强化与奖赏预测

你的大脑就像一台预测机器，不断猜测哪些行为会带来奖励。当结果比预期更好时，大脑会释放一种叫多巴胺的化学物质，强化带来这一结果的行为，让你更有可能再次这样做。你忍不住想看手机，就是因为大脑在期待可能出现的奖励，比如一条消息或一个“赞”；而这种期待本身也有强化作用，形成一个强大的习惯循环。

请注意：在做喜欢的事情之前，比如拆包裹或开始看一集新的剧时，感受一下那份小小的期待。

强化的核心是一个叫作奖赏预测误差的过程。你的大脑不只是对奖励作出反应，还会对预期奖励和实际奖励之间的差距作出反应。如果你得到的奖励比预期更大，也就是有了意外之喜，多巴胺水平就会骤升，发出强烈的“再来一次！”的信号。如果奖励比预期小，或者根本没有出现，多巴胺水平就会下降，传递出“以后别再这样做”的信号。

这个机制解释了为什么不确定性能如此吸引人。可以预料的奖励会随着时间推移变得不那么令人兴奋，因为没有预测误差：你得到的正是你预期的奖励。而不可预测的奖励安排会让大脑不断猜测，让每一次真正到来的奖励都像是一次不小的惊喜。

想想游戏中的情形。开发者会使用“战利品箱”或随机掉落的道具，这些设计可能很吸引人，因为你往往不知道自己会得到什么。偶尔出现的稀有道具会带来巨大的正向预测误差，强化你长时间玩游戏的行为。

这不只发生在游戏或手机上。在工作中，因为表现出色而意外获得的奖金，可能比按惯例、在预期之内的年度加薪更能激发动力。这份意外的认可会带来强烈的正向信号，强化你付出的努力，也能提振士气。

现代科学对大脑强化学习的理解，很大程度上建立在奖赏预测误差的发现之上。开创性的研究表明，多巴胺神经元并不只是传递愉悦或奖励的信号，而是提供一种教学信号，更新我们对世界的预期，并引导未来的行为。这个信号对我们从经验中学习、作出适应情境的选择至关重要。

• Schultz、Dayan 和 Montague（1997）记录了猴子多巴胺神经元的活动，发现这些神经元会对意料之外的奖励作出放电反应。当猴子学会把某个提示（比如灯光）与奖励联系起来后，神经元开始在提示出现时放电，而不再是在奖励出现时放电。如果预期的奖励没有出现，多巴胺神经元的活动就会恰好在奖励本该到来的时刻下降。这表明，多巴胺编码了奖励预测与实际结果之间的误差。[1]

• Glimcher（2011）及其同事将这一神经机制与经济学理论联系起来，表明这些神经元的放电频率与奖励的主观价值及其出现概率相关，为我们如何计算价值并据此作出决策提供了生物学基础。[2]

• Holroyd 和 Coles（2002）提出，这种来自中脑的多巴胺信号，为前额叶皮层提供了关键的反馈机制。前额叶皮层是大脑的执行控制中心，这种信号帮助它学会哪些行为有效、哪些行为是错误的，从而让我们能够根据情境调整行为，并朝着目标行动。[3]

奖赏预测误差模型虽然很有解释力，但仍是一个简化模型。多巴胺并不是功能单一的“快乐分子”；更准确地说，它是一种与动机、显著性和学习有关的分子。其他神经递质系统，比如血清素和去甲肾上腺素，也在情绪、动机以及对结果的反应中发挥关键作用。此外，这个模型无法充分解释由抽象目标、社会联结或内在满足感驱动的复杂人类动机，因为这些动机涉及的不只是简单的奖励预测。