爽感，如何驱使我们做出选择？

从深夜的冰啤酒到周末的麻辣火锅，再到手机里刷不完的短视频，现代生活似乎总能轻易地为我们提供各种“快乐”与“爽感”。我们很自然地认为，是这些事物本身的味道、画面或节奏，直接带来了感官上的愉悦，并驱使我们不断追逐、重复。

然而，这种解释或许忽略了故事中一个更为关键的角色——我们的身体本身。当我们享受美食或娱乐时，真正的“奖励”信号，可能并非发生在味蕾接触食物的那一刻，而是在后续的消化、吸收与能量调节过程中，由身体内部悄然发出。

这意味着，我们许多看似由感官主导的行为，其根源可能并非来自外部的即时刺激，而是一种源于生理深处的、无意识的反馈。我们的身体，似乎在以一种我们未曾察觉的方式，“操控”着大脑的选择。

最近Weber等人发表在Trends in Cognitive Sciences期刊上的一篇综述论文[1]，提出了一个别有新意的观点：

强化学习（Reinforcement Learning, RL）和行为驱动的核心动力，并非仅仅源于感官上的即时刺激，而是更深层次地来自我们身体内部无意识的生理反馈，即“内感受”（interoception）。

这一观点重新定义了自然奖励（primary reward）的起源与性质，将奖励从单纯的“外部刺激”转向了体内状态和事件驱动，扩展了RL的理论框架，也将引导我们重新审视人类行为与学习的底层逻辑。

强化学习：行为与奖励的闭环

要理解内感受的重要性，首先需要了解强化学习这一概念。RL是心理学、神经科学和人工智能领域的一个重要理论，它描述了个体如何通过行为获得奖励或惩罚，从而学习哪些行为应该重复，哪些行为应该避免。

RL的核心在于“环境—动作—反馈—学习”的闭环。个体在特定环境中采取某种行动，该行动会产生一个反馈，可能是积极的奖励，也可能是消极的惩罚。个体根据这些反馈来调整其未来的行为策略，以最大化奖励或最小化惩罚。

▷训狗与自动停车中的强化学习. 图源：https://www.mathworks.com/

这方面的经典案例是巴甫洛夫的狗。每次喂食狗的同时摇铃，几次之后，狗在只摇铃的情况下，也会分泌唾液。同样，一只狗在指定地点排便后得到零食奖励，它就会学会在这个地方上厕所。

RL的机制在人工智能领域也有着广泛的应用。例如AlphaGo通过与自己对弈，从每一次棋局的胜负中学习，不断优化其下棋策略，最终击败了人类顶尖棋手。自动驾驶汽车通过在模拟环境中不断尝试不同的驾驶行为，并根据行驶安全性、效率等反馈来调整其决策模型。Netflix、Tiktok等平台的推荐算法会根据用户观看、点赞、收藏等行为来学习用户的偏好，并推荐更符合用户口味的内容，从而增加用户的使用时长。

这些应用都体现了RL“行为→外部反馈→学习路径优化”的基本模式。然而，这种传统模型存在一个关键问题：我们是否真的仅仅根据“感受到的外部刺激”来判断一件事的价值呢？

传统模型过度强调外部奖励和惩罚的作用，而忽视了人类行为背后更深层次的驱动力。例如，如果一个人仅仅为了获得点赞而写作，那么当点赞量不如预期时，他可能就会失去继续写作的动力。这并不能完全解释为什么有些作家即使没有获得大量关注，依然坚持创作。

更重要的是，很多我们“上瘾”的行为，其外部奖励并不总是显而易见的，或者其长期后果甚至是负面的，比如吸烟、熬夜、沉迷垃圾食品等。如果仅仅是外部刺激在起作用，那么当这些行为带来负面后果时，我们应该能够轻易戒断，但现实并非如此。这表明，在外部反馈之外，存在着某种更深层次的、无意识的奖励系统在起作用。

内感受：身体内无声的奖励系统

内感受是指我们身体内部的各种生理信号，它们是如此微弱以至于我们通常难以察觉，但却真实地存在并影响着我们的大脑。这些信号包括但不限于：心跳的加快或减缓、呼吸的急促或平缓、血糖水平的升降、口渴感、饱腹感、肌肉的紧张或放松等等。

内感受不仅影响我们的基本生理需求，还深刻影响着我们的情绪、认知和决策。例如，当我们的心跳加速、手心出汗时，这些内部生理信号可能会被大脑解读为焦虑或兴奋，从而影响我们对当前情境的判断和反应。

