现在的人工智能学习算法以机器学习和深度学习算法为主。这两种类型的算法以数据为基础，通过计算机强大的算力来寻找样本间的共性，从而找出隐藏在数据背后的客观规律，但这种规律仍然不能为人类完全所知，它们通过参数来间接体现。
以数据为基础并且参数背后的规律不能具体化是现在人工智能算法主要局限性。因为这样即使一个人类已知的规律，对算法来说也需要大量的运算才能得到一个近似解，而且这个近似解往往达不到人类要求的精确度。所以现在人们在应用这些算法时都会进行人为干预，比如对数据进行特征工程处理，对算法运行过程加入一些人类已知的规则等。
参数背后的规律不能具体化就意味着不同参数网络之间不能进行很好地相互学习，所以现在的算法只能算是专业智能，他只能学习他拥有数据的规律，且学到的规律不能和其他算法学习的规律进行整合。而且这些算法还存在着欠拟合和过拟合的分险。虽然有很多方法来对这些问题进行弥补，但是改变不了这些算法本质上的缺陷。
通用人工智能算法顾名思义就是在任何领域都适用的算法。要达到这种要求首先需要做到“在不同领域学习到的规律可以共享”，这就意味着通用人工智能算法必定是基于规则学习的网络，而不是数据。基于规则学习就要做到从具体到抽象，从抽象到具体。不管是对事物的认识还是对规律的认识都应如此。抽象和具体的对立来源于特征，所以通用人工智能算法也是基于特征进行演绎的算法。
通用人工智能算法的实现就是人类发展、科技发展、生物进化的奇点，在这之后一切概念将被重新定义，如经济、社会、生命等，科技将以无法想象的速度发展，随之带来的是：人来的活动范围不断扩大，人类的生物局限不断被克服，人类的自由趋于百分之百（其中虚拟现实必定会发挥主要作用），直到人类很难区分人和神的界限。