現在的人工智能學習算法以機器學習和深度學習算法為主。這兩種類型的算法以數據為基礎，通過計算機強大的算力來尋找樣本間的共性，從而找出隱藏在數據背后的客觀規律，但這種規律仍然不能為人類完全所知，它們通過參數來間接體現。
以數據為基礎並且參數背后的規律不能具體化是現在人工智能算法主要局限性。因為這樣即使一個人類已知的規律，對算法來說也需要大量的運算才能得到一個近似解，而且這個近似解往往達不到人類要求的精確度。所以現在人們在應用這些算法時都會進行人為干預，比如對數據進行特征工程處理，對算法運行過程加入一些人類已知的規則等。
參數背后的規律不能具體化就意味着不同參數網絡之間不能進行很好地相互學習，所以現在的算法只能算是專業智能，他只能學習他擁有數據的規律，且學到的規律不能和其他算法學習的規律進行整合。而且這些算法還存在着欠擬合和過擬合的分險。雖然有很多方法來對這些問題進行彌補，但是改變不了這些算法本質上的缺陷。
通用人工智能算法顧名思義就是在任何領域都適用的算法。要達到這種要求首先需要做到“在不同領域學習到的規律可以共享”，這就意味着通用人工智能算法必定是基於規則學習的網絡，而不是數據。基於規則學習就要做到從具體到抽象，從抽象到具體。不管是對事物的認識還是對規律的認識都應如此。抽象和具體的對立來源於特征，所以通用人工智能算法也是基於特征進行演繹的算法。
通用人工智能算法的實現就是人類發展、科技發展、生物進化的奇點，在這之后一切概念將被重新定義，如經濟、社會、生命等，科技將以無法想象的速度發展，隨之帶來的是：人來的活動范圍不斷擴大，人類的生物局限不斷被克服，人類的自由趨於百分之百（其中虛擬現實必定會發揮主要作用），直到人類很難區分人和神的界限。