多巴胺思维：基因与我们、魔药与旋钮、奴役与自控
多巴胺（Dopamine）——它是基因奴役我们的魔药，也是我们自控的旋钮。
本文，将会深入浅出地全面介绍，有关多巴胺如何“操控”我们的演化现实，而透过**“多巴胺视角”或许我们会发现，其实我们每个人的人生都是——“多巴胺人生”**。
那么，相信本文所提供的**“多巴胺思维”与“多巴胺旋钮”两个认知工具，将会让我们对人生及生活，拥有更多的自由感和更大的自控力**。
接下来，就让我们开始这次洞见之旅吧。
主题目录如下：
- 多巴胺的功能
- 多巴胺的通路
- 多巴胺的实验
- 多巴胺与快乐
- 多巴胺与学习
- 多巴胺与演化
- 多巴胺思维
- 多巴胺旋钮
- 结语
- 后记1：未来有多远
- 后记2：秘技
- 后记3：注意力与预测误差
- 后记4：奖励感的漏洞
- 后记5：意志力的来源
多巴胺的功能
多巴胺——主要负责：行为动机、强化学习、运动控制，核心词：奖励预测。
其一，行为动机，就是指我们执行一个行为背后的驱动力。
通常，我们会认为一个行为的发生，取决于我们自由意志的喜好，即：越是喜欢，就越容易去执行一个行为，越是不喜欢，就越困难去执行一个行为。
但在大脑的神经层面，并没有什么自由意志的“实体”，而是多巴胺的浓度，设定了行为发生的难易度。也就是说，多巴胺越多，就越容易触发一个行为（动机强），多巴胺越少，就越难以触发一个行为（动机弱）。
换言之，多巴胺决定了你想要的程度，理论上被称为——激励显著性（Incentive Salience）。
其二，强化学习，是指基于环境信息的反馈，不断调整行为，从而获得最大化的收益。
那么，如果行为带来奖励（如快乐），就会触发正强化学习——这是趋利（增强冒险），如果行为带来惩罚（如痛苦），就会触发负强化学习——这是避害（增强保守）。
可见，强化学习——就是通过奖励与惩罚，来动态调整行为，以实现趋利避害的机制。
事实上，强化学习（Reinforcement Learning）原本是（人工智能领域）机器学习中的概念，即：通过反馈信号，来评价动作的好坏，以引导“机器”自主地试错学习，并更新模型参数的一种策略（有多种算法实现）。
然后，神经科学家（Wolfram Schultz，Peter Dayan，Read Montague）将其借用来解释，多巴胺在大脑中的一种功能运作。
也就是说，多巴胺是一种神经反馈信号，用来衡量行为结果的好坏（化学奖励是好，化学惩罚是坏），以引导我们的试错学习，并更新可以快速做出趋利避害判断的颅内模型。
现代脑科学研究表明：多巴胺强化学习 = 即时差分学习算法 + 分布式学习。
而相关理论最早在1997年由Wolfram Schultz提出，被称为——奖励预测误差假说（Reward Prediction Error hypothesis，RPE）。
即时差分学习算法（Temporal difference Learning，TD） ——是指在每个时间点上，都在进行预测误差的计算（即：当前预测奖励 - 之前预测奖励 + 当前实际奖励），并将结果代入下个时间点的计算，从而连续调整对奖励的预测（这个预测就是即时差分信号）。其作用是，精准地评估未来可获得的奖励，以动态地调控多巴胺的释放量。
分布式学习——是指不同通道的多巴胺细胞，对预测误差的计算是不同的，或说是独立的。换言之，对同一个奖励信号，不同通道的多巴胺细胞，将会给出不同的预测误差，结果有些得到了正误差（奖励超出预期），有些则得到了负误差（奖励低于预期）。
参看： 多巴胺强化学习中的价值分布编码
其三，运动控制，就是运动的自控与调节，比如保持一个姿势，或是执行一个动作，更复杂的就是完成有难度和技巧的运动。
那么，将以上看似无关的三点，串联起来的就是——奖励预测。其逻辑就在于：动机需要预测可能、学习需要预测误差、运动需要预测轨迹。
也就是说，预测到奖励就会有——动机，实际奖励与预测有误差就会有——学习，而任何运动过程都会耗费更多的能量——所以需要动机，同时运动轨迹的精确控制——需要学习。
例如，一种新品冰淇淋，我们没吃过，但脑回路中记录了曾经吃其它冰淇淋时的体验奖励，于是我们就会对新品产生预期奖励，从而就有想吃的动机，并且曾经体验得到的奖励越多，想吃的动机就越强烈，接着通过一系列的运动控制，我们吃到了新品冰淇淋，此时体验奖励与预期奖励就会有误差——正误差我们会学习到新品更好吃（以后吃新品），负误差我们会学习到新品不好吃（以后不吃新品），零误差我们会什么都没学习到（以后不确定吃新品）。
由此可见，多巴胺是先利用先验信息产生行为动机，接着利用运动控制试图消除预测误差，最后则利用强化学习将无法消除的误差更新入先验信息，以备后用。
当然，最最初的先验信息，就是基因算法所编写的本能欲望，就如食物与繁衍，天然就会带来预期奖励。
同理，那些不愉快与痛苦的经历，就会带来预期惩罚，这会降低某些区域的多巴胺的浓度，从而减少动机，抑制行为的发生——但也会增加另些区域的多巴胺浓度，以激活避害行为的发生。
例如，被热水壶烫过，再次遇到热水壶，就会降低**“动机多巴胺”，增加“运动多巴胺”，前者负责减少对触碰热水壶的动机，后者负责增加避免触碰热水壶的运动——从此也可以看出，为什么多巴胺系统是分布式学习**，即对同一个信息，不同的多巴胺细胞会学习到不同的结果。
所以，多巴胺所预期的奖励——其实是颅内的化学奖励（即正面感受），所预期的惩罚——其实是颅内的化学惩罚（即负面感受）。
换言之，对于化学奖励，我们有追逐的动机，对于化学惩罚，我们有逃避的动机。
例如，对于快乐体验（为了追逐）我们喜欢更多——容易忽略已有的利，对于痛苦体验（为了逃避）我们重视更多——容易记住已有的害。
例如，对于好消息（包括正面评价，为了追逐）我们喜欢更多——容易忽略已有的利，对于坏消息（包负面评价，为了逃避）我们重视更多——容易记住已有的害。
例如，开心的事情或经历，不能让你一直开心，甚至平淡的速度超乎你的想象，并且回忆起昔日的快乐，还可能会有伤感缅怀的惆怅情绪；但被蜘蛛或蛇咬伤的记忆，就可以让你一想起来就心有余悸，甚至某些痛苦体验导致的PTSD（即创伤后应激障碍），还会让人精神崩溃到生活不能继续。
可见，快乐与痛苦、好消息与坏消息，对于我们的记忆与影响，具有神经性的**“选择不对称性”**。
换个角度来看，趋利**“利要多”——就不能沉迷过往（轻视拥有，极端如贪婪自私），避害“害要少”——就不能忘记经历（记忆深刻，极端如反刍思考），所以对于化学奖励与惩罚，为了实现最大化的趋利避害**，我们必然会演化出不对称的身心反应。
而实际奖励低于预期奖励，即奖励负误差，也可以看成是一种惩罚——它带来失望情绪，以及降低下次相同行为的动机（或说驱动力）。
因此可以说，负面情绪——就是心理预期与现实（或在感觉上）的奖励负误差，正面情绪——就是心理预期与现实（或在感觉上）的奖励正误差，现实与未来——就是在这两种情绪下被慢慢插值计算的结果。
那么按此视角，我们会发现，有关多巴胺参与的功能，就都能够解释的通了。
例如，注意力需要行为动机与运动控制（眼球），昼夜节律需要运动控制（身体），情绪感受来自预期误差，时间感知来自运动预测，以及等等。
甚至说，我们每一步的行动都需要奖励，而在执行每一个行为的之前与之时，我们都会一遍遍地预测，以做出选择与判断，并从中学习到更好的决策模型——这背后都需要多巴胺的参与支持。
因此，多巴胺在正常的大脑中，一直都是存在的只是浓度和区域不同，而用奖励预测比奖赏预测更好，因为多巴胺并没有**“赏”你什么，而是在“励”**你去完成什么。
最后，对于预测与误差，神经科学有这样一种观点，即：预测是大脑中一切活动的**“通货”，不同的脑区之间交易的，就是不同种类的“预测”**。
