這是一個非常有意思的問題，我結合當前人工智慧技術的發展現狀來說說個人看法。
首先，人工智慧本身是一個典型的交叉學科，涉及到哲學、數學、電腦、控制學、神經學和語言學等一眾學科，所以每一個學科領域的障礙都會匯集到人工智慧領域，這就導致人工智慧本身的發展會受到眾多的制約。
「像人一樣的思考和像人一樣的行動」這一直是人工智慧領域科研工作者追求的目標之一，但是在沒有搞清楚意識起源的大背景下，合理性才是比較現實的選擇，而合理性本身的定義也存在爭論，這也是當前很多人工智慧技術無法落地套用的重要原因之一。
以深度學習為例，雖然大規模訓練模型能夠解決很多場景下的數據處理問題，但是深度學習依然存在很多問題，比如深度學習一定會有結果，即使在遇到深度學習本身解決不了的問題時，模型也會給出答案，而這個答案有可能是災難性的，但是人如果遇到解決不了的問題時，則會選擇回答：不知道。
早期深度學習領域的研發並不註重可解釋性，但是隨著深度學習在行業場景當中的落地套用遇阻後，可解釋性就成為了當前一個研究的熱點領域，相信可
