2026年3月，西班牙塞维利亚，一年一度的多巴胺学会会议上，一场辩论被安排在了第31场。议题只有一个：多巴胺在大脑中到底扮演什么角色。这个问题看似基础，却让在场的神经科学家们产生了根本性的分歧。

有人认为经典理论只是需要修补，有人则认为整个框架都该推倒重来。多巴胺，这个被大众媒体称为“快乐分子”的化学物质，在科学圈里正经历一场三十年来最严重的信任危机。

doi：https://doi.org/10.1038/d41586-026-00836-x

要理解这场争议，得从多巴胺理论的源头说起。多巴胺是一种神经递质，负责在脑细胞之间传递信号。它是所有神经递质中公众知名度最高的一个，常被描绘成大脑的“奖赏化学物质”，是人从娱乐性药物或刷社交媒体中获得快感的来源。但这只是通俗化的简化说法，科学家真正关心的是一套更精确的理论框架。

图为大脑多巴胺奖赏通路示意图。中脑腹侧被盖区的多巴胺神经元向上投射到纹状体和前额叶皮层，构成奖赏系统的核心神经通路

这套框架的核心叫做奖赏预测误差假说，英文缩写是RPE。它的基本逻辑是这样的：当一个人或动物意外获得奖赏时，大脑中的多巴胺神经元会突然爆发式放电，产生一个多巴胺峰值。这个峰值的作用不是让人感到快乐本身，而是告诉大脑“刚才发生的事情比预期的好”，从而强化对应的行为，让个体下次更有可能重复这个行为。反过来，如果预期中的奖赏没有出现，多巴胺神经元的活动就会下降，产生一个抑制性的信号，告诉大脑“事情比预期的差”，相应的行为就会被削弱。

这个理论的根源可以追溯到二十世纪著名的巴甫洛夫条件反射实验。俄国心理学家伊万·巴甫洛夫发现，狗听到铃声后会分泌唾液，因为铃声和食物建立了关联。这种学习机制启发了计算机科学家，他们在二十世纪八十年代到九十年代开发出了一套叫做时序差分学习的算法，用来训练人工神经网络。1997年，英国剑桥大学的神经科学家沃尔夫勒姆·舒尔茨（Wolfram Schultz）和他的同事们在猴子身上做了一个关键实验，发现多巴胺神经元的放电模式和这套算法的预测几乎完全吻合。

具体来说，实验是这样设计的。猴子面前有一个灯，灯亮之后会延迟一段时间再给果汁。一开始，果汁意外出现时，多巴胺神经元会爆发。但经过反复训练后，猴子学会了灯亮意味着果汁要来，多巴胺的爆发就转移到了灯亮的那一刻。等到果汁真正出现时，因为已经在预期之中，多巴胺神经元反而没有反应了。如果灯亮了但果汁没给，多巴胺神经元的活动还会在本该给果汁的时间点出现一个下降。这个模式和时序差分学习算法的数学预测严丝合缝，RPE假说由此奠定了它在神经科学中的统治地位。

在接下来的二十年里，RPE假说成为了解释动物行为的标准框架。它不仅能解释条件反射，还能解释更复杂的决策过程。研究者在它的基础上发展出了时序差分强化学习模型，简称TDRL，用来描述大脑如何利用预测误差来更新对世界的认知，从而优化未来的行为选择。英国诺丁汉大学的神经科学家马克·汉弗莱斯（Mark Humphries）评价说，RPE是计算神经科学的“闪亮高光时刻”，因为它第一次把一个抽象的计算模型和具体的神经信号对应了起来。

RPE假说还有一个重要的推论，和成瘾直接相关。按照这个理论，成瘾性药物会直接导致多巴胺大量释放，不管行为的结果如何。这就解释了为什么一个人明明知道吸烟有害健康，却还是戒不掉。每次吸烟都带来一个多巴胺峰值，这个峰值不断强化吸烟行为，即使人主观上并不想再吸。美国阿拉巴马大学伯明翰分校的神经科学家蒂博·科斯塔（Thibault Khaué Costa）说，RPE框架对成瘾研究来说是“不够的”，但如果你瞄准的是奖赏，“你最好别错过”。

