以打造出“最强大脑”AlphaGo而声名大噪的人工智慧(AI)公司DeepMind，日前提交一篇论文，指称AI及其相关能力并非透过解决复杂问题而产生，而是源自长期遵循“奖励最大化”此一简单原则，并建议以可以复制奖励最大化机制的强化学习作为主要的演算法，向通用人工智慧(Artificial General Intelligence；AGI)迈进。
据CNBC报导，DeepMind认为，奖励已足够推动展现自然和人工智慧能力的行为，例如知识、学习、感知、社交智慧、语言、概括和模仿。许多科学家并不赞同DeepMind的论点，质疑该公司是否真有能力打造出具有人类和动物通用智慧的机器。DeepMind使用的强化学习技术虽然已成功应用于AI训练的围棋和西洋棋等游戏，但AlphaGo AI却无法分辨猫和兔子，表现不如一个7岁小孩。
AI研究员Samim Winiger认为，通往通用AI的道路很复杂，科学界意识到这个领域存在无数的挑战及已知的未知因素，因此无法做出“强化学习是最终答案，只需要奖励”这样自以为是、极权主义的声明。另一位独立AI研究员Stephen Merity表示，理论与现实存在差异，如同一叠炸药或许足够把人推向月球，但实务上却无法这样做。
目前并没有任何证据可以证明或否定强化学习能否实现通用人工智慧。专注于AI的投资人和企业家 Rodolfo Rosini表示，DeepMind 的主要产品是广告公关，而非科技创新或产品。创业家William Tunstall-Pedoe则认为，就算研究人员的论点是正确的，这不代表很快就能实现AGI，也不表示没有其他更好、更快的方法可以达成。
AGI常被视为AI界的圣杯，但AGI至今仍没有统一的定义。有人将它定义为智慧代理人具有理解或学习任何人类可以完成的任务的能力，但有人质疑AGI是否真的存在。还有人对AGI的潜在影响感到恐惧，担心AGI是否会自行打造更强大的超级智慧。因为能够被扩大到实现AGI的现有技术越多，可用来准备确保AI安全的时间就会越短，朝对人类有利方向发展的机会也越低。