换言之，大脑的**“预测”是货币，购买的是“误差”，那么“通货膨胀”就是无视误差（就像抑郁症、自闭症），“通货紧缩”**就是消除一切误差（就像强迫症）。
而多巴胺，就是买到误差之后，大脑所调配出的一种**“神经饮品”**。
有趣的是，从**“预测交易”角度来看，“天才病”（适当的自闭症 + 强迫症）就是大脑中“预测交易”市场的混乱，结果天才会把所有的“预测货币”，都用来购买某一类“预测误差”，并体验到极强的“神经驱动力”，这种强烈的“交易”不平衡性，必然会带来不可思议的“单点突破”——这是用一种极端换取了另一种极端的“等价交换”**。
多巴胺的通路
多巴胺，是一种神经递质，也就是一种化学物质，能够释放多巴胺的神经细胞，被称为“多巴胺神经元”。
在大脑中，多巴胺细胞，主要集中在中脑区域的——基底核（Basal Ganglia），而在基底核之中，具体由两个区域——黑质致密部（Substantia Nigra Pars Compacta）和腹侧被盖区 (Ventral Tegmental Area) ，负责产生多巴胺。
那么，产生的多巴胺，需要投射到其它脑区才能发挥作用，这个投射路径就被称为——多巴胺通路，并且不同的通路会有不同的作用。
多巴胺系统的主要通路有三条，如下：
- 第一条，中脑皮层通路（Mesocortical Pathway）——从腹侧被盖区到 => 前额叶皮层（Prefrontal Cortex）、前扣带回皮层（Anterior Cingulate Cortex）、眼眶额叶皮层（Orbitofrontal Cortex）。
- 第二条，中脑边缘通路（Mesolimbic Pathway），又称奖励回路（Reward Pathway）——从从腹侧被盖区到 => 伏隔核（Nucleus Accumbens）。
- 第三条，黑质纹状体通路（Nigrostriatal Pathway）——从黑质致密部到 => 纹状体（Striatum）。
显然，从通路所抵达的脑区功能，就可以大体看出这条通路的作用，这对应了前文所说的多巴胺的主要三种功能，如下：
- 第一，中脑皮层通路——负责行为动机，这条通路上的脑区，与复杂认知、逻辑推理、模式识别、长远计划相关，也就是我们通常所说的理性思维。
- 第二，中脑边缘通路——负责强化学习，伏隔核被认为主导了奖励、激励和成瘾，因此这条通路除了学习，还能调控重复想要的欲望。当然，控制学习与欲望的基础是，控制注意力。所以这条通路，很容易主导我们的注意力。
- 第三，黑质纹状体通路——负责运动控制，纹状体的功能在于，调节肌肉张力和协调复杂运动，如果黑质细胞死亡就没有多巴胺投射到纹状体，这会导致运动控制相关的疾病，如震颤、癫痫、多动症、帕金森等。
关于中脑皮层通路有一个深刻的洞见，即：理性思维其实是服务于感性思维的，也就是前者为后者提供行动的理由。
因为，人脑的抽象理性思维系统，是位于大脑背外侧-前额叶皮层——但背外侧-前额叶皮层并不是一个独立的系统，它正好和（中脑皮层通路的）多巴胺系统紧密地联系在一起。
具体来说，前额叶皮层包括两个子区域：背外侧-前额叶皮层（Dorsolateral Prefrontal Cortex）与腹内侧-前额叶皮层（Ventromedial Prefrontal Cortex），前者负责理性思维，后者负责感性思维，两者合作即综合理性与感性，做出决策。
需要指出的是，思维这种高级功能，只能出现在前额叶皮层，而感性思维的作用就是，评估各种情绪（或说倾听各种情绪）的强弱与冲突，这些情绪来自边缘系统（属于本能），如贪婪与恐惧、喜爱与厌恶、渴望与胆怯、崇拜与妒忌、勇敢与害羞，或各种复杂微妙的混合，等等。
边缘系统（Limbic System）——包括海马体、杏仁核、内嗅皮层、前扣带回等，主要负责调控记忆、情绪、嗅觉、感觉等。另外，它可以影响中脑边缘通路的多巴胺投射到伏隔核，所以它可以一边输出情绪，一边激活奖励多巴胺回路。
我们知道多巴胺代表了动机（浓度代表了强度），而当多巴胺通过中脑皮层通路，被投射到理性思维区域时，其目的（或说效用），就是让理性思维来给**“动机”**寻找到一个行动的理由。
注意，如果没有中脑皮层通路的多巴胺投射，依然可以理性思考，但如果过量，就会引起过度地模式识别与认知推理，即在没有规律的地方发现规律、在没有意义的地方发现意义，如迷幻剂效应。
而这个**“动机”，通常都是来自于情绪**（可能有多种），情绪来自本能，本能追逐奖励——所以真实情况是，腹内侧-前额叶皮层（即感性）评估多种情绪的强弱，背外侧-前额叶皮层（即理性）为最强的（或说胜出的）情绪寻找理由。
例如，同一件事情，我们想做的时候——会找出一堆需要做的理由（比如就做一次，对健康没有影响），不想做的时候——同样会找出一堆不需要做的理由（比如每做一次，都有癌变的概率），这些理由都是由理性思维，根据感受，刻意地“后见之明”。
**例如，**看一个人顺眼，他做什么都可以找出合理性——比如偏心，看一个人不爽，他做什么都可以挑出毛病——比如妒忌。
那么，动机越强烈（一般取决于奖励预测），理性就会越卖力地寻找理由，一旦理由充分（也可能在找理由的同时），多巴胺就会通过其它通路，激活运动控制与强化学习，并展开行动。
甚至，在某些强烈情绪的支配下，可以不需要理由，直接行动，这是边缘系统绕过前额叶皮层的**“本能决策”，如愤怒地攻击、恐惧地逃跑、紧张地失态，等等——当然行为之后，理性就会给本能决策找出各种合理性，但这些都是事后解释**，而不是事前理由。
可见，主导我们的一直都只是感性，当然感性动机有多种可能与路径，而所谓理性，只是在“倾听”感性的各种动机，并给出决策依据，以选出“获胜”的感性动机。
**例如，**饥饿的时候——会找出一堆理由可以进食（想到各种进食的道理），吃饱的时候——会找出一堆理由需要断食（想到各种断食的道理）。
例如，“是坚持，还是放弃”——这个哲学问题的答案，往往取决于事后结果的好坏，即：坚持有好结果，就会觉得当初应该坚持（并会找出一堆需要坚持的理由）；放弃有好结果，就会觉得当初应该放弃（并会找出一堆需要放弃的理由）；反之亦反。
有时候，看起来貌似是理性改变（或是抑制）了感性，但其本质只是，理性为一个本来“弱小”（或是潜意识）的感性，找到了强有力的理由，从而让其在感性博弈中胜出。
也就是说，我们都是——**根据（感性）感觉找观点，然后根据观点找（理性）理由，**而感觉来自环境信息的刺激。
所以，大脑常常做出矛盾的举措，表面是双标多标，其背后的神经运作都是——理性对感性的本能服从——这看似是服从理性，其实是理性的服从。
换个角度来看，理性可以告诉你现实是什么有哪些可能，但应该怎么办是感性的判断、决策和选择。
至于那些，忍痛与延迟，是预测到未来可能的巨大奖励，致使多巴胺系统战胜了当前的化学惩罚，从而激活了动机、理性、学习与行为控制的神经通路。
血清素——用于惩罚预测误差，低浓度会带来抑郁和自我否定，反之则会感到积极和自我满足。
当然，如果预测眼前奖励大于未来奖励——也就是想象即时享乐的多巴胺浓度，大于想象延迟享乐的多巴胺浓度——那么理性思维就会（找出理由）说服自己接受短期诱惑（如娱乐），反之理性思维则会（找出理由）说服自己坚持长远计划（如自律）。
可见，理性思维它既可以支持即时享乐，也可以支持延迟享乐——这一切都取决于你的预测想象（即颅内模拟）所产生的本能情绪——毕竟，本能情绪是更早演化的功能，是更快的算法，是更底层的神经运作，是更有保障的自然选择。
事实上，多巴胺、奖励、惩罚、动机、想要、欲望等等，都是基因构造的产物，我们一直也只能遵循基因算法的逻辑行事——理性只是一个**“配角”**。