就这样，RPE假说从一个实验发现，逐步发展成了一个解释学习、决策、成瘾等多种现象的统一理论。它统治了多巴胺研究领域将近三十年，被写进了教科书，也被无数科普文章引用。但就在最近几年，裂缝开始出现了。

多巴胺分子的三维结构示意图。多巴胺是一种儿茶酚胺类神经递质，由大脑中的多巴胺神经元合成和释放，负责在神经细胞之间传递化学信号，是大脑奖赏系统中最核心的信号分子之一

RPE假说的第一个裂缝，出现在它的解释范围上。早期研究受限于技术手段，只能记录少数几个多巴胺神经元的电活动。但在过去十年里，光遗传学和钙成像等新技术的出现，让科学家能够同时测量大量多巴胺神经元的活动，精度和范围都远超以往。美国霍华德·休斯医学研究所的神经科学家约书亚·达德曼（Joshua Dudman）说，大约十年前，科学家开始“在各种情境下测量多巴胺”，结果发现了大量“多巴胺根本没有按照RPE模型工作”的例子。

图为经典奖赏预测误差（RPE）理论的示意，分为三种情况：上方是意外获得奖赏时，多巴胺神经元产生爆发式放电；中间是当奖赏反复跟随线索出现后，多巴胺爆发转移到线索出现的时刻，对奖赏本身不再有反应；下方是当预期的奖赏没有出现时，多巴胺神经元的活动在本该给奖赏的时间点出现下降。这三种模式共同构成了 RPE 理论的核心实验证据。

最直接的挑战来自一个简单的事实：多巴胺神经元并不只对奖赏做出反应。多项研究表明，多巴胺神经元也会对威胁、运动、注意力需求甚至社会行为做出反应，有些亚群甚至编码的是非奖赏信号。比如，一些多巴胺神经元会对动物在迷宫中的位置做出反应，其活动模式更像是在编码“动物离目标还有多远”，而不是“奖赏比预期好多少”。这些发现都超出了RPE假说的解释范围。

美国范德堡大学的药理学家艾琳·卡利帕里（Erin Calipari）做了一个更有冲击力的实验。2021年，她的实验室开发出一种新方法，可以在小鼠身上精确测量应激诱导的多巴胺释放。结果发现，像电击脚这样的压力刺激，也能引发多巴胺的大量释放，而且这种释放不会因为后续没有奖赏而被削弱。按照RPE理论，如果一个刺激反复出现但后面没有跟着奖赏，多巴胺的反应应该逐渐减弱才对。但卡利帕里的数据完全不符合RPE的预测。她由此认为，多巴胺更像是一个帮助动物在不同系统之间高效切换的信号，而不是一个单纯的奖赏预测误差。


*图为实验数据与经典理论预测的偏差示意。随着光遗传学和钙成像等新技术的应用，越来越多的异常数据点出现，挑战着多巴胺的经典理论框架。*

另一个更具颠覆性的挑战来自美国加州大学旧金山分校的神经科学家维贾伊·南布迪里（Vijay Namboodiri）。他提出了一个叫做“调整后的因果关系”的新理论，英文缩写是ANCR。这个理论和RPE的核心区别在于学习方向。RPE理论认为，动物是向前看的，它根据一个线索来预测未来的奖赏，然后用预测误差来更新预测。而ANCR理论认为，动物是向后看的，它在经历一个奖赏之后，会回顾性地搜索是什么导致了这个奖赏，然后把奖赏和之前出现的线索关联起来。

