解决这个问题。7