随机数是计算机科学中非常重要的一个概念。它在数据加密、随机化算法、仿真研究等领域都得到广泛应用。而如何生成不可预测但高质量的随机数，则是一项具有挑战性的任务。

在计算机中，随机数本身并不是真正的随机。计算机生成的随机数都是依赖于一些预定义的算法和种子。因此，如果这些算法和种子都是可预测的，那么生成的随机数就可以被预测。这同样也意味着它不是真正的随机数。

那么，如何生成不可预测但高质量的随机数呢？

首先，我们需要明确几个概念，如伪随机数发生器、种子、熵等。伪随机数生成器（PRNG）是一种算法，它可以根据特定的种子来生成一个序列的随机数。种子是这个算法的一个输入，它具有一定的随机性。而熵则是一种度量随机性的单位。熵越高，表示随机性越强。

因此，生成高质量的随机数需要具备以下特征：

1. 高熵种子：如果种子太弱，那么生成的随机数就可以被猜测。因此，需要生成更高熵的种子。

2. 较为复杂的算法：伪随机数发生器需要具备足够的随机性和复杂程度，以保证生成的随机数不易被预测。

3. 远离相关性：随机数需要避免出现相关性，也就是说，每一位上的取值不能依赖于其他位的取值。

4. 安全性：在加密和安全问题上，随机数需要具备足够的安全性，防止被破解。

接下来，我们来看一些随机数生成的常用方法。

1. 硬件随机数生成器

硬件随机数发生器是一种物理装置，利用现象学或量子物理学的随机性产生随机数字。这些数字可以用来产生具有高熵种子的随机数。硬件随机数发生器产生的随机化比软件随机数生成器要更可靠，但它的成本和复杂度也更高。

2. 伪随机数发生器

伪随机数发生器（PRNG）是一种算法，它可以根据特定的种子来生成一个序列的随机数。这个算法需要具备足够的复杂性，以至于难以被预测并且没有明显的相关性。最常用的伪随机数发生器是线性同余法，它最大的优点是运算速度快，缺点是周期性出现和相关性特别明显。还有其他一些更为随机的伪随机数发生器，如Mersenne Twister和Blum Blum Shub发生器。

3. 熵池

熵池也是一种产生高熵种子的方法。熵池借助于一些熵来源的噪声，如麦克风、摄像头、键盘输入等，生成高熵种子。随机数产生者将从熵池中取出种子，通过伪随机数发生器生成随机数。

总的来说，生成不可预测但高质量的随机数是一项非常重要的任务。为保证随机数的质量，需要选择合适的生成方法、使用高熵种子，并保证算法的复杂性不易被攻破。对于一些对安全性要求较高的应用，可以采用一些加密随机数发生器来生成随机数，以保证随机数的安全性。