南布迪里的团队用老鼠做了实验来验证这个想法。他们设计了两种条件反射训练方式，一种线索和奖赏之间的时间间隔是固定的，另一种是随机间隔。按照RPE理论，在随机间隔的条件下，老鼠对线索的多巴胺反应应该一开始很高，然后随着时间推移而下降。但实验结果恰恰相反，在随机间隔条件下，老鼠对线索的多巴胺反应反而随着训练逐渐增强。南布迪里的解释是，因为奖赏出现的时间不确定，老鼠需要更多地去回顾和搜索到底是什么导致了奖赏，这种因果归因的需求驱动了多巴胺反应的增强。

南布迪里还用吸烟的例子来说明ANCR和RPE的区别。按照RPE理论，如果反复吸烟但没有得到预期的奖赏，这种关联应该会减弱，但现实是很多人反复尝试戒烟却失败了。ANCR理论的解释是，多巴胺的作用是让大脑回顾性地寻找“是什么导致了这次体验”，如果点了烟然后感到放松，大脑会把放松归因于吸烟，即使这个归因可能是错误的。

2025年发表的一项研究又给RPE假说添了新的麻烦。这项研究发现，多巴胺可能参与编码重复的动作，而不是奖赏预测误差。研究者训练动物反复做同一个动作，发现多巴胺神经元的活动模式和动作的重复性高度相关，而和奖赏的预期关系不大。这暗示多巴胺可能参与的是“把一个动作变成习惯”这个过程，而不是“计算这个动作值不值得做”。

这些新发现加在一起，让RPE假说的裂缝越来越大。汉弗莱斯说，在经历了一段“明确的主导期”之后，RPE假说正在“显示它的年龄”。但问题是，推翻一个旧理论容易，建立一个新理论却很难。ANCR理论目前还只是一个挑战者，它能解释RPE解释不了的一些现象，但还没有被广泛接受。多巴胺研究领域正处于一个旧范式松动、新范式尚未确立的过渡期。

神经元突触传递的微观示意图。画面中央两个神经元的轴突末端相对，中间的白色光点代表多巴胺等神经递质在突触间隙中释放，从一个神经元传递到下一个神经元，从而完成神经信号的跨细胞传递

面对这些挑战，神经科学界内部出现了明显的分歧。大致可以分成两派。一派认为RPE理论的核心是对的，只是需要扩展和修改，把新发现的例外情况纳入进来。另一派则认为RPE已经不够用了，需要一个全新的理论框架来取代它。

图为经典理论与新框架的碰撞示意。神经科学界正在争论，是在旧模型上修修补补，还是发展全新的理论框架来解释多巴胺的真正功能

“修补派”的代表人物包括美国普林斯顿大学的神经科学家纳撒尼尔·道（Nathaniel Daw）和哈佛大学的神经科学家塞缪尔·格什曼（Samuel Gershman）。道认为，RPE模型从三十年前被提出以来，一直在不断地被修改和扩展，它从来就不是一个僵化的教条。早期的RPE模型确实比较简单，但后来的研究者已经在它的基础上加入了很多新的元素，比如更复杂的时间结构。道说，批评者说RPE是一个“移动的目标”，这恰恰说明这个理论一直在进步。格什曼则认为，RPE理论从机器学习中借用的概念本身就有足够的灵活性来容纳新发现，经典模型之后出现了大量的TDRL变体论文，研究者可以加入各种修改。他说，这些修改“纯粹是临时的”，但只要修改后的模型能匹配数据就没有问题。他的态度可以概括为：经典理论不是不能改，而是改了之后还叫不叫RPE，这是一个定义问题。

“推倒派”的代表人物包括美国约翰·霍普金斯大学医学院的神经科学家杰弗里·勋博姆（Geoffrey Schoenbaum）和前面提到的约书亚·达德曼。勋博姆将在塞维利亚会议上主持那场关于多巴胺角色的辩论。他的观点很明确：RPE理论已经走到了尽头，需要的不是在旧模型上打补丁，而是发展全新的模型类别，现在是时候考虑“多巴胺到底在做什么”这个更根本的问题了。达德曼的态度更激进，他说他已经准备好“把婴儿和洗澡水一起倒掉”，从头开始重新思考多巴胺的功能。他承认RPE模型在解释某些数据时确实很成功，但它的成功可能恰恰成了包袱，因为研究者太习惯于用RPE的框架来解释一切，以至于当数据不符合时，第一反应是修改模型而不是质疑基本假设。