只不过，理性系统中的智能，是一个可以独立演化的系统，它已经从逻辑角度，看出了本能的种种缺陷与问题，也探索出了各种方法，去对抗本能。
如今，在基因演化之后，顺着人类文明的发展，模因（meme，文化基因）的演化已经拉开了序幕，而智能与本能的博弈才刚刚才开始。
最后，我们还能看出一点，运动控制是一件耗费能量的事情，自然选择要求**“效能比”，因此多巴胺就成为了运动与生存之间的“引导物”——换言之，没有多巴胺指令，我们就不能行动，也没有动机，犹如进入了“待机模式”**。
值得一提的是，多巴胺还是去甲肾上腺素的前体，即合成后者需要前者，类似爱情是繁衍的前体——当然，某些生物没有爱情也能繁衍，但有些生物没有爱情就会拒绝繁衍。
而去甲肾上腺素负责——注意力、应激反应、运动能力，核心词：立即行动，即：脑内释放去甲肾上腺素（同时体内释放肾上腺素），能够让我们迅速对环境信息，做出反馈行为——如“战或逃”。
可见，大量的多巴胺不仅带来了强力动机，还配套地为强力行动的“燃料”合成，做好了准备。
多巴胺与实验
多巴胺的功能，并非**“空穴意淫”**，而是来自动物实验的证据，接下来概括性的，简述几个有趣的动物实验。
第一，行为动机。
成瘾药物会劫持多巴胺系统，使得动物对药物本身产生强烈的动机。在重复给药之后，动物对药物就会产生不可自控的欲望。
但增加或减少脑内多巴胺浓度，并不会改变动物对药物的快感强度，只会改变对药物的欲望强弱。而对动物快感的测量，主要是对它们表情的观察——就如同我们的表情，可以体现我们快乐的程度一样——显然，愉快与狂喜是不一样的。
需要说明的是，与人类不同，动物几乎无法伪装自己的表情，所以它们的表情，很大概率就是它们快感强度的标识——当然也可以，找出特定表情背后对应的颅内状态，以作判断标准，只不过如果表情与颅内状态是对应关系，那么测量表情就是一个简单有效又高效的方法。
接下来，如果使用药物，抑制动物脑内的多巴胺合成，它们就会丧失所有的行为动机，甚至——连吃喝的欲望都会消失，以至于饿死渴死，都没有觅食的动力。
欲望与快感的区别在于：前者是想要体验，后者是爽在当下。而拥有高浓度的多巴胺，你会特别想要（行动力爆表），而不会满足当下（心急如焚），并没有快感（只有对快感的预期）。
第二，强化学习（使用Pavlovian巴甫洛夫式条件反射，符合Rescorla-Wagner模型）。
奖励预测正误差
- 动物听到声音，可以得到糖水，反复训练，直至听到声音就会去糖水区。
- 针对（1）的动物，把声音替换成“听到声音 + 看到灯光”，然后重复（1）的训练。
- 针对（2）的动物，给与灯光，动物不会去糖水区。
- 重复（2）的训练，给与两倍糖水。
- 针对（4）的动物，给与灯光，动物会去糖水区。
- 重复（2）的训练，但激活多巴胺。
- 针对（6）的动物，给与灯光，动物会去糖水区。
给与，是物质上的、具体的；给予，是精神上的、抽象的。
以上实验说明：
- **“声音与糖水”**建立奖励预测。
- “声音 + 灯光”给与预期奖励，即：预测零误差，无法学习**“灯光与糖水”**的关联。
- “声音 + 灯光”给与两倍奖励，即：预测正误差，可以学习**“灯光与糖水”**的关联。
- “声音 + 灯光”给与“预期奖励 + 激活多巴胺”，即：创造预测正误差，可以学习到**“灯光与糖水”**的关联。
结论：多巴胺浓度的正误差，带来了学习，即：奖励预测正误差，学习关联性。
奖励预测负误差
- 动物听到声音，可以得到糖水，反复训练，直至听到声音就会去糖水区。
- 动物看到灯光，可以得到糖水，反复训练，直至看到灯光就会去糖水区。
- 动物“听到声音 + 看到灯光”，可以得到单份糖水，反复训练，直到“听到声音 + 看到灯光”就会去糖水区。
- 针对（3）的动物，给与声音，动物停留在糖水区的时间下降，说明对声音的反应强度降低。
- 重复（3）的训练，但给与两倍糖水。
- 针对（5）的动物，给与声音，动物停留在糖水区的时间不变，说明对声音的反应强度不变。
- 重复（3）的训练，但给与两倍糖水，同时抑制多巴胺。
- 针对（7）的动物，给与声音，动物停留在糖水区时间下降，说明对声音的反应强度降低。
以上实验说明：
- **“声音与糖水”和“灯光与糖水”**分别建立奖励预测。
- “声音 + 灯光”给与单份奖励，即：预测负误差，可以学习降低**“声音与糖水”**的关联。
- “声音 + 灯光”给与预期奖励，即：预测零误差，无法学习降低**“声音与糖水”**的关联。
- “声音 + 灯光”给与“预期奖励 + 抑制多巴胺”，即：创造预测负误差，可以学习降低**“灯光与糖水”**的关联。
结论：多巴胺浓度的负误差，带来了学习，即：奖励预测负误差，学习无关性。
那么，抽象概括来看，我们可以得到以下关系：
- 预期0，奖励1，误差1——多巴胺细胞兴奋。
- 预期1，奖励1，误差0——多巴胺细胞静息。
- 预期1，奖励0，误差-1——多巴胺细胞抑制。
综上可见，多巴胺控制了我们的——想要与学习，以及执行想要与学习的行为。
当然，“想要”看起来就是“喜欢”，但其实想要并不是喜欢，更不是快乐，甚至不喜欢、不快乐，但依然可以想要。
而从脑科学角度来说，想要和喜欢——其实来自不同的大脑系统：前者是多巴胺系统的调控，后者是内啡肽系统的调控——两种系统各自包含不同的脑区，并形成回路，即：想要可以激发喜欢，喜欢可以激发想要。
内啡肽——用于止痛、欣快，也就是痛快，即痛并快乐着。换言之，吃苦忍痛的行为（如刻意练习），就可以获得内啡肽的快感奖励，也因此心流状态的激发，必须要有挑战。
但如果回路平衡失调（被某种“输入信息”劫持），就会产生想要与喜欢的不对称（两个系统的阈值差距较大），甚至想要没有喜欢（内啡肽系统低迷），或喜欢没有想要（多巴胺系统低迷）。
那么，抽象概括来看，**“想要”是多巴胺，“喜欢”**是内啡肽，前者是追求，后者是奖励。
人生的悲剧就在于，“没有奖励的追求”，这就是让人无法自控的**“瘾”——而“没追求还有奖励”，这种基因注定会被淘汰，但演化的冗余性带来了“意外”——这就是“药”与“毒”**。
多巴胺与快乐
通过前文的论述，多巴胺与快乐的关系已经显而易见，即：多巴胺是对快乐的预测，有多巴胺不一定快乐，但快乐一定会有多巴胺。
首先，有多巴胺没快乐，即是有想要快乐的欲望，但快乐只是预测到的可能性，还没切实得到（或说切身体验）。
**例如，**吃糖会快乐，想到吃糖就会激活多巴胺对快乐的预测，于是就会想找糖吃，但找糖吃只是欲望，吃到糖才真有快乐。
**例如，**饥饿的时候，人们会难以自控地大快朵颐，但此时并没有享受到多少味蕾的快乐，而是在快速满足饥饿的欲望。
**例如，**强迫症患者，常常会做出重复性的动作，此时多巴胺系统的整体兴奋，会让他们难以停止行为，但又没有任何获得快乐的可能。
**例如，**很多人因为爱情，会憧憬和对方在一起的未来，而多巴胺系统对于繁衍从不吝啬，于是原来做不到的事情，也就能够做得到了，比如健身、减肥、学习、工作等等——这些都是延迟奖励（即奖励在未来），而在当下更多的是不快乐地忍痛。
这意味着，人可以追求没有结果的事情，只要有多巴胺，也可以无视有结果的追求，只要没有多巴胺。
那么，再对比一下快乐与痛苦的记忆，我们会发现：回忆痛苦就可以体验到痛苦（甚至是恐惧），但回忆快乐往往体验到的是欲望，只有满足欲望才能体验到快乐（且比较短暂），甚至有时回忆快乐也会体验到痛苦，因为现在此刻，欲望得不到满足。
可见，在快乐之前的一步，永远是满足欲望（无论是环境刺激，还是颅内模拟），而想要的欲望，就是来自多巴胺的调控，至于后续的快乐能否如期而至，多巴胺并不负责。
其次，有快乐就会有多巴胺，这也是为什么，最初人们会觉得多巴胺就是快乐本身的原因，但为什么快乐一定会有多巴胺呢？
