程序无法做到真随机的原因主要有以下几点：
程序基于算法：
编程语言中的随机数生成函数实际上都是基于某种算法生成的，这些算法是确定性的，即给定相同的输入，就会得到相同的输出。因此，尽管看起来是随机的，但实际上是可以被预测的。
缺乏真正的随机源：
随机数生成函数需要一个初始种子作为输入，以此来生成随机数序列。然而，计算机本身是一个确定性的机器，没有真正的随机源。种子可以是基于时间、硬件状态等因素，但这些因素仍然是可测量和可预测的。
伪随机性：
由于计算机的确定性特性，所以我们一般说的随机数实际上是伪随机数。伪随机数序列是通过确定性算法产生的，但经过一系列复杂的计算使其在统计上具有随机性。然而，伪随机数序列是可以被重现的，只要知道算法和种子，就可以重现相同的序列。
物理限制：
真正的随机性是建立在物理过程的基础上的，例如量子力学中的随机性。然而，计算机是基于二进制的逻辑电路，它的运行是基于精确的物理规律。因此，计算机无法直接生成真正的随机数。
硬件限制：
计算机的硬件是基于逻辑电路和时钟脉冲的，它们是以可预测的方式运行的。无论是计算机内部的电子元件还是外部的输入设备，都受到物理因素的影响，导致无法生成真正的随机数。
计时精度：
计算机的计时精度是有限的，即使使用时间戳作为种子，也无法完全避免算法的规律性。在相同的种子值下，伪随机数生成器运行足够长的时间将生成相同的数值序列。
为了增加随机性，可以采取以下措施：
使用真随机源：例如，利用硬件随机数生成器（TRNG）基于电路噪音或量子原理产生真正的随机数。
增加随机性的复杂性：结合多个随机数生成函数，或者使用更复杂的算法来生成随机数序列。
引入外部随机数服务：通过外部服务获取随机数，这些服务通常基于物理过程生成真正的随机数。
总结来说，编程无法做到真随机的主要原因是程序的确定性和缺乏真正的随机源。为了增加随机性，可以使用真随机源或外部随机数服务，并增加随机性的复杂性。