虽然内感受不如视觉、听觉、味觉等外部感官刺激那样明显，但它们却构成了大脑评估一个行为是否有价值的最终依据。正如论文所强调的，我们并不是被食物本身奖励了，而是被食物消化后产生的生理变化所奖励。

内感受之所以重要，是因为它为大脑提供了一个关于身体内部状态的实时“报告”。这个报告决定了大脑如何评估一个行为对于身体生存和繁衍的价值。当我们采取某个行为，并因此改善了身体的内部环境（例如补充了能量、缓解了压力），大脑就会将这种改善解读为一种“奖励”，并强化导致这一行为的神经通路[2]。

例如当我们感到饥饿时，身体的血糖水平下降，肠胃发出信号。这时我们进食，食物被消化吸收，血糖水平回升，能量得到补充。这个过程中，迷走神经会将营养输入的信息传递给脑干，进而触发大脑释放多巴胺，产生“快感”。这种快感并非仅仅来自食物的味道，更重要的是身体通过内感受获得的“续命”信号。

然而，这套为保障生存而演化出的古老系统，在现代社会中常常被各种超常刺激所“利用”甚至“劫持”。理解这个过程，我们首先需要区分两种相互关联的奖励信号：

• 自然奖励（Natural Reward）：这是最根本的奖励，源自内感受系统对身体内部状态真实改善的确认。例如，食物消化后血糖回升、饮水后身体脱水状态缓解。这是我们生存系统真正追求的终极目标。

• 代理奖励（Proxy Reward）：又叫次级奖励（secondary reward），这是一种“快捷方式”或“预测信号”。它是能够预示自然奖励即将到来的外部感官线索。例如，食物的香气、甜美的味道、餐厅的招牌。大脑通过经验学会，这些代理奖励的出现，意味着真正的自然奖励很可能随之而来。

现代生活中的许多诱惑，正是通过放大“代理奖励”并精准兑现“自然奖励”来让我们难以自拔的。夜宵、游戏、短视频便是三个典型的案例。

以深夜加班后的那碗拉面为例。身体此时正处于低血糖的能量缺乏状态，食物的香气和味道首先作为一种代理奖励，强烈地预示着能量即将到来。而当食物入胃，迷走神经感受到营养物质的输入，并将“能量正在补充”的信号传至脑干，最终促使大脑释放多巴胺时，真正的自然奖励才被兑现。此时，你的身体在用最诚实的方式告诉你：“这碗面成功地为我续命了！”这种由身体能量状态真实改善所带来的深刻满足感，其力量远比味觉刺激更强大，也解释了为何我们明知夜宵不健康，身体的本能依然难以抗拒。

相比于夜宵对生理需求的直接修复，游戏则通过另一种方式——模拟生理兴奋——来激活奖励回路。当你在竞技游戏中获胜时，心跳会加快、血压会上升，大脑会将这种生理上的高激活状态与胜利的成就感错误地绑定，记录下“这件事让我的身体机能变强了”的信号。这种由游戏事件驱动的生理兴奋本身就成了一种奖励，即使意识已感到“没意思”，但身体对肾上腺素飙升的依赖，仍在推动你渴望下一局的刺激。

而短视频的逻辑则更为精妙，它通过碎片化、快速切换的特点，不断制造“轻微期待”与“轻微满足”的循环，频繁地“微量”激活身体的反馈系统。每划过一条视频，身体都会进入一种微小的觉醒和期待状态，当偶然刷到有趣内容时，心跳的瞬间加速、大脑皮层的活跃，都是内感受奖励的体现。即使意识上感到空虚，但身体内部的反馈系统却在不断对大脑说：“继续，下一个可能更精彩。”它让我们沉迷于一种永不满足、永在期待的过程本身。

从这三个案例中，我们可以看到奖励系统运作的复杂性。夜宵的满足感，更偏向于状态驱动（state-driven）的奖励，因为它真实地修复了身体的能量亏损状态。而游戏和短视频带来的刺激，则更接近事件驱动（event-driven），奖励与具体事件（胜利、刷到新内容）的发生紧密相关。更进一步，这也揭示了奖励机制可以推广到更高级的认知与动机行为，即目标相关奖励（goal-dependent Reward）。