这是因为，在获得快乐之后，奖励预测误差就会出现，多巴胺开始驱动强化学习，即：如果快感上升，就要学习趋利，快感下降就要学习避害，快感不变就要学习路径。
同时这也解释了，为什么我们在做快乐的事情时（如游戏、美食和繁衍），难以中断停止，充满了不顾一切都要继续的动力。
例如，像情不自禁地看美女，就是为了维持快乐，多巴胺系统会控制身体、头部与眼睛，跟随美女的运动轨迹，否则就会出现奖励预测误差，并让我们产生有消除这个误差的欲望——至于为啥看美女就会快乐，还不是因为基因想要繁衍，而繁衍的前提就是“锁定目标”（与“学习目标”），基因会奖励繁衍路径上的“点点滴滴”，即可能促成繁衍的所有操作。
最后，在得了某些精神疾病的情况下，才会出现有快乐没有多巴胺的非常正常情况。
例如，抑郁症，不是感觉不到快乐，只是没有追求的动力，觉得一切都没有意思，这和多巴胺系统低迷关系密切。
但问题在于，无法去追求快乐，就不会获得快乐——这就像给你很多钱，但你又没有途径去消费——你还能快乐吗？所以，抑郁症只有无欲无求的死灰之感。
**综上可见，**如果要用一句话来形容，多巴胺与快乐的关系，我觉得就是：
“声色犬马学的快，纵情声色难自控”——前者是“预测快乐 + 强化学习”，后者是“维持快乐 + 强化学习”。
因此，我们可以洞见到：
- 贪婪只是欲望（奖励预测），
- 适止才能快乐（减少误差），
- 否则凡事太尽（误差太大），
- 快乐势必早尽（不可抵达）。
而积极心理学奠基人、“心流之父”——米哈里·契克森米哈赖**，在《心流》**中，指出：
“任何有乐趣的活动几乎都会上瘾，变成不再是发乎意识的选择，而是会干扰其他活动。……当一个人沉溺于某种有乐趣的活动，不能再顾及其他事时，他就丧失了最终的控制权，亦即决定意识内涵的自由。”
所以，更严重地说，不能干预调控多巴胺系统，不仅只有欲望没有快乐，还最终会失去自由——意识的自由、精神的自由、人生的自由。
多巴胺与学习
人类最重要的能力，就是学习能力，而学习的关键在于好奇心，如果没有好奇心，就会不想学、也学不进，如果被迫学习，就会学不好、也学不会，并且还会滋生各种负面情绪。
俄裔美籍作家——弗拉基米尔·纳博科夫（Vladimir Nabokov），曾说过：“好奇心是不服从最纯粹的形式。”（Curiosity is insubordination in its purest form）——这里不服从的可以是任何一种秩序，如常识、常理、惯常、主流、亦或是传统，显然这也是学习的副产物之一。
那么，好奇心来自于何处呢？
其实是来自于——不确定性，更准确地说：
- 完全确定，我们就会感到无聊——舒适区，舒适久了就是无聊；
- 完全不确定，我们就会感到恐惧——恐慌区，恐惧 + 惊慌；
- 确定小于不确定，我们就会感到风险——挑战区，冒险就要承担损失；
- 确定大于不确定，我们就会感到好奇——学习区， 熟悉 + 未知。
当然，如果接受了某种**“不确定性”，可能就不会恐惧，但这是确定的不确定性，其本质是确定性，即确定的是概率，如投资的回报与损失；那么，没有确定的概率，即完全不确定，此时哪怕不确定的是“奖励”**，也会带来一定程度的恐惧，因为（由随机性导致的）不确定的不符合预期，相当于是一种惩罚。
可见，不确定性心理效用的关键是预期，即：不确定的失去让人恐惧（低于预期即失去），不确定的得到让人兴奋（高于预期即得到）——显然，只有存在高于预期的不确定性，才能带来好奇，否则只能感到风险。
而如果我们对一个事物充满好奇，或一个事物能够令我们持续地好奇，我们就会情不自禁地喜欢，接着喜欢又会激发更多的好奇，好奇继续加深喜欢。
显然，一旦有了好奇与喜欢的回路增强，我们就能够拥有兴趣与热爱，进而就会更容易沉浸在心流之中，而心流——就是学习的**“终极化学武器”。**
那么从多巴胺的角度来看，不确定性会带来预测误差，这个误差就会激活多巴胺，带来动机，动机会驱动行动，行动产生反馈，反馈关联到颅内的**“化学奖励”，进而激活学习，最终消除预测误差——完成多巴胺系统**的回路训练。
事实上，“好奇、喜欢、兴趣、热爱”其实都是为了消除“预测误差”的多巴胺效应。
例如，眼睛进入了一只小飞虫，想揉眼睛的预测误差就会在大脑中涌现，除非执行这个动作消除误差，否则这个**“误差感”**就会一直存在——并不断试图掌控你的行为。
例如，过敏性的奇痒，抓挠可以消除痒感误差，但过程会带来疼感误差，结果这两种**“误差感”**会形成一个动作循环，即：痒了抓，抓了疼，疼了停，停了痒，痒了再抓，等等——难以自控，又不能自已。
例如，故事中的英雄，如果被打倒打败，我们就会在颅内产生预测误差，而英雄战胜困难、再次崛起、王者归来，这个**“误差感”消除的过程，就会让我们体验到“满足感”——就像我们消除“想要的”**误差时一样。
那么，“好奇、喜欢、兴趣、热爱”所代表的预测差异，就在于：
- 好奇 = 熟悉 + 不确定的奖励，如：猫好像能说话。
- 喜欢 = 熟悉 + 意外的奖励， 如：猫真的能说话。
- 兴趣 = 熟悉 + 确定的奖励， 如：猫经常和你说话。
- 热爱 = 熟悉 + 确定的高奖励，如：猫说的都是你爱听的话。
由此可见，**“熟悉 + 奖励”就是“好奇、喜欢、兴趣、热爱”的底层逻辑，其中“熟悉”代表着已有的确定性，“奖励”**代表着预期的不确定性（即存在奖励预测误差），而学习的动机就是——确定不确定性奖励的欲望。
例如，我们对盲盒与剧情反转的喜欢与兴趣，其实都是——熟悉 + 意外的奖励 + 确定的奖励。
需要指出的是，兴趣与热爱的奖励路径是确定的，此时多巴胺的意义是——维持奖励路径，消除预测误差，如成瘾行为中的难以自拔——同时这也是我们能够，不断重复兴趣与热爱的原因所在。
那么，如果（脑回路）确定奖励存在，但又不确定必然的路径，这时多巴胺系统就会激活，以进行强化学习。
例如，斯坦福大学的神经科学家——罗伯特·萨波尔斯基（Robert Sapolsky）发现：当我们查看自己的社交网络时，有时候会发现回复，有时候没有，下一次查看时又有了评论或赞赏，这时大脑中的多巴胺，会有**400%**的激增。
萨波尔斯基将这种——“戏弄”的不确定性，称之为**“可能性的魔力”，其分散一个人注意力的程度，竟然已经达到了上瘾**的程度。
事实上，为了消除不确定性，多巴胺不仅能让人感到兴奋，并快速做出行动，还能够加深神经元的连接，让脑回路可以更好地记忆和计算，以减少未来的预测误差。
经过脑科学相关的调研，超级畅销书作家——史蒂芬·科特勒 （Steven Kotler），在**《盗火》**中，指出：
“在非寻常状态中（即出神时），多巴胺通常会大大增加，而前额叶皮层的活动则骤然减少。突然之间就能找到，以前从未想到过的思想之间的联系。那些联系中，有些是合理合法的灵感，有些则是天马行空的想象一滑而过。”
而在2009年，瑞士神经科学家——皮特·布鲁格（Peter Brugger）发现：神经系统中含有更多多巴胺的人，相信秘密阴谋与异形绑架的可能性会更大。这些人正遭受着一种被富有意义的巧合所征服的趋向，而且常常会察觉到一些其他人浑然不觉的模式。
显然，神经元连接的增强（尤其是遥远连接的增强），不仅带来了创造力，同时也提高了我们模式识别的能力，也就是发现规律和意义的能力。
换言之，如果多巴胺不足，我们就会找不到规律和意义；相反，如果多巴胺过多，本没有规律和意义，我们也会强行找出规律和意义。
由此可见，多巴胺就像是大脑学习引擎的**“燃料”，太少就无法驱动引擎（欠拟合），太多又容易学到虚幻（过拟合），只有适量才能准确有效地消除预测误差**。
欠拟合（Under Fitting）——学习不到特征规律，模型无法识别预测。 过拟合（Over Fitting）——学习了太多特征细节，模型不够泛化通用。
