比起限定功能的人工智能系统，“通用人工智能”是不少研究的目标，这样的系统可以更有弹性自动对应不同的应用范畴，就如真人。deepmind最近宣称，就算只是用强化学习方式训练，也可以达此水准。
deepmind最近于《artificial intelligence》期刊发布的论文表示，人工智能系统的能力并不是通过制定和解决复杂问题而产生，而是通过“奖励最大化”的单一原则可完成。他们认为，奖励最大化和试行错误的经验，可培养出智力相关能力，其中一个实际应用的方式就是强化学习，他们相信最终可达通用人工智能水准。
（source：venturebeat）
他们提出，利用这原则可更有效创建ai系统，他们假设“最大化奖励的一般目标足以驱动表现出自然和人工智能研究的大部分（如果不是全部）能力的行为”，模仿大自然智能进化的适者生存机制，迫使系统在单一目标下发展出不同的相关能力。不过这套理论仍有需解决的地方，例如对学习代理的样本效率应该如何判断，始终强化学习需要大量数据训练，而现有数据下可能要几个世纪的训练时间才能发展出通用人工智能。