习惯回路：强化训练怎样从费力变成自动

强化训练的终点常常被说成「变成习惯」。这句话对了一半。对的一半是：足够多次、在稳定线索下被强化的动作，会从费力的目标追踪变成相对自动的刺激—反应。错的一半是：以为习惯等于更高级的人格，或等于技能已经完美。习惯回路省的是监督，不是对错。焊进去的若是低质量序列，自动只会让它跑得更顺、更难拆。

先把两套控制分开。一套是目标导向：前额叶和纹状体偏内侧、偏腹侧的部分根据当前目标和结果的因果关系来选动作。结果变了，这套系统相对快地改选择——发现窗口挪了，就不再去旧窗口。另一套是习惯：背外侧纹状体（壳核一侧）把「这个线索→这个动作」焊住，不太问这一次结果还值不值得。结果变了，它仍可能走旧路。两套平时合作：新任务、高代价、要灵活时走目标；线索稳定、重复极多、要省注意时走习惯。

强化怎样把控制权交出去

强化在这里不是口号里的「正能量」，是：某个结果使该线索下的该动作在以后更可能出现。食物、过关、社交回应、内部的「做完了」都可以当强化物。重复足够多次后，动作开始由线索驱动，即使强化物当时并不在。实验室里把这个转变测得很死：目标系统还在时，贬值结果（让奖励变得不再想要）会减少该动作；习惯主导后，贬值结果，动作仍在。对生活的翻译是：你不一定「想刷」，门和解锁动作已经够了。

组块是同一套机器的零件。基底神经节会把常按固定顺序出现的环节打成一块，启动只需线索，中间不再逐步决策。系鞋带、打字、走熟路，都是组块在跑，所以你可以同时聊天。新证明题没有现成组块，每一步都要目标系统盯着，聊天就会抢同一笔监督预算。把所有学习都说成「多重复就会自动」，漏掉了前提：重复必须是同一条可接受的序列。重复错误，组块同样形成，只是焊的是错的。

多巴胺在习惯形成里常被简化成「快乐物质」。更接近实验的说法是：它广播预测误差和激励显著性，帮助把线索与动作钉在一起。钉住之后，快感可以变淡，驱动却还在——从「做了真爽」滑向「不做就难受」。这不是道德堕落的专用机制，刷牙也走类似的路，只是社会评价不同。

线索、情境、熄灭和复燃

习惯绑在线索和情境上：时间、地点、前一个动作、身边的人、内部状态（累、饿、无聊）。改目标而不改线索，等于要求目标系统每天在最累的时候赢过已经焊好的那条路。赢几次不奇怪，连赢很贵。把充电器换房间、把应用从首页拿掉、把书包放在书桌而不是床上，是在改输入，不是在表演意志。

熄灭是：线索出现，动作不再被强化，慢慢不再做。熄灭不是删除。换一个情境，旧线索仍可能把旧动作叫回来，这叫复燃或更新。所以「假期里改掉了，开学又回去」常常不是人没毅力，是开学把原来的线索包原样发回来了。要稳，需要在真实会遇到的情境里建新的竞争动作，而不是只在真空里发誓。

插入一个新动作有时比直接禁止旧动作更便宜：线索出现后，先做那个新的、短的、能完成的，让组块的第一环改道。第一环改了，后面的旧块不一定被启动。励志句子几乎从不成为第一环，因为它不绑在可感知的线索上，也无法在三秒内完成。

技能自动化和坏习惯共用管道

运动技能进入自主阶段，和刷手机进入自动，解剖学上不是完全同一块肉，但逻辑同构：监督退出，线索和组块接管。这就是为什么熟练动作可以在疲劳时仍大致完成，而新学习先垮——前额叶和目标系统对睡眠、压力更敏感。考试周还能刷牙、还能打字，读不进新段落，是监督下线，不是「习惯都消失了」。

训练上的含义很具体。早期要慢、要拆、要让误差对准一个环节，避免把错误焊进以后很难拆的块。进入稳定后，再在真实线索下整段跑，让组块对上以后真正会出现的情境。永远拆、永远不在真实时间压力下跑，组块对不上考试和比赛；永远整段快冲，错误会一起自动。

意志在这个模型里不是发动机，是昂贵的监督器。它能在线索和习惯打架时短暂插手，不能当二十四小时的替代回路。把习惯问题写成性格，会逼人继续加监督，而监督正好是最容易先累垮的那一层。累垮之后，旧线索赢，人再得出「我就是这样的人」的结论。结论很完整，机制写错了。

建立和拆除不是对称的

建立一条习惯：固定线索、让动作短到当天就能完成、让结果至少偶尔真的出现（做完的清楚感也可以）。线索越具体越好：「一坐到那张桌子」比「我要成为一个勤奋的人」更容易焊。前几周要保护线索不被淹没：同一地点、同一第一动作，比每天换口号重要。

拆除或替换：先让旧线索变少或变弱，再在不得不遇到的线索后接新动作，并接受复燃会来。惩罚自己很少拆除组块，它常常只是在组块外面再包一层难受，难受本身又变成新的内部线索。奖赏新动作可以加速竞争，但若新动作太长、当天完不成，目标系统会很快放弃，控制权交不出去，于是永远停在「从明天开始」。

