难解释的从来不是"他为什么开始"，而是"都已经不快乐了，他为什么还要"。
提起成瘾，脑子里冒出来的画面多半是"太爽了，停不下来"。可你去问那些困了很多年的人，答案常常反过来：早就不爽了，但还是会去做。抽了二十年烟的人，很少形容那口烟"好享受"；他形容的是"不抽难受"。这不是意志力的故事，是回路的故事——大脑里"想要"和"喜欢"本来就是两套不同的系统，而成瘾干的事，是把其中一套撑到失真，同时让另一套悄悄枯掉。
先拆掉一个流行说法：多巴胺不是"快乐分子"。这个误会太深，连很多科普都在传。多巴胺是脑子里一种传信号的小分子（这类分子统称神经递质，你可以想成不同频道的广播）。它真正管的事，用大白话说是"去够"——起身、伸手、盯住、扑上去。爽不爽，是另一回事。
最干脆的证据来自一组老实验。把大鼠脑内的多巴胺几乎清空，它们不再主动去够糖水，能在食物旁边饿到需要人工喂食；但你把糖水滴进它嘴里，它那套"好吃"的面部动作（伸舌头、舔嘴）和正常老鼠一模一样。喜欢完好无损，想要没了。
反过来也成立。帕金森病人常吃一类直接模仿多巴胺的药，其中有一小部分人会突然出现病理性赌博、疯狂网购、停不下来的暴食——把"想要"用药理拧大，行为就跟着变了。而他们往往说：赌的时候其实并不开心。
那"爽"归谁管？归一套小得多、也脆弱得多的系统：伏隔核和腹侧苍白球里几块被叫作"享乐热点"的小区域，靠的是脑内自产的类阿片和大麻素分子。它们范围小、不容易被拧大——这就是为什么快感有天花板，而渴望没有。（这一整套回路长什么样，奖赏回路；各种递质分别管什么，神经递质系统）
EN Dopamine is not a "pleasure molecule": dopamine-depleted rats stop pursuing sucrose yet still show normal hedonic "liking" reactions when it is placed in their mouths, while dopamine agonists in Parkinson's patients can trigger pathological gambling that the patients describe as joyless. Wanting (incentive salience) and liking (opioid/endocannabinoid hedonic hotspots) are separate systems — addiction inflates the first while the second fades.
AI 里有一套训练方法叫强化学习：让程序在环境里试错，做对了给一个分数（reward，当下到手的那个数），程序则学着估计"从这一步往后总共能捞多少"（value，价值）。关键在于——真正驱动它行动的是 value，不是 reward。"喜欢"像 reward，"想要"像 value。成瘾看着就像一个价值估计被撑得离谱、而实际奖励早已归零的智能体：账本上写着"这件事巨值"，于是照做不误，尽管做完什么都没得到。
正常情况下，多巴胺是个很省的老师。经典实验里给猴子果汁：意外的果汁会让多巴胺细胞爆发一下。但如果每次给果汁前先亮一盏灯，猴子学会之后，爆发就整个挪到灯上了——果汁真到嘴里时反而没反应；而灯亮了却没给汁，多巴胺会掉到基线以下，那是"失望"的生理形态。
它传的其实是一句话："比我预想的好多少？" 好过预期就冒一下，正如预期就沉默，差于预期就往下掉。所以自然的快乐天生自带刹车：一旦可以预测，信号就归零——你不会为第三口饭激动。（这套教学信号灌进哪里、怎么改写动作，基底节）
成瘾物质的狠，就在于它不走"预测"这条路，直接从化学上撬多巴胺。可卡因堵住把多巴胺收回去的那个泵，让它赖在原地不走；安非他命更粗暴，把泵倒过来往外抽；尼古丁直接点着造多巴胺的那批细胞；阿片类则是解开平时"按住"这批细胞的那只手（一群抑制性神经元），松开即狂奔；酒精几路并进。
后果很要命：自然奖赏能被预测掉、信号会熄火，药理那一下不会。每次使用都还剩一个"比预想更好"的信号，学习永不饱和。于是和它绑在一起的线索——那条街、那个杯子、那个点开屏幕的手势——被反复涂上"重要"的高光，越涂越亮。这个过程还会敏化：停用很久之后再撞上那个线索，扑上去的冲动可能比当年更猛，尽管快感早就不如当年。
EN Dopamine neurons signal reward prediction error — they fire to unexpected reward, shift to the earliest predictive cue once learned, and dip below baseline when a predicted reward fails to arrive. Natural rewards therefore silence their own signal once predictable. Drugs bypass this by raising dopamine pharmacologically (cocaine blocks the transporter, amphetamine reverses it, nicotine excites VTA neurons, opioids disinhibit them), so the error never zeroes out and the associated cues keep gaining incentive salience — a sensitization that outlives the pleasure.