无论是修复生理稳态，还是在虚拟世界中达成目标，其底层都依赖于内感受系统对“状态变好”的判断和确认。正是这套深植于我们生理内部、常常被意识忽略的奖励系统，解释了为何在理智与本能的博弈中，我们常常身不由己。

忽视了“身体”的传统模型

这种以内感受为核心的奖励机制，也让我们得以重新审视和反思人工智能领域中关于学习和决策的传统模型。

在传统的人工智能强化学习（RL）模型中，奖励通常被定义为外部的、可量化的结果，例如在游戏中获得高分、投资成功赚钱或在分类任务中得出正确结果。模型的核心是“行动”与“回报”的简单映射。然而，在人类身上，真正被强化的不是外部结果本身，而是这些结果所引发的身体内部变化。

这解释了许多传统模型难以解释的“非理性”行为。按照传统理论，当垃圾食品带来肥胖、疾病等负面后果时，我们应该迅速戒断。但实际上，高糖高脂食物带来的即时能量补充（一种强大的内感受奖励），往往让人难以自拔。类似的，吸烟对健康的危害众所周知，但尼古丁能够暂时缓解焦虑、提高专注力，这种生理上的“爽感”使得戒断变得异常困难。如果不将“身体状态”这一变量纳入考量，现有的RL模型就无法完整且准确地解释这些复杂的行为模式。

更进一步，这一框架也解释了为什么人在不同状态下（饿、困、累）判断力会差异如此之大。当我们饥饿、疲惫或压力山大时，身体内部的稳态被打破，内感受系统会向大脑发送强烈的“警报”信号。此时，大脑的优先级会从长远规划转向解决眼前的生理需求，因此更容易做出冲动或短视的决策，例如，一个饥饿的人可能会更容易被食物广告吸引并超量购买。

因此，Weber等人认为，如果不将“身体状态”这一变量纳入考量，现有的RL模型就无法完整且准确地解释这些复杂的行为模式。仅仅依靠外部奖励来驱动行为，如同盲人摸象，无法窥见人类行为的全貌。

人类行为的复杂性在于，它不仅仅是理性思考的产物，更是生理和心理相互作用的结果。我们的决策往往受到情绪、身体状况、潜意识等多种因素的影响。内感受作为一种无意识的生理反馈系统，为大脑提供了关于身体内部环境的关键信息，从而影响了我们对外部世界的感知、评估和响应。

例如，当我们感到寒冷时，我们会本能地寻找温暖的衣物或取暖设备。这个行为并非仅仅基于我们对“冷”的认知，更重要的是身体内部温度下降所带来的不适感，这种不适感通过内感受被大脑识别，并促使我们采取行动来恢复身体的稳态。当身体恢复温暖时，大脑会记录下这种“奖励”，从而强化了未来在类似情境下采取相同行为的倾向。

与传统强化学习（RL）模型只关注外部行动与回报不同，人类的学习与行为强化，本质上是以身体内感受为核心驱动的。外部事件之所以能成为“奖励”，是因为它们引发了身体内部的即时变化，例如能量补充、多巴胺释放、焦虑缓解或稳态恢复。这些内感受信号是大脑记忆强化的对象。人类的决策与习惯形成，并非仅依赖理性计算或外部奖惩，而是深深植根于生理状态与心理体验的交互过程。换言之，人类更接近一个“以内感受为奖励机制的强化学习框架”，而非传统意义上忽视身体维度的模型。

强化学习+内感受系统，

构建更真实的智能体

如果我们要设计一个真正像人类一样思考和行动的AI，那么它不应该仅仅考虑“赢”或“输”的外部结果，而应该能够“感受到”行动过程中产生的内部变化。这需要将内感受系统融入到未来的AI模型中。为了构建更真实的智能体，未来的AI模型需要具备“具身智能”（embodied intelligence）的特性[3]。具身智能是指智能体不仅能感知和处理信息，还能通过与物理世界的交互来学习和适应，并且能够感知和利用自身的内部状态。

要实现这一目标，需要模拟“体内状态系统”。AI模型需要能够实时跟踪模拟的能量状态、压力水平、内分泌变化等内部生理指标。这就像为AI配备一个“身体”，让它能够感知自身的“饥饿”、“疲惫”或“兴奋”。这些模拟的内部状态反馈需要与AI的强化学习机制相结合，用于调节决策权重。例如，当AI的“能量”不足时，它可能会更倾向于选择那些能够迅速“补充能量”的行为，即使这些行为在短期内效率不高。