美国明尼苏达大学的神经科学家戴维·雷迪什（David Redish）的态度介于两者之间，但更偏向推倒派。他已经开始把多巴胺重新概念化为“对显著性的编码”，所谓显著性就是一个事件是否值得被注意和学习，不管它是好的还是坏的。这个概念可以同时解释为什么奖赏和威胁都能引发多巴胺释放。但雷迪什也承认，显著性理论目前还只是一个模糊的方向，还没有发展出像RPE那样精确的数学模型。

这场争论有实在的临床意义。RPE假说不仅是基础神经科学的主流模型，也是临床医生理解和治疗注意力缺陷多动障碍、成瘾和精神分裂症等疾病的理论基础。比如，治疗注意力缺陷多动障碍的常用药物哌甲酯就是通过增加多巴胺水平来起效的。如果RPE模型需要根本性修改，那么关于这些疾病的驱动因素和治疗方法，都可能需要重新审视。

多巴胺分子的球棍模型，黑色球体代表碳原子，红色代表氧原子，蓝色代表氮原子，白色代表氢原子。多巴胺的化学名称为 4-(2 - 乙胺基) 苯 - 1,2 - 二酚，分子式为 C₈H₁₁NO₂，结构上包含一个邻苯二酚环和一条乙胺侧链

卡利帕里和南布迪里的研究也指向了类似的临床启示。卡利帕里发现压力诱导的多巴胺释放不遵循RPE规律，这意味着基于RPE的成瘾治疗可能忽略了压力这个重要因素，如果多巴胺的真正功能是帮助动物在不同行为系统之间切换，那么治疗成瘾就不应该只盯着奖赏系统。南布迪里则认为，如果ANCR理论是对的，戒烟治疗的思路就需要改变，目前的方法大多基于RPE理论试图通过减少奖赏来削弱吸烟行为，但如果多巴胺的真正作用是强化因果归因，那么治疗就应该针对“吸烟导致了好结果”这个错误信念。

当然，这些临床推论目前还都是假设。RPE假说虽然面临挑战，但它仍然是目前最成功、最精确的多巴胺理论。任何新理论要取代它，都需要拿出同等量级的实验证据和数学精度。汉弗莱斯的态度比较谨慎，他说他还没有看到一个能完全取代RPE的理论，但他也承认RPE已经不足以解释所有的数据了。

对于普通读者来说，这场争论有一个更朴素的启示。我们经常在科普文章中看到“多巴胺等于快乐”这样的说法，也经常看到“刷手机会导致多巴胺成瘾”这样的警告。但真正的科学研究告诉我们，多巴胺的功能远比这些简化说法复杂，它可能参与奖赏，也可能参与注意力、运动、压力、习惯形成和因果学习。当一个科学理论被媒体简化成一句口号时，最好保持一点怀疑，因为真实的科学往往比口号复杂得多。

多巴胺理论的这场争论还远未结束，塞维利亚会议上的那场辩论可能只是一个开始。随着更多精确的实验数据出现，科学界可能会逐渐达成新的共识，也可能会分裂成更多的理论流派。但无论结果如何，有一点是确定的：我们对大脑的理解正在经历一次深刻的更新，而这种更新本身正是科学最有价值的地方。

【本文中包含的图片均来源于网络，仅用于信息传播和新闻报道目的。我们尊重并保护所有版权拥有者的权利。若有任何版权问题，或版权拥有者不希望图片被使用，请与我们联系，我们将在收到通知后立即处理并删除相关图片。】