有些自动动作不该拆。走路的基本组块、已经正确的运算步骤、洗手，省下的监督是拿去学新东西的预算。习惯不是敌人，不加选择的自动化才是。选择发生在焊之前：哪一条序列值得交给壳核，哪一条必须留下可被结果改写的目标控制。

实验室怎样证明控制权交出去了

迪金森和巴林把目标导向和习惯从行为上拆开：先让动物学会按杠杆换食物，再把食物单独贬值（喂饱或让它厌恶），看它还按不按。目标系统还在主导时，贬值后按压下降；过度训练之后，贬值了仍按。尹和诺尔顿、格雷比尔一路把这件事做到纹状体分区：偏内侧的回路更跟结果走，背外侧更跟线索走。人当然不是杠杆实验的复写，可翻译仍然硬：门、解锁、同一张椅子，都可以在你并没有「决定刷」的时候把动作叫出来。问「你为什么还要这样」，有时问错了层——习惯层不回答为什么，它只回答线索到了没有。

强化物会变。早期常常是正结果：过关、好吃、被回应、做完的清楚感。焊住之后，驱动可以滑向负强化：不做就难受、空着就坐不住。两条都叫强化，账本不同。把后一种仍写成「你贪快乐」，会看错旋钮。快乐可以已经很淡，组块仍在跑。刷牙也走这条路，只是没有人开会批判刷牙。

常见误解

第一种：习惯等于更好的人格。习惯是省监督，不审对错。第二种：意志可以二十四小时值班。监督器贵，且对睡眠最敏感。第三种：改掉了就是删除。熄灭不是抹盘，开学把旧线索包寄回来，旧块会复燃。第四种：骂自己能拆除组块。难受往往变成新的内部线索。第五种：励志句子是第一环。第一环必须绑在可感知线索上，并在三秒内能做完。第六种：所有自动都该拆。走路、正确的运算步骤、洗手，省下的监督是拿去学新东西的预算。该审的是焊之前：哪一条序列值得交给壳核。

学校的一天本身就是一座线索工厂。铃响、固定的座位、打开同一套界面、同桌的第一句话，都会成为第一环。你以为自己在「决定」要不要做某件事，许多时候只是第一环已经把后面的组块叫了出来。所以改习惯若只发生在周日晚上的计划本上，周一的铃一响，计划本不在线索链里，壳核仍走旧块。要把新动作焊上，得把它接进铃、座位、书包放下之后那三秒，而不是接进一篇关于新人格的散文。反过来，技能课想要自动化，也得承认：只在辅导班那种被盯着的情境里练会的组块，考试教室的线索包不同，启动会慢一拍。真实线索下跑过的块，才是以后会被叫到的块。这一句和运动学习那一讲的迁移是同一座窄桥：练的情境越不像要用的情境，交出去的控制权就越容易交错地方。

过度训练会把习惯焊得更快，但不保证焊的是你想要的。同一条错路在稳定线索下重复足够多次，背外侧纹状体同样收货。于是出现一种看起来很勤奋的僵硬：换一个数字、换一个防守人，组块仍按旧顺序吐出。目标系统想插手，已经挤不进被占满的启动槽。这不是「练够了」，是控制权交得太早、交到了未检查的序列上。费力变自动之前，有一段必须保持费力：让结果还能改写选择。那段费力被提前结束，后面的自动会很便宜，也很贵。

多巴胺在这一讲里不要被写成快乐开关。它更像广播：比预期好的结果把线索和动作钉紧一点，比预期差则松开一点。钉紧之后，快乐可以退场，广播仍在。所以改习惯时只许诺「以后会很爽」，焊到中段会失约——爽已经不是驱动。更稳的强化物往往很土：动作短、当天能做完、做完有一个清楚的结束。结束本身可以当结果。没有结束的宏大计划，目标系统会一直开会，壳核收不到货，控制权交不出去，人就停在「从明天开始」。

从费力到自动，交的是控制权

1. 目标系统问结果还值不值得；习惯系统问线索到了没有。
2. 强化多次后，控制权向刺激—反应和组块移交；结果贬值以后动作仍可能在。
3. 组块省监督，也把错误一起焊死；早期结构比后期次数更贵。
4. 线索和情境是输入；只改目标、不改输入，是在最累的时候要求监督器赢。
5. 熄灭不是删除；旧情境会把旧块叫回来，要在真实线索下建竞争动作。
6. 意志是短暂监督，不是新回路；建立靠短而可完成的第一环，拆除靠改道而不是加辱骂。

六条读完，强化训练从费力变成自动，就不再像性格升级。它是控制权的移交：前额叶下班，焊好的块上班。上班的块不审目标，所以设计它的人必须在焊之前审。下一件你想「养成」或「戒掉」的事，先写出启动它的那一个线索，再写出线索之后三秒内实际会做的那一个动作。写不出来，还停在目标系统的演讲里，习惯回路根本还没开焊。焊的是三秒内的动作，不是人格说明书上的形容词。