謝恩·萊格和馬庫斯·胡特對社區將目光集中在機器智能定義上提供了一大助力。 他們承認在開發一個高度抽象但又普遍的概念的過程中遇到了困難。 然而，他們目標明確，就是要讓機器智能成為一個自主的目標搜索系統，最後他們克服了這個挑戰。
 萊格和胡特通過一項關於智能的專家意見的調查，得出了他們的定義。 考慮到他們對於概念的通用性的追求，他們尋求的是一種包含自然智能和人工智能的定義。 根據他們的目標，智能的基本特徵被提取進了一個普遍的定義中：智能是衡量一個代理人在廣泛的環境中實現目標的能力。
 從歷史的角度來看，我們不僅是在用我們的技術的概念來思考智能，我們也在以一種非常明確的方式來思考。 如果這個循環令人不安，萊格和胡特也承認會有這種問題。
 然而，他們的結論是通過將他們的研究結果與專家對包括自然智能在內的智能所給出的定義相關聯，並表明他們的工作與普遍最優學習代理的理論一致而得出的，“ 我們所做的遠遠超出了僅僅重申基本的強化學習理論”。
 然而，這仍然存在一個問題：為什麼預測是智能的本質。 機器智能是一種由功能部件組合而成的系統。 將其中一個部分錶示為不可缺少的部分可能看起來很奇怪：大概，所有組成這個系統的部件都是不可或缺的。 是什麼把預測提升為這一切的本質？