这是一种全新的强化学习框架，将内感受作为奖励信号的重要来源。在这种模型中，AI的决策不仅仅是为了最大化外部奖励，更是为了优化自身的内部状态，以达到一种“体内稳态”。这样的AI或许才能真正地接近人类，拥有情绪、欲望、节奏甚至成瘾倾向。例如情绪感知。如果AI能够模拟内部压力水平的变化，它或许就能“感受到”焦虑，从而调整其任务分配策略，避免过度负荷。

如果AI能够模拟能量消耗，它或许就能“感觉到饥饿”，从而主动寻找“食物”（例如计算资源或数据），而不是被动等待任务分配。如果某种行为能够持续带来“内部奖励”，即使从外部看效率低下，AI也可能表现出“成瘾”的趋势。

当前，人工智能领域巨头，包括OpenAI、DeepMind、Meta都在积极探索“能感受身体状态”的AI，或所谓的“具身智能”（embodied intelligence）——未来的AI将不仅仅是能够处理信息和执行任务，更重要的是能够感知并利用自身的身体状态，从而实现更接近人类的智能。

具身智能的核心在于，智能体不仅拥有“大脑”，还拥有“身体”，并且能够通过身体与环境进行交互，感知身体的内部状态。机器人通过与物理世界的交互来学习和适应，例如学习如何抓取物品、如何在复杂环境中导航。AI模型在模拟环境中进行训练，这些环境不仅模拟了物理世界的规律，还可能模拟了智能体的“身体”和“感官”系统。AI能够整合来自不同模态（例如视觉、听觉、触觉）的信息，更全面地理解事物。

内感受为AI提供了一个全新的维度。如果AI能够感知自身的“能量水平”、“计算负荷”、“传感器状态”等内部指标，它就能够更智能地分配资源，更有效地规划行动，甚至在某些情况下表现出类似“直觉”或“情绪”的特征。

例如，OpenAI的“具身智能体”（Embodied Agent）项目，就旨在引入类似神经内反馈的模块，使AI能够感知自身的内部状态；以及DeepMind提出的“内稳态RL”（homeostatic RL）框架，这一框架旨在让AI通过调节内部生理状态来优化其行为，而不是简单地追求外部奖励。

在医疗领域，AI模型开始将患者的“主观身体体验”（例如疼痛感、疲惫程度）作为重要的诊断变量，以更全面地评估患者的健康状况。传统的医疗诊断主要依赖于客观的生理指标和医生的经验。然而，患者的主观感受（例如疼痛程度、疲劳感、焦虑情绪）往往是疾病诊断和治疗效果评估的关键信息。

未来的医疗AI可能会整合这些“主观身体体验”作为诊断变量。例如，一个能够理解患者内感受的AI，可能会更准确地识别出慢性疼痛患者的真实痛苦程度，或者更早地发现患者情绪波动的深层生理原因。这将使得医疗诊断更加个性化、全面化，并有助于开发更有效的治疗方案。

此外，如果AI自身能够具备内感受，那么它将不仅仅是一个被动执行指令的工具，而可能拥有更复杂的“欲望”和“选择”。例如，一个模拟了计算负荷和压力水平的AI，当其“压力”过大时，可能会主动寻求“休息”或“优化资源”，从而避免崩溃。一个具备内感受的自动驾驶AI，可能不仅仅选择最快的路径，还会考虑乘客的舒适度，例如避免急刹车或颠簸路段。

设想一下，未来的AI或许真的能够“觉得自己饿了”、“意识到自己焦虑”、“选择更舒服的路径”，AI将从“赢得更多”的单一目标，转向追求“体内稳态”和“整体福祉”的多目标优化，从而使得AI的行为模式更加接近人类，也更具通用性。这无疑是人工智能发展史上一个里程碑式的突破。

