据两位谷歌软件工程师和一名实习生在 谷歌博客文章 中所述，谷歌的服务器驱动着世界上大部分数据，而且显然，它们也会做梦。
谷歌的 人工神经网络（ANNs） 是由人工神经元（在计算机上运行）堆叠而成的层，用于处理谷歌图片。要理解计算机如何做梦，我们首先需要理解它们如何学习。简单来说，谷歌的程序员通过向人工神经网络展示数百万张叉子的图片，并指定每一张都是叉子的样子，来教它认识叉子。网络中的每一层（10-30层）都会从图片中提取越来越复杂的信息，从边缘到形状，最终到叉子的概念。最终，神经网络会理解叉子有一个把手和两到四根齿，如果有任何错误，团队会纠正计算机的误读，然后重试。
谷歌团队意识到，用于识别图像的相同过程也可以用于生成图像。逻辑是：如果你知道叉子长什么样，你就可以画出叉子。
这表明，即使看到了数百万张照片，计算机也无法形成物体的完美柏拉图式形态。例如，当被要求创造一个哑铃时，计算机描绘出了从哑铃形状中伸出的长长的、细长的手臂。手臂经常出现在哑铃的图片中，所以计算机认为有时哑铃是有手臂的。
这有助于提高公司图像处理能力，但谷歌团队更进一步。谷歌利用人工神经网络来放大它在图片中看到的模式。每个处理层在不同的抽象级别上工作，这意味着有些层基于微小的对比度差异来识别边缘，而另一些层则发现形状和颜色。他们运行这个过程来强调颜色和形态，然后让网络“尽情发挥”，不断强调它识别到的任何东西。所以，如果一朵云看起来像一只鸟，网络就会不断地以微小的迭代方式应用它对鸟的概念。
奇怪的是，谷歌团队发现了模式。石头和树木经常变成建筑物。树叶经常变成鸟类和昆虫。
研究人员随后将网络生成的图片设为新的处理图片，每次都以一个小幅缩放进行迭代处理，很快网络就开始创造“源源不断的新印象”。当从白噪声开始时，网络会产生完全由其自身设计的图像。他们称这些图像为神经网络的“梦境”，它们是完全原创的计算机思维的体现，源于真实世界的物体。
谷歌继续利用这些技术来了解他们的人工神经网络在学习什么，甚至思考这是否能揭示“创造过程的根源”。
