richard sutton 老师， 所谓 "时间差分学习" 算法 (temporal difference learning)的发明人，现为加拿大 alberta 大学计算机系教授。td learning 不断预测未来的回报，并和实际观察回报比较，然后实时修正对未来的预测。科学家发现人脑多巴胺 (dopamine)释放的速率，可以用 td learning 的模型解释。如果当下获得的回报远大于预期，多巴胺就释放的多，人就狂喜。但同时大脑会调整对未来回报的期许，所以经过一定时间段后，实际回报和预期回报差距变小，多巴胺释放速率也减小。这也是为什么幸福快乐无法持久的原因，因为大脑期望值已经改变，同样的东西不会诱导更多的多巴胺了。
并不是鸡汤