强化学习里有个基本要求：误差要能归零，估值才收敛得住。但如果有人在某个动作的奖励通道上直接焊了一个恒定的正数——不管环境实际给不给，一做就加分——误差就永远归不了零，价值估计一路膨胀，最后策略坍缩成"只做这一件事"。这在 AI 圈叫奖励通道被绕过（reward hacking 的一种）：程序找到了绕开真实目标、直接拧大分数的捷径。成瘾物质对大脑做的，几乎是同一件事——不是把世界变好，是伪造了"变好了"的那个信号。
成瘾不是一天长成的，它有个明确的搬家路线。早期，行为归纹状体（脑深处那块负责"做还是不做"的组织）的腹侧管，那里算的是"值不值"——你还在做选择。反复很多次之后，控制权逐渐移交给背侧，那里存的是习惯：到了那个情境就出那个动作，不再核算结果。就像你明明今天要去别处，车却自己开回了家。行为和它原本的目的脱钩了。
同时另一头在松。影像研究反复看到：成瘾者纹状体上一类多巴胺受体（D2）的可用量下降，而且降得越多，前额叶的代谢活动也越低。前额叶正是管"等一下、想想后果"的那块（前额叶）。油门更灵，刹车更轻。
把整个过程摊开，它是一个三段式的圈。第一段是暴用与中毒，图的是那一下。第二段是戒断与负性情绪：脑子为了对抗被反复拔高的快感，会主动招募一套"反向系统"（扩展杏仁核里的压力信号，跟应激那条线是同一批分子，应激轴）。药一撤，只剩这套反向系统在响——焦虑、烦躁、什么都没意思。第三段是渴求与预期：前额叶不再拦，反而开始给你写理由，"就这一次""今天特殊"。
于是最痛的那个悖论有了解释：动机从"为了变爽"换成了"为了别难受"。快感在缩水，痛苦在打底，而每绕一圈，那块"什么都不做时的舒服程度"的地板还会再降一格。
EN Control migrates from ventral striatum (goal-directed, "is it worth it") to dorsal striatum (habit, stimulus-response), while striatal D2 receptor availability drops in step with reduced prefrontal metabolism — stronger accelerator, weaker brake. Koob and Volkow's three-stage cycle (binge/intoxication → withdrawal/negative affect, with CRF and dynorphin recruited in the extended amygdala → preoccupation/craving) explains the cruel part: motivation flips from positive to negative reinforcement, and the hedonic set point ratchets downward each lap.
强化学习把决策分成两档。基于模型的（model-based）：脑内先模拟"我这么干会怎样"，再挑一个——慢、费劲、但改得动。无模型的（model-free）：只查一张缓存好的表，"看到这个局面就出这个动作"——快、省，但缓存过期了它也不知道。搞 AI 的人早就发现，反复训练会让系统从前者滑向后者：算得多不如查得快。成瘾正是这个滑坡在生物脑上的版本——从"值不值"滑到"到点就做"，而缓存里那条早已失效的高分记录，没人去更新它。
关于复发，最该知道的一句话是：消退不等于删除。当你戒了很久、线索不再引发行动，大脑并没有把原来那段"这里有奖赏"的记忆擦掉；它是在上面新盖了一层"这里现在没有了"的抑制性记忆。两段记忆并存，而且新的那层挑地方——它绑在你戒断时所处的语境里。回到当年的街道、遇上压力、或者只是碰一小口，旧的那层就翻上来了（突触可塑性；语境由谁标注，海马）。
更反直觉的是渴求的时间曲线。直觉以为它从戒断当天开始一路下降，实际测出来的是先涨后落：停用后的头几周到几个月，线索勾起的渴求反而爬升到峰值，之后才缓慢回落。这个现象叫渴求的孵化，在动物和人身上都反复看到。它的实用含义很直接——最危险的时刻，往往不是第一周，而是你已经觉得自己没事了的那阵子。
环境的分量比大多数人以为的重得多。越战期间，美军里海洛因使用相当普遍，约两成返乡士兵自评已经成瘾——按当时的临床经验，这批人回国后几乎注定复发。实际结果是：回国头一年里复发的只有约百分之五。同一批大脑，换掉了整套线索、同伴和生活结构，轨迹就完全不同。
所以真正有用的做法，方向是清楚的：先动环境，再动意志——把线索从生活里搬走，比在原地硬扛省力得多；重建结构和人际连接，那是"戒断之后拿什么填"的答案。该用药就用药：阿片成瘾用美沙酮或丁丙诺啡这类替代治疗，能把死亡风险压到大约一半；酒精有纳曲酮等；尼古丁有伐尼克兰和替代疗法。行为方案里，列联管理（对每一次干净的检测给予即时的实际奖励）是目前对兴奋剂类最有效的一种。这不是道德考试，卡住了就去找专业的人。
EN Extinction is not erasure — abstinence builds a new, context-bound inhibitory memory on top of the original one, so the old association returns with the old context, stress, or a single lapse. Cue-induced craving also incubates: it climbs for weeks to months before declining, so the riskiest window is often not the first week. Environment carries enormous weight (only ~5% of the ~20% of returning Vietnam veterans who considered themselves addicted relapsed in their first year home), and effective treatment is mostly structural plus pharmacological: agonist therapy roughly halves opioid mortality, and contingency management remains the strongest behavioral tool for stimulants.
"消退不是删除"这件事，在大模型上有个几乎逐点对应的版本。给模型做后期调教（比如让它拒绝回答某类问题），并没有把相应的能力从权重里删掉——只是在上面压了一层"别这么答"；换个语境、绕个说法，压住的东西就翻出来了，这就是所谓越狱。学界因此专门有个难题叫机器遗忘：想让模型真正"忘掉"某段知识异常困难，因为它从来不是一条能被删除的记录，而是摊在无数连接权重上的一个倾向。生物脑那边，答案一模一样——记忆不在某个格子里，删不掉，只能被新的学习盖住。
"想要"和"喜欢"的分家，不是二十世纪才被发现的——只是过去没有电极，只有人反复观察自己：