严格来说，通用人工智能在目前仍旧是一个较有争议的话题。人们开发通用人工智能，为的是追求更有效率的生产工具；但对于通用人工智能的概念而言，它是否能够被仅仅只认为是一个工具呢？接下来，就让我们来了解一下关于通用人工智能的定义。
自主性：目前，人工智能的决策行为模式，仍旧会有较多的人力干涉，其决策能力与执行能力相对有限。而通用人工智能在面对不同的学习任务时，拥有主动学习与执行决策的能力；无须用外力干涉，便能主动分辨其中的内容。
持久性：受限于模型与储存，当前人工智能基本只具备短时的记忆内容。由于无法储存记忆，因此无法在过往的经历中进一步优化系统。而通用人工智能则打破了这一界限，其能够长时间的保持对同一问题的策略改进。
广泛性：通用人工智能在面对多个方面的任务时，能够保持对目标的元认知。它能够以更加广泛的角度来观察任务，而并非单纯的识别。
递归性自我改进：通用人工智能会自主提升自身的性能，像人类一样主动提升自己的知识储备，不断增强对事物的理解能力。
任务自主选择：通用人工智能与人类一样，对不同任务之间的重要性有着明确排列标准，会优先处理重要的内容，对算力进行更加合理的分配。
目标驱动：通用人工智能会自主地为自身设定任务目标，主动地对算法与决策进行优化，而不是被动地执行人类下达的任务。
目前，人类对于通用人工智能的了解，更多地是停留在认知上，开发过程仍旧是充满阻碍；不论是在硬件性能上的制约，还是算法与模型的限制。毕竟，人类现在对人脑的研究都十分有限。