至此，我们会发现多巴胺的作用，其实并不是奖励最大化，而是最小化预测误差，即：如果奖励正误差高，就会调高预期，如果奖励负误差高，就会调低预期，如果奖励与不确定性都高，就会有不切实际的预期。
例如，博彩的不确定性高奖励，就会导致多巴胺过多，让人找到其中**“确定”的中奖规律，而总结成功人士的成功规律，除了后见之明，就是预期奖励**产生多巴胺的功效。
但换个角度来看，虽然最小化预测误差，不一定是奖励最大化，但却是可获得利益的最大化——因为奖励与风险成正比——这是自然选择的结果，也是多巴胺强化学习的优势所在。
最后，所有的不满意、不爽与不顺眼，包括着急与焦虑，其实也都是误差，但实际上，消除这种误差未必就可以获得奖励，并常常也消除不了，且消除的过程往往还会带来不愉快——这可谓是有关（多巴胺）学习的学习。
多巴胺与演化
事实上，大脑时刻都在使用环境信息，来校准颅内模型，以不断提高对未来的预测能力。
在数学上，这就像是一个贝叶斯推理的迭代过程，即：不断使用新信息来更新先验概率，从而迭代出更为准确的预测概率。因此有很多人认为**，贝叶斯推理就是我们大脑的工作机制，而我们的大脑其实就是一个“贝叶斯大脑”**。
那么，在生物学层面，用来实现贝叶斯推理的神经引物，就是基因对多巴胺细胞的编码——奖励预测误差。
显然，在环境信息与颅内模型之间，必然会存在预测误差，当多巴胺消除这个误差之后，即意味着，颅内模型更新了对环境信息的认知，并将其存储为先验动机，以指导对未来的预期与决策。
换言之，多巴胺利用环境信息的反馈，消除了大脑对未来预测的不确定性——这正是信息论中**“信息可以消除不确定性”**的——生物版实现。
那么不难想象，在演化过程中，具有可迭代的预测能力，一定是具有选择优势的，所以多巴胺系统就顺理成章的，成为了基因“必备”的控制系统，而多巴胺，则就成为了基因控制“生存机器”的魔药。
从前文的实验来看，动物对奖励会有预期，预期偏差会校准它们的行为，这完全是多巴胺系统调控的结果——有趣的是，纵观多巴胺的动物实验，就像是人类的“多巴胺”（行为）可以预测到动物的“多巴胺”（行为）一样。
接着更进一步，顺着演化视角，我们会恍然发现——从动物进化到智人，强大的多巴胺**“预期”仿佛也一起发生了进化，即：从“预期”生存与繁衍，演变成了“预期”**想象与虚构。
换言之，智人的多巴胺系统与自我意识地结合，（在月明星稀的篝火旁）让**“预期”进化出了“故事”**。
自此之后，多巴胺就可以驱动智人，为了故事中想象出的预期奖励，而试错学习忍痛合作，以及做出任何以前**“想都不敢想”的事情——此时限制智人行动的，就只剩下了编织故事**的想象力了。
或许，正是因为故事与现实之间的预测误差——有着天壤云泥之别，所以人类才可以创造出自然界中“不可预见”的事物。
那么，回到演化视角，事实上时至如今，基因通过多巴胺，依然在控制着我们每一个人，而利用**“多巴胺思维”**，我们将能够更加深入地看清人生更多的真相。
多巴胺思维
所谓，多巴胺思维，就是把多巴胺看成是基因奴役我们的魔药，其关键点就在于把握住——奖励与误差。
首先，表面上奖励就是快感，但本质上是基因所编写的算法——如盐、糖、脂肪、繁衍等，可称之为**“先验奖励”，以及算法冗余性所带来的“意外”激发物——如药物、宗教、运动、设备等，可称之为“后验奖励”**。
其中，先验奖励相当于是“出厂”内置的，可以直接激活多巴胺，而后验奖励则是后天习得的——也就是说，对待某个事物，本来不会激活多巴胺，但一旦体验过奖励之后，就习得了对它的奖励预测，如：极限运动与药物成瘾。
为什么吃喝繁衍，做起来如此容易毫不费力，而工作学习，却做起来如此困难耗时费劲？
显然，前者是先验奖励，后者是后验奖励，你得体验过工作学习的奖励（越多越好），才能建立起多巴胺对它的**“预测强度”**，而总是体验到痛苦或不愉快（得不到奖励），多巴胺不仅不会激活，还会抑制，从而降低你的行动力。
例如，解题猜谜皆是误差，误差总是消除不了，就会彻底放弃——这是被判定为无法消除的“无用误差”。
需要指出是，后验奖励也要通过先验奖励的预设路径才能起效，因为奖励落实到神经层面，都是相同的神经反馈，如：内啡肽与花生四烯乙醇胺，而基因算法的“Bug”就是冗余性带来的毫无生存意义的奖励，如：迷幻蘑菇与颅内电击。
**其次，**再看误差，为什么人性，对变化（或说新鲜感）有着不可磨灭需求？为什么缺少变化，我们就会感到无聊与乏味？为什么重复某些行为会让我们上瘾，而另外一些则会让我们痛苦？
事实上，在这些不同场景不同感受的背后，统统都指向了**“魔药多巴胺”——因为，变化即会带来预测误差**，而多巴胺的作用就是消除误差，所以：
- 如果变化指向确定奖励，就会感到——兴趣与热爱。
- 如果变化指向意外奖励，就会感到——好奇与喜欢。
- 如果变化指向不确定性，就会感到——排斥与抗拒。
- 如果变化指向没有变化，就会感到——无聊与乏味。
由此再看，强化学习，其实它动态设定了**“奖励感”**——这取决于最终奖励获得的情况，包括即时性、可能性和预测误差。换言之，确定的小奖励（奖励感高）会比不确定的大奖励（奖励感低），激发更多的多巴胺。
注意，这里**“确定奖励”是指，奖励存在的确定性（体验过就确定性高），但其过程和强度**仍具有不确定性，这是变化的来源。
因此，就如前文所说，多巴胺学习的目标不是奖励最大化，而是利益最大化，即：奖励与耗能比率的最优。
所以，太困难、太复杂、太辛苦、太耗时等等，都会拉低我们对预期奖励的渴望，进而感受到多巴胺浓度降低所带来的**“排斥、抗拒、无聊、乏味”——尽管我们（的智能）知道，延迟享乐与延迟满足，在未来将会有巨大的奖励，但也无法改变“多巴胺现实”**。
更或许，永远无法消除的预测误差就是——遗憾，即：整个人生都将为这个误差，而处在永复往返地负强化学习之中。
那么相反，习以为常亦或是习惯了的感觉，就是因为预测误差不存在了。
例如，经历过至暗时刻，我们就不会再害怕黑暗——就是因为黑暗，已经无法再让我们产生预测误差。
例如，为什么**“循环”会让人觉得没意思很无聊——比如西西弗斯推石头——因为一旦循环了，就没有不确定性了，也就是可以被预测了，即预测误差**不存在了。
值得一提的是，在微观神经运作层面，预测误差对应了神经元的离子通道，对外界刺激的响应**“强度”——这个强度并不是刺激强度所决定的，而是由刺激强度的“变化”**所决定的。
最后，从某种角度来看，脑神经科学是心理学的源头，心理学是心理痛苦的解药，因此可以说，所有的心理痛苦，都可以在脑神经科学中找到解答，而奖励预测误差，就是大部分心理痛苦的神经性根源所在。
因此，降低奖励预测，就可以缓解很多的心理问题，但奖励预测真的可以“手动”降低吗？
多巴胺旋钮
很多人，都无法控制自己的欲望，进而就无法控制自己的行为，最终就无法得到想要的结果，其实这都是被**“魔药多巴胺”**控制的表现和结果。
而有了多巴胺思维，我们就应该将——欲望与目标区分开：欲望是先验奖励，来自本能的预测；目标是后验奖励，来自智能的预测。
重要的是，相对于智能模型，本能模型是短视与陈旧的，满足欲望的结果未必是好的，例如无法自控地上瘾，这是多巴胺系统被劫持的表现，属于基因算法无法适应当今时代的缺陷，因为**“盐、糖、脂肪”早已不再是稀缺资源，“药物、设备、网络”是丛林时代所没有的，而本能预测**却没有及时地调整策略。
相反，智能模型是长远规划与快速更新的，因为它来自神经网络的逻辑推理与强化学习，就像健身会遭遇反复的疼痛，开始本能会强烈地排斥，但长期健身必会受益，最终在获得巨大的后验奖励之后，连本能也会支持智能的决策。
