这是一个非常有意思的问题，我结合当前人工智能技术的发展现状来说说个人看法。
首先，人工智能本身是一个典型的交叉学科，涉及到哲学、数学、计算机、控制学、神经学和语言学等一众学科，所以每一个学科领域的障碍都会汇集到人工智能领域，这就导致人工智能本身的发展会受到众多的制约。
「像人一样的思考和像人一样的行动」这一直是人工智能领域科研工作者追求的目标之一，但是在没有搞清楚意识起源的大背景下，合理性才是比较现实的选择，而合理性本身的定义也存在争论，这也是当前很多人工智能技术无法落地应用的重要原因之一。
以深度学习为例，虽然大规模训练模型能够解决很多场景下的数据处理问题，但是深度学习依然存在很多问题，比如深度学习一定会有结果，即使在遇到深度学习本身解决不了的问题时，模型也会给出答案，而这个答案有可能是灾难性的，但是人如果遇到解决不了的问题时，则会选择回答：不知道。
早期深度学习领域的研发并不注重可解释性，但是随着深度学习在行业场景当中的落地应用遇阻后，可解释性就成为了当前一个研究的热点领域，相信可
