溶劑化結構怎麼理解
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、計算機、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彙集到人工智慧領域，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應用的重要原因之一。
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資料處理問題，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注重可解釋性，但是隨著深度學習在行業場景當中的落地應用遇阻後，可解釋性就成為了當前一個研究的熱點領域，相信可解釋性會讓人工智慧進入到一個新的階段，至少能夠推動人工智慧技術的落地應用。
關於談人工智慧技術為何不能取代人這個問題，相信哲學家會有更多的研究和答案，作為一名致力於人工智慧技術研發的科研工作者，我一直相信人工智慧技術是未來推動生產力水平提升的重要工具，也正在為此做出努力。
我在做人工智慧技術研發的過程中並不會把“取代人”作為出發點，而是讓人工智慧在特定場景下解決人力很難完成的任務，尤其是在一些規則簡單且需要大量重複的場景下，人力無法發揮出自身的創造性，比如缺陷檢測、自動駕駛領域等等。
相信未來在人工智慧技術的推動下，人的價值會進一步得到提升，人可以把更多的精力放在創新上，而不是做簡單且重複的勞動。
最後，如果有人工智慧領域相關的問題，歡迎與我交流。