事实上，就如前文所说，欲望带来的是想要，没有奖励只有不得的焦虑，而目标就像是智人脑海里编织的故事，充满希望又不那么急切——显然，前者是短期的生存目的（动物都有），后者是长期的生存意义（人类才有）。
那么，面对本能所带来的欲望，除了“忍痛”，还有更好的方法吗？
其实，控制本能欲望的关键，就在于对多巴胺的调控，而调控多巴胺的关键，就在于找到那个——“多巴胺旋钮”。
由前文可知，与多巴胺浓度密切相关的是**“奖励感”，而它就是调控多巴胺的“旋钮”**。
换言之，欲望控制执行了某个行为，欲望就想从某个行为中获得奖励，如果这个奖励被“打断”（即奖励感降低），就会削弱欲望的动机——也就是降低了多巴胺的浓度。
例如，动物触碰机关就会得到食物，经过多次训练，动物就会产生触碰机关的欲望，而消除它欲望最快的方法，不是在它触碰机关的时候电击它（惩罚），而是在触碰机关后什么也得不到（打断正反馈的奖励）——可见没有奖励的欲望，其脑回路就会（为了节能而）被重塑。
而打断**“欲望奖励循环”**的方法有很多，例如：
- 转移注意力——运动、游戏、看剧、吃东西，
- 切换新欲望——做另一个特别感兴趣的事情，
- 激发目标感——用故事唤醒脑回路中的意义，
- 等等。
关键点就在于，让欲望得不到满足，以削弱多巴胺系统对奖励的正向预测。
那么，换个角度，**“多巴胺旋钮”**除了逆时针减弱——本能欲望，还有顺时针增强——智能目标。
例如，长远规划、延迟奖励、冒险试错、承担风险、经历失败等等，都需要逆转多巴胺系统的低迷，才能激发爆表的行动力，然后不断进步逼近目标，而方法还是调控**“奖励感”。**
按照规律，奖励感 = 即时性 + 可能性 + 预测误差，但智能目标必然是：“高延迟 + 低可能性”的——这还如何提高奖励感呢？
解决方案就是：创造短期的小目标，完成可控的小任务，获得即时的正反馈（增强输入行为），训练高效的脑回路。
换言之，就是把大目标分解成各种小目标，把小目标分解成各种小任务，从小任务中获得正反馈，从正反馈中获得即时奖励与控制感（或掌控感），通过这个任务**“游戏化”的过程，就可以像“玩游戏”一样，用一个个小胜利与小进步，塑造希冀、可控与期待的脑回路**。
需要强调的是，没有正反馈，多巴胺就会疲软，从而丧失控制感、掌控感、奖励感，更不会有心流体验，最终就无法行动。
例如，程序加载的进度条，就是一种及时反馈，如果没有，人们等待的行为就很难触发和维持，而游戏的乐趣，很重要的部分就是来自于，即时反馈。
而具体方法，就像资深商业调查记者——查尔斯·都希格（Charles Duhigg），在**《习惯的力量》**中所说的，养成好习惯需要三样东西：
- 第一，线索（Cue）——启动习惯，遇到相应情境，如：时间、地点、情绪、交互。
- 第二，例程（Routine）——训练习惯，执行具体动作。
- 第三，奖励（Reward）——完成习惯，要给予正反馈，如：满足欲望的物质或活动。
同理，斯坦福大学行为设计实验室的创始人——福格教授（BJ Fogg），总结了一个行为模型（Fogg Behavior Model），即：B = MAP，
行为（Behavior）= 动机（Motivation）+ 能力（Ability）+ 提示（Prompt）。
简单说，就是行为（B）发生在动机（M）、能力（A）、提示（P）同时出现的时候——当行为没有发生时，这三个元素中至少有一个缺失，其中：
- 动机，就是行动的意愿，如解决：痛点、爽点、痒点；
- 能力，就是行动的难度，如感到：简单、流畅、顺滑；
- 提示，就是行动的触发，如产生：浏览、推荐、提醒。
可见，对应到养成好习惯（行为）——动机就是获得奖励，能力就是完成例程，提示就是触发线索。
那么，除了以上三点，还有事半功倍的两点，非常值得融入，即：强化启动（把注意力放在启动习惯上） + 不要停下（一旦开始习惯就不要中断），所以合起来就是：
行为习惯 = 奖励动机 + 例程能力 + 线索提示 + 强化启动 + 不要停下，如：
- 健身 = 健康 + 跑步 + 手环 + 教练 + 打卡。
- 学习 = 智识 + 时间 + 软件 + 课程 + 挑战。
- 写作 = 系统 + 思考 + 专栏 + 计划 + 任务。
值得一提的是，强化**“提示、线索、启动”**是至关重要的一步棋，因为人脑总是需要从环境信息的输入反馈，来激活内部深邃、庞大、繁密的信息回路，并且只能从上一个信息连接到下一个信息。
而养成好习惯，还有一个额外的好处，就是**“习惯回路”一旦建立，打破习惯就会受到化学惩罚**——这是对抗欲望强有力的**“化学武器”**。
最后，在**“奖励感”中，最易调节转动的变量——就是预测误差**，即变化，或说意外，也就是加入随机性，心理学上称之为——“可变奖励原则”（Principle of Variable Rewards）。
所以，若想快速转动**“多巴胺旋钮”，对于简单重复的行为——可以用时间间隔来获得变化（熟悉的意外），而对于复杂艰难的行为——可以用深入探索**来获得变化（未知的意外）。
例如，电影看过了可以间隔重看，技艺学习了可以精益至臻，而繁衍既可以间隔冷却，也可以深度解锁。
相反，本身就充满多样性的行为，如游戏、购物、旅行等，拥有充足的变化（参差多态的意外），所以调控**“多巴胺旋钮”**，就需要避免接触与抑制想象。
那么，无论是（逆时针转动）抑制欲望，还是（顺时针转动）追求目标，必不可少的一步都是，在变化过后一定要注入——正反馈的奖励，因为它能带来回路增强的，动机、学习和控制，否则大概率会遭遇到，无聊、懈怠和失控。
例如，要把事情做到极致的**“十倍思维”（即数量级的差异）——就是要创造远远超越市场的变化阈值**，从而能带给用户非凡的正反馈奖励，这样一下就能让用户的多巴胺激增，从而获得他们的注意力、好奇心与新鲜感，进而获得他们的情绪认可与偏好追逐——相反，不够极致（即多巴胺激发不足），就学习不到——“你是谁，你有何不同？”，那么——“为何选你？”。
**例如，富人苦于买不到好东西，穷人苦于买不起好东西——这不是东西的问题，而是富人穷人对变化的“感受阈值”**不同。
例如，想要在信息洪流中被注意到，就得和周围的事物形成反差——反差制造变化，变化强化记忆——只要通过差异化呈现，就可以赢在信息传播的起跑线上。
例如，主播经常更换人物造型与背景装饰，就会带来除了内容之外，另一个维度的变化，从而就能够提高观众的新鲜感，增加直播的吸引力。
例如，电视直播，如果出现临场问题，导致节目不能正常进行，此时收视率反而会提高，这说明人们对意外的变化，甚至超越了节目内容本身。
事实上，意外惊吓带来的变化，是改变观念、产生记忆、调整行为最高效的方式，这是演化在生死压力之下，所编写的**“快速通道”**。
当然，变化（即预测误差）是一把双刃剑，它会获得我们的注意力，影响我们的判断力，产生认知偏差，就如风险哲学家、随机性大师、“黑天鹅之父”——纳西姆·塔勒布，在**《反脆弱》**中，所说：
“我们对变化的注意，远远多过扮演重要角色但不变的事物。局部的变化，总是比全局更容易被大脑注意（和存储），需要的内存空间也更小。这种心理启发法（通常，我们自己也意识不到它的运作），即：以变化取代整体的错误是相当普遍的，甚至很容易被观察到。”
跑步机效应——是指我们迅速厌倦我们所拥有的东西，并不断寻找升级版的“被迫冲动”。我们之所以期待新品，购买后又迅速失去兴趣（尤其是与新品比较时），就在于我们更关注不同版本之间的变化而非共性。
而在更整体的层面上，著名理论物理学家、圣塔菲研究所前所长——杰弗里·韦斯特（Geoffrey West），在**《规模》**中，指出：