未解决的问题

▪ 除了主要的宏量营养素（脂肪、碳水化合物、蛋白质）之外，还有哪些微量营养素参与产生口后（post-ingestive）信号？

▪ 与其他生理相关过程（例如亲密关系、体温调节和呼吸）相关的潜在主要奖赏信号是什么？

▪ 这些内感受相关的奖赏信号是如何与支持决策的大脑回路整合的？

▪ 内感受的奖赏机制在多大程度上可以推广到与好奇心、目标达成或新奇事物相关的内在奖赏？

▪ 其他内感受性信号，例如处理心脏和呼吸相关信息，是如何与奖赏系统相互作用的？

▪ 延迟的内部强化信号和即时的外部强化信号的不同多巴胺信号是如何整合的（例如，在背侧纹状体和腹侧纹状体中）？

在传统的营养与奖赏研究中，脂肪、碳水化合物与蛋白质被视为主要的能量来源与奖赏驱动。但近年来的研究指出，微量营养素同样在口后阶段发挥信号作用。例如钠离子直接驱动饮食偏好，钙、铁、锌等矿物质则通过体液平衡、造血与酶活性调控，间接影响进食的奖赏反馈。此外，维生素类也能通过神经递质合成（如维生素B6对多巴胺与5-HT合成的作用）参与奖赏系统。由此可见，营养奖赏并非单一能量模型，而是多层次的信号整合。

若将视野扩展到其他生理过程，亲密接触带来的催产素、加压素信号，体温调节中的温敏通道与内啡肽释放，呼吸中的二氧化碳水平反馈与迷走神经张力，均能成为潜在的奖赏来源。这些内感受信号不仅传递身体状态的适配信息，也强化了与个体生存和社会联系相关的行为，从而具备“内在奖赏”的属性。

在神经环路层面，这些信号通过丘脑、岛叶、扣带皮层与伏隔核等区域进入奖赏系统，与经典的多巴胺驱动的决策回路相融合。背侧纹状体多与动作习惯和延迟奖赏整合相关，腹侧纹状体则更敏感于即时奖励与预测误差。由此形成的动态平衡，使得个体能在即时满足与长远目标之间进行灵活选择。

值得注意的是，内感受奖赏机制具有可推广性。研究显示，好奇心、新奇探索与目标达成同样会招募与内感受奖赏相关的神经环路，特别是岛叶与伏隔核的活动模式，提示大脑可能利用相似的“内部价值计算”机制来评估不同类型的奖励。与此同时，心跳、呼吸等节律性信号通过与脑干及边缘系统的交互，进一步塑造奖赏敏感性。例如心脏收缩相关的信号可调节杏仁核与前额叶的情绪价值判断。

因此，内感受相关的奖赏机制为理解多维度的人类动机提供了关键线索。它们不仅涵盖食物与营养，还延展到社交、探索、情绪调节与长期决策，最终在分布式的神经环路中实现即时与延迟强化的整合。

结语：身体塑造了大脑

人们为何偏爱某些人、某些食物、某种娱乐方式？你为何做出那些决策？为何总是坚持不了自己的计划？这些问题的答案在于，人们并不完全受大脑皮层中“理智”的调控。

真正改变人类行为的，往往不是单纯的逻辑思考，而是身体内部的无声反馈。Weber等人的研究，将我们从“头脑决定论”的传统观念中，拉回到一个更具整体性和生物学基础的“身体共谋论”。我们的学习系统，你从未在意的心跳节奏、肠道迷走神经，以及奶茶滑入口中的爽感，却时时刻刻都在影响着你是谁。它不吵不闹，却无声无息地塑造着我们的一切。

在快节奏的现代生活中，我们常常忽视身体发出的这些微弱信号。我们习惯于用大脑去思考、去分析、去决策，却很少停下来倾听身体的声音。然而，正是这些微弱的、无意识的内感受，在潜移默化地影响着我们的行为、情绪和决策。

理解“自己其实没那么理性”。我们应该尝试更认真地对待自己身体的每一个回馈。当你感到烦躁不安时，问问自己是不是累了；当你渴望某种食物时，思考一下是真正的饥饿还是身体对某种生理奖励的渴望；当你沉迷于某个娱乐活动时，感受一下身体的真实状态。通过有意识地感知和理解这些内部信号，我们将能够更好地驾驭自身，做出更符合长期利益的决策，从而活出更健康、更充实的人生。

[1]. Weber, L.A., Rangel, A., & Barrett, L.F. (2025). The interoceptive origin of reinforcement learning. Trends in Cognitive Sciences.

[2]. Critchley, H.D., & Garfinkel, S.N. (2017). Interoception and emotion. Current Opinion in Psychology.

[3]. OpenAI (2024). Embodied Agent: A Framework for Interoceptive AI. arXiv preprint.

关于追问nextquestion

天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。欢迎评论区留言，或后台留言“社群”即可加入社群与我们互动。您也可以在后台提问，我们将基于追问知识库为你做出智能回复哦~

关于天桥脑科学研究院

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。

Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工天桥神经科学研究院。

Chen Institute建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、等。