奖赏预测误差
创建时间： 2026-05-03
来源： [[sources/EP78《贪婪的多巴胺》：如何像沉迷游戏一样沉迷学习？.md]]
相关： Dopamine-System，Pleasure-Pain-Balance，Hedonic-Adaptation
核心机制
多巴胺不在奖赏到来时释放，而是在预测到奖赏时就释放。
剑桥大学沃尔夫·拉姆·舒尔茨的猴子实验：先亮灯，再给果汁。猴子掌握规律后，多巴胺在亮灯时就释放完毕，真正喝到果汁时已无新的多巴胺释放。
第二波多巴胺取决于结果与预测的差距：
| 情况 | 多巴胺反应 | 体验 |
|---|---|---|
| 结果 > 预测 | 奖励，多巴胺飙升 | 惊喜、愉悦 |
| 结果 = 预测 | 无新多巴胺 | 无感 |
| 结果 < 预测 | 惩罚，多巴胺骤降 | 失望、恐惧、自我怀疑 |
多巴胺永远在找误差，不是找最终结果。
一见钟情的科学基础
一见钟情 = 在最不可预测的时候，发现对方对你动心，你也对对方动心。预测与结果产生巨大差距，多巴胺奖励你。
这解释了为什么”欢喜冤家”模式存在——在 least expected 的时候产生预测误差。
重构失败
失败 = 负向预测误差 → 多巴胺惩罚 → 恐惧失败 → PTSD
重构两步：
- 承认自己会犯错：认为”我不应该犯错”不是高要求，是自大——凭什么你觉得自己应该完美？
- 把犯错定义为学习机会：学习必然要交学费，犯错就是交学费的过程
重构需要耐心——神经回路要重复很多趟才能走强。不停重构，直到犯错同时产生负面误差的惩罚和正面误差的奖赏（“吃一堑长一智的机会又来了”）。
目标设定
目标设太高 → 屡屡失败 → 多巴胺严厉惩罚 → 产生 PTSD、厌恶、恐惧 → 厌学
目标设太低 → 预测时多巴胺释放不足 → 没有动力
最佳策略：
- 不设单一目标，设区间预测（Best / Worst / Base Case），三种情况都有应对方案
- 将注意力转向追求专精的过程——每一个小进步都是一个正向预测误差，多巴胺持续奖赏
时间差分强化学习
当目标遥远时，多巴胺进化出了在每一个小线索处都释放的机制：一个预测 → 一个线索 → 一波动力 → 下一个预测 → 下一个线索……
线索连成片 = 心流。心流就是多巴胺奖赏连成片的体验。
这解释了为什么我们喜欢破案片、悬疑、八卦——源源不断的线索 = 多巴胺持续奖赏。
不可预测的奖赏最让人上瘾
当结果不可预测时：
- 狂喜 → 多巴胺飙升 → 造成痛苦之坑 → 渴望更多
- 失望 → 多巴胺骤降 → 也造成痛苦之坑 → 渴望翻盘
无论结果好坏，你都会继续上瘾。 赌博、盲盒、老虎机、社交媒体点赞、手机游戏全部利用这个机制。
现代科技通过大数据精准控制奖赏概率：游戏中 25% 的箱子有珠宝是让人最疯狂的数字。
参考资料
- 来源：纵横四海 EP78《贪婪的多巴胺》
- 原始实验：Wolfram Schultz 的猴子多巴胺实验