“我们一直在进化的体系，很大程度上仰仗人们持续想要获得：新的汽车、新的手机、新的玩意儿、新的衣服以及新的洗衣机、新的兴奋点、新的娱乐等几乎所有新东西，即使他们手中已经拥有了足够多的东西。这或许并不是一个完美的画面，而且也不会得到每一个人的认同，但截至目前，对于我们大多数人而言，这很奏效，而且很明显，我们大多数人都希望这一欲望能够继续下去。”
可见，人类文明的整体进化，其实是依赖于个人本能的局部追求，即被**“变化欲望”无止尽地驱使的，那么如何在整体进化与局部追求之间取得平衡，就在于——我们是利用变化来提高生活品质，还是被变化利用成为一台“欲望机器”**。
所以，我们不是学会掌控变化，就会被变化所掌控——对此，如果我们能够（通过正念冥想）养成一个时刻反思自己**“内在动机”的行为习惯，或许就不至于在“多巴胺奴役之路”上，越陷越深以至于无法自拔到积重难返**。
最后，如果消除了颅内变化（即预测误差），结果会是怎样？
可以想象，好消息你能麻木，坏消息你也能适应，赞美之词你会听腻，冷嘲热讽你也会习惯，神经系统的**“预测零误差”，就是你处变不惊的泰然自若**。
结语
拥有多巴胺思维，可以看清很多很多事情和行为，简直就像打开了新世界的大门，而使用多巴胺旋钮，可以获得更多的自由与自控，简直就像进入了一个新世界。
那么，进入了新世界，就可以问出一个新问题，即：大脑的奖励系统，到底是谁在奖励谁呢？
答案，是基因在奖励神经、大脑、以及意识，因为整个奖励系统的运作都是基因编码的表达，其中自然也包括多巴胺的**“奖励预测算法”**。
事实上，人类的行为动机和强化学习，其多巴胺编码都是基因亿万年的演化积累，虽然很多策略已经略显过时，**但其深邃的以时间和存亡为代价打磨出的逻辑，**仍然在左右着我们与各种环境的交互。
甚至我们引以为豪的智能，也只能在本能所预设的环境范围内演化——试想，学习研究与探索发现，需要在**“多巴胺感受”**（即好奇、喜欢、兴趣、热爱）的指引下才能进行，我们就能够看清这一点。
要知道，基因利用穷举启发法演化出了无数算法，而经过几十亿年的迭代试错，留存的**“适者算法”**可以打败所有的逻辑推理，以及刻意练习。
例如，微生物水熊虫，通过迭代试错“构建”出了——损坏抑制蛋白（Damage suppressor protein，Dsup），以保护DNA免受极端环境的压力冲击，结果水熊虫对极端环境（如高压、高温、高辐射、以及低温与真空），有着超越生命极限（与人类想象）的耐受性。
显然，人工智能还没有亿万年生死压力下的积累，而人类智能在本能的制约下将会走向何处，也充满未知，但智能的未来可期，这是演化逻辑（整体熵增局部有序）的选择，不是吗？
回到目前，大部分人，都只能在基因的奴役下，跟随自己的多巴胺行事，而不自知——因为多巴胺赐予了我们动机、想要、渴望与欲望——同时我们也会把这些，就当成自己不容置疑的目标。
**坏消息是：**多巴胺通路告诉我们，理性是要服务于感性的，所以只要欲望与想要，持续的时间足够久，理性就一定会说服自己，找到行动的充分理由的。
**好消息是：**虽然多巴胺系统是一个二级混沌系统，具有二级效应，也就是说，你在被多巴胺驱动的时候，无法想象和感受到没有的时候，但智能可以从逻辑角度，推理并理解到。
例如，人总是喜欢从享乐角度，去设想未来，但真到了设想的未来，感受就变了，接着新的设想就会出现，行动随之而变，结果就可能打破从前的想法与设定，并会为此找出一堆理由。
那么，我们可以管理自己的预期（管理自己的想象），掌控自己的欲望吗？
从演化角度来看，学习 = 突变 + 选择——多巴胺的条件反馈就是突变，而如何选择突变，则决定了学习，接着学习决定了能力，能力决定了路径，路径决定了未来。
而一个人的行为，可以看成是其自身一套稳定的演化系统，最大化自身利益的过程——这套系统是本能与智能的博弈，充满了偏差与偏好，最终落实在了心智对多巴胺的妥协与服从之上。
那么，多巴胺思维与多巴胺旋钮，就是来自智能的逻辑与选择——运用它们，将让我们成为基因奴役下的一个**“觉醒者”**。
事实上，几乎所有强者的共同秘密，就是：动机 + 专注 + 学习——这全系于多巴胺的调控——这是基因的魔药，同样也是**“觉醒者”的魔药。而有时候，利用魔药消除内心世界的“误差感”，其实就是改变世界**的过程。
最后一点，神经现实，其实就是基因在你颅内编码的故事，你可以顺应这个故事，也可以改写这个故事，一切都在于你**“自由意志”**的选择……不是吗……？
后记1：未来有多远
在微观，同样都是无差别的**“多巴胺浓度控制”**，对应到宏观的行为表现，会有什么本质的区别吗？
换言之，学习、健身、努力就一定比，娱乐、吃喝、繁衍更高级吗？看书比看片、解题比追星、工作比生活的高级感是从何而来的呢？
其实是路径，准确地说是**“多巴胺路径”，因为不同的路径，将会“引领”我们走向不同的未来，而让人感到高级的，正是那条路径可以通向的“未来”**。
但在此不要忘了，路径会有历史依赖，即：历史路径依赖（如同惯性与习惯，需要外力才能改变），或许**“多巴胺魔药”**的可控与不可控性——早在受精卵，不，是在“创世纪闪光”（即宇宙大爆炸）的时候，就已经被设定。
路径依赖——是指一旦进入某一路径，就会依赖这一路径进行演化，从而一直在这路径上走下去。通俗地说，你做出了某种选择，选择的结果会随时间形成路径，你在这条路上，走越远越难以反悔，比如婚恋时间越长，越难以分手。
那么更或许，在化学感受面前，人们根本不知道**“未来”**有多远。
后记2：秘技
目标提供了误差，误差提供了行动，行动提供了误差，直到目标完成，产生下一个目标——而意识，就可以看成是一个**“目标系统”（无目标的时刻本身就是一种目标），所有的心理活动其实都围绕着“目标”**来展开。
换言之，所有的化学反应都围绕着**“目标”**展开。
那么，“目标”其实来自于注意力投射后的捕获（环境信息或颅内信息），注意力又来自**“目标系统”**的引导。
所以，意识（即目标系统）会根据注意力的**“历史投射路径”，来引导注意力的投射，而这条注意力的“路径”**上，流淌的就是——多巴胺。
需要指出的是，这里目标——是指可执行的“小目标”，目标系统（即意识）可以产生“大目标”，“大目标”可以产生“小目标”，而注意力在投射这个“小目标”的过程中，也可以产生“临时小目标”——它会干扰注意力原本的投射，甚至改变目标系统的路径。
可见，我们可以通过**“强力意志”控制注意力，来控制大脑的信息输入，从而控制多巴胺的流动，进而控制目标、误差、行动、及整个目标系统**（即整个意识）。
换个角度说，你的注意力控制着你的感受，你的感受控制着你的行为，你的行为控制着你的人生。
因此，用意志力控制注意力，就是控制人生的关键秘技。
具体来说，就是给自己的**“目标系统”，设定一个确定的“小目标”，然后把所有的注意力都投射到这个“小目标”上，并运用意志力锁死注意力**，以压制任何**“临时小目标”的干扰，直至使用足够的体力和精力完成这个“小目标”后，才可以释放意志力对注意力**的控制。
再简单来说，设定目标，强控注意力，完成目标，释放注意力，或仅仅控制注意力，不要投射到那些，偏离你**“目标系统”**的事物上。
是的，用意志力控制注意力，就是控制人生的关键秘技。
**小技巧：**用倍速听音频、看视频、阅读学习，可以提高注意力的专注度，因为快速的信息流，不集中注意力捕捉就会错过，这种“速度压”会迫使思维高度集中。同理，微弱的声音也会因为听不清的压力，迫使人集中注意力。
而当你的意志力，完全控制了注意力的时候，就会看到前所未见的“东西”，即：注意到之前不曾注意的，感受到之前不曾感受的，领悟到之前不曾领悟的，闪念到之前不曾闪念的，获得到之前不曾获得的……——因为你**“目标系统”**的运作模式（包括优先级算法）已经被完全改变与掌控。
