你是否想过，作为非职业玩家，我们为何沉迷游戏？仅仅是为了打发时间，追求推掉水晶、拿下五杀的快感，还是和朋友组队开黑的欢乐？

其实这些都不是根本原因。一场游戏的胜利或一次精彩操作带来的兴奋，不足以让我们一局接一局地玩下去。

真正让我们欲罢不能的，是大脑的反馈机制，而多巴胺则是其中的关键。很多人误以为多巴胺就是快感本身，实则不然。多巴胺是脑垂体腺的前体物质，它代表着我们对快感的预期，是追求快感的驱动力。

当在游戏中获胜或击杀敌人时，身体分泌的肾上腺素、催产素和内啡肽让我们感到愉悦，但大脑神经对这些情绪的体验是短暂的。真正促使我们不断开启下一局游戏的，是多巴胺构建的信号机制。

在多巴胺的影响下，打游戏时，我们想的不是 “玩游戏真爽”，而是 “这把能翻盘，下把肯定赢，再赢一把就能升段位”。多巴胺直接作用于大脑奖励回路，让我们反复沉浸在游戏世界中。

要将游戏的反馈机制运用到学习，先得了解它的工作原理。假设你是 MOBA 游戏新手，只知道要推掉敌方水晶。首次游戏时，你贸然孤身闯入敌方防御塔被击杀，大脑产生失望情绪。

复活后，你大概率会选择跟随兵线推进，最终推掉防御塔并赢得胜利，获得满足感。大脑会判断跟随兵线推进是更明智的选择，下次游戏时，你采取这种行动的概率会增加，还会做出更多正确操作，反馈回路效果得以强化。这也是职业选手出众的原因，他们的反馈机制更迅速。

反馈机制由这几个部分构成：交互环境（如游戏实时状态）、自身状态（击杀、获胜等）、动作（打开游戏、操作角色等，影响后续行为概率）、奖励（获胜的愉悦感，本质是快感预期）。

它遵循规则：游戏中每个时间点可能有不同动作；动作影响下一刻状态；每个状态对应奖励；动作影响后续反馈，且作用可正可负。

构建反馈回路的重要方法是强化目标预期。游戏的反馈是否及时、有效，决定了游戏的趣味性。游戏厂商常通过提高玩家动作收益（如推水晶升分数）、增加不确定性（随机皮肤设定）来加强反馈回路。

同样学习中的反馈也决定了学习模式的吸引力。

游戏主要有三种反馈强化模式：固定比率强化（打败固定数量怪物升级，或连胜固定场次升段）、固定时序强化（特定时间后解锁宝箱）、不固定比率强化（如抽卡有一定概率获得稀有卡牌）。

这些方法将不确定性奖励转化为确定性收益，对应游戏厂商关注的留存率、在线人数和净收入。反馈回路与反馈强化是强化学习的基础机制，强化是个体在尝试中更新反馈回路，优化至接近目标的过程，和监督式机器学习一样是人工智能的基石，且更符合人类进化模式，不符合正反馈回路的行为或族群会被淘汰。

人类进化得益于总结知识、发现规律以及不断尝试。谷歌 AlphaGo 是完善的强化学习系统，能通过大量对弈强化反馈回路。监督式机器学习是方法抽取，强化学习是方法探索，更接近理想中的人工智能。

了解强化学习机制，能看透学习行为本质。我们常思考学习的目的，有人说为了更好生活而学习，但什么是更好的生活？

从人工智能角度看，学习和玩游戏本质相同。学习要背单词、记公式、刷题，游戏要记英雄技能、练习走位和出装，在强化学习系统里都是动作，关键在于状态和预期奖励。

人类天生抵触枯燥，学习缺乏即时快感，所以容易让人产生抵触情绪。但有些人能坚持学习并享受其中，原因在于反馈机制。当学习带来正向收益，就能获得快感预期，即分泌多巴胺。

仅靠意志力学习违背生理本能，难以持久。大脑的行动动机如同海豹为获取 “小鱼干”，只有不断得到正向反馈，才会有前进动力。

学霸和学渣的区别在于对快感的预期和反馈不同。学霸是高效的强化学习系统，有完整反馈回路和有效反馈强化。想成为学霸，要做到以下三点：

缩短反馈周期：反馈周期长是很多人难以坚持学习的主因。高中时测试频繁，努力学习能快速看到成绩进步和名次上升，获得表扬，学习处于正向循环。大学反馈周期变长，学习动力减弱。将大目标分解为小目标，缩短反馈周期，能塑造连续学习回路。

增加反馈强化：参考游戏的反馈强化模式，比如考试进步奖励美食，把他人认可当作学习中的 “稀有奖励”，学习一定时长奖励玩游戏，以此提高学习留存率、延长学习时间、增加学习收益。

调整反馈难度：研究表明，玩家在高难度游戏获胜时大脑多巴胺回路活跃，适度高难度能激活反馈回路，这也是竞技游戏排位赛机制。学习中设置难度要结合自身实际，难度既不能太简单，也不能过高。一旦形成正反馈回路，学习动力会更充足，甚至能享受学习过程 。

文本来源@图灵的猫 的视频内容