是的，纯粹的意志（Pure Will）可以鞭策并驱动整个人生，拥有强大的力量与无限的可能，我们只需要纯粹的意志，而纯粹的意志，来自于洞见与思想。
那么，核心的奇技淫巧，就在这里（或隐藏在全文字句的脉络里）了，余生是主宰多巴胺，还是被多巴胺主宰，就看我们自己的（……）了。
后记3：注意力与预测误差
注意力是有限的吗？注意力可以被消耗吗？沉迷于小说、电影、游戏、网购会耗费注意力吗？
从全文可见，注意力是用来捕捉并消除预测误差的，即：有误差就会注意到，误差没有消除，注意力就会保持，直至消除误差。
于是，消除误差的方式，就会主导注意力的使用和消耗，如以下情况：
**第一，**如果这个误差很容易消除，就不怎么消耗注意力，只会转移注意力。
例如，问题的答案是自己已知的，即消除误差的是自己的经验和知识。
**第二，**如果这个误差由外界快速消除，就会感到“从意外到熟悉的喜欢”，此时不会转移也不怎么消耗注意力。
例如，逛街或看电影，意外是由新品或剧情带来的误差，这个误差由后续体验消除，就会喜欢这种体验，并且轻松愉快。
**第三，**如果这个误差需要脑力消除，就会消耗注意力。
例如，思考、推理、计算、记忆，都需要用意志力来保持注意力，否则很容易转移注意力。
所以，无论做什么：
- 如果有难度感到挑战，就会消耗注意力；
- 如果太容易毫无挑战，就会转移注意力；
- 如果有难度适当的挑战，就会持续低耗注意力，并感到喜欢。
这就是为什么，忙了一整天，到家可以继续看电影、玩游戏、刷网页——但有些烧脑电影、解谜游戏、学习网页，就没有精力（能量）继续体验。
事实上，注意力带来了创造的可能性，但注意力不等于创造力，大量注意力集中，可能什么也创造不了，并且注意力的转移，也不等于注意力的耗散。
那么，注意力的流动，最底层必然需要的是能量，它可以看成是一种能量流动的形式，因此，注意力其实需要多巴胺的强力驱动（耗能的都需要多巴胺），即：预测误差带来多巴胺，然后多巴胺驱动运动力与注意力去消除误差。
从某种角度说，能量流动带来了“连接变化”，而连接（尤其是长程连接）才能创造创新——对于大脑，遥远脑区的连接即是创意。
显然，在能量流的上层，注意力流也能带来连接，不同的是，能量带来的连接具有**“物理强迫性”，注意力带来的连接往往在颅内，并且这些“思维连接”**大部分都会被滤掉，即神经连接脉冲的时间极短（衰减极快）。
因此，注意力转移耗散是很少的（没有长时间的长程连接），所以注意力不集中比集中注意力要轻松容易许多，这是一种节能模式，即大脑的**“默认模式网络”**（Default Mode Network）。
换言之，我们天生擅长保持长时间地注意力不集中——如随机漫步东看看西看看，偶尔地集中注意力——如“盐糖脂肪和繁衍”与“听故事看故事”。
好在大脑具有可塑性，我们需要逆转这个“擅长”，反向成——长时间集中注意力（耗能连接），偶尔的注意力不集中（放松休息）——结果就会是脑力过度补偿性的冗余变强，其副作用就是心智的升级——这是超越**“盐糖脂肪和繁衍”**的体验。
后记4：奖励感的漏洞
奖励感的强弱，关联着奖励预测误差的大小，从而影响欲望、想要、驱动力、及行动力的大小。
通常，我们会通过预测误差来调节奖励感——如：喜欢 = 熟悉 + 意外，这个**“意外”就是预测误差的调控因子——也就是说，通过（随机性产生的）“意外”，可以改变预测误差**，从而改变奖励感，最终影响我们的欲望与行动。
但从另一个方面来看，奖励感本身也具有神经性的阈值，即：相同程度的频繁刺激，会令神经回路的兴奋趋于缓和，甚至平静到不再做出响应——这是一种**“饱和效应”**（Saturation Effects）。
可见，神经回路的兴奋阈值，决定了奖励感的阈值，这反过来也决定了预测误差的大小，即：奖励感阈值高，就不容易有奖励感，也就不容易产生较大的预测误差——显然，都没有奖励感，何来奖励预测误差。
例如，吃饱了就不想吃（没有吃的奖励感），玩累了就不想玩（没有玩的奖励感），满足了就不想要（没有想要的奖励感），等等。
换言之，习惯成自然，就是奖励感的阈值增加，提高了获得化学奖励的门槛，此时一般的意外已经无法带来喜欢，而是需要时间间隔（即奖励感阈值冷却）或是刺激升级（即出现黑天鹅体验），才能获得有效的奖励感与预测误差。
那么据此，我们就可以利用奖励感阈值这个“漏洞”，来打破欲望与想要，对我们行为的掌控，即：在奖励感低（奖励感阈值高）的时候，采取果断的阻隔动作，以阻止奖励感高（奖励感阈值低）的时候，我们被欲望想要驱动的行为。
具体来说，就是在我们低欲望与不想要的时候，身心可以较容易地舍弃抛弃或设置障碍，以增加欲望想要回归之时的阻力感。
例如，吃饱了就把吃得都扔掉（包括优惠卷、打折卡等），玩累了就把玩的都卖掉（包括玩游戏机、电脑等），不想要了就把后路堵死（包括事做绝、话说绝等）——这样待到日后，欲望涌起再次想要，其行动的阻力可想而知，而这是我们想要的、让我获得自由的“正面阻力”。
可见，正是奖励感阈值的**“漏洞”，给予了我们对抗欲望想要**的机会、时机与行动力。
后记5：意志力的来源
通常，我们认为意志力是一个消耗品，即：意志力就像体力一样，会随着使用而不断下降，并需要休息时间才能恢复。
换言之，同样难度的一件事情，在意志力充沛的时候可以完成，而在意志力匮乏的时候就难以完成，并且如果这件事情的难度保持不变，就会出现我们起初可以完成，但随着意志力的消耗，做着做着我们就变得无法完成了。
那么，意志力的运作，真的是这样吗？
实际中，如果你做这件事情没什么难度（如电影、游戏、美食），你就不需要什么意志力来做这件事情；如果事情有一定的难度（如健身、节食、读书），你就需要一定的意志力；如果事情的难度超出了你的预计（如劳累、饥饿、苦闷），你就需要很多的意志力来做这件事情。
可见，意志力的作用，其实就是用来对坑各种负面感受的——注意，抑制自己不去获得近在迟尺、唾手可得的化学奖励，也需要承受一定的负面感受。
而换个角度来看，我们之所以能够使用意志力去克服负面感受，一定是因为我们的思维认知，首先战胜了负面感受，即：智能说服本能看到更多的可能性，以及计算更长远的趋利避害。
试想，如果一件事情，我们在思维认知上觉得毫无意义、毫无希望、毫无价值，我们还会有意志力去对抗负面感受，并强制自己执行吗？
事实上，改变了思维就改变了感受，改变了感受就改变了行为——表面上我们看到，是意志力战胜了负面感受，但其背后，必然是有思维模式带来的认知水平，减弱了负面感受在**“本能决策”中的影响权重——否则，本能计算的结果，一定是服从负面感受**所主导的行为驱使。
例如，小孩子没什么意志力来对抗吃药打针，是因为小孩子的认知水平无法对抗本能感受，而大人的认知水平则可以说服本能感受，接受吃药打针的趋利避害。
例如，为了梦想可以忍受痛苦压力，为了信仰可以牺牲自我，这是意志力强大的表现，但其底层其实是，思维模式与认知水平和本能算法，达成利益最大化的**“预测共识”**。
需要指出的是，为了爱情和亲情的忍受忍痛，并不是思维认知战胜负面感受，而是繁衍本能自身优先级排序的调度算法——因为智能的目标是帮助个体生存最大化，本能的目标是帮助基因遗传最大化。
由此可见，意志力并不是一个消耗品，而是一种思维改变感受的能力，其来源于思维能力，即：思维能力越强，意志力就越强，就越可以对抗、克服、抑制、战胜感受，反之亦反。
当然，意志力在生理层面，要受限于生理极限（包括生理潜力）的上限，而生理极限是一个消耗品——如体力充沛与匮乏时，凭借意志力控制生理可以完成的事情，也必定不尽相同——这正是意志力看似可以**“被消耗”的原因所在，但在与生理无关的心理层面（如怕不怕死），意志力只和思维能力**有关。