這篇文章只追一條主線：

若底層突觸起初都很平均、更新又帶隨機，大腦如何長出「有方向」的學習？

答案不是一個全域 loss。是：局部時間規則 + 環境統計 + 價值訊號，在幾層時間尺度上把隨機候選淘成可用電路。

---

1. 突觸在改什麼

興奮性突觸上，兩個角色夠用了：

• AMPA：前級一釋放麩胺酸，通道打開，Na⁺ 進來，後級去極化。日常傳訊。
• NMDA：同樣要配體，但安靜時被 Mg²⁺ 堵住。後級夠強去極化（例如回傳動作電位）才把鎂彈開，Ca²⁺ 大量流入。

教學口訣「配體 + 電位」指的就是 NMDA；嚴格說它仍是配體閘控，只是多了電壓依賴的 Mg 阻塞解除——這讓「前後級要對上」成為物理，而不是 if-else。

Ca²⁺ 進得多快、多猛，大體決定可塑性方向（簡化版）：

Ca²⁺	傾向	結果
高、陡	LTP	膜上 AMPA 增多，傳導變強；久了甚至棘長大
低、鈍	LTD	AMPA 被收回，傳導變弱

赫布的「一起激發就連在一起」，不是現場焊一條新纜線，多半是：發育期先長很多候選突觸 → 用了的加權/保住 → 沒用的削弱或修剪。

---

2. STDP：毫秒級寫入因果

STDP（spike-timing-dependent plasticity）是本地、通常無監督的規則，只問一件事：前級與後級誰先放電？

$$\Delta t = t_{\text{post}} - t_{\text{pre}}$$

• $\Delta t > 0$（前級先）：傾向 LTP
• $\Delta t < 0$（後級先）：傾向 LTD
• 差超過數十毫秒：當巧合，幾乎不改

物理上：前級先放麩胺酸 → NMDA 已備好配體但 Mg 仍堵 → 幾毫秒內後級放電解 Mg → Ca 洪峰；順序反了，波形不同，偏向抑制。

一個後級接很多輸入時，誰先可靠地「幫它開火」誰就被 STDP 放大；慢半拍的被削弱。配上側向抑制，就變成 winner-take-all：環境統計在雕刻特徵，不必給 label。

局限也直白：窗口只有毫秒；純局部規則看不見「任務錯在哪裡」。遠距獎勵、深度監督，要靠後面兩節。

---

3. 為何一開始平均，卻學得動？

若一切完美對稱，權重確實會一起漂、學不出差異。真實大腦至少有三把刀破對稱：

1. 世界不平均——同一刺激下，哪個受器先響、誰延遲幾毫秒，本來就不齊。
2. 微觀雜訊——自發釋放等讓看似相同的突觸從不走同一條軌跡；正回饋把微小優勢立住。
3. 橫向競爭——誰先放電誰壓鄰居，不是溫和平均分。

所以：隨機製造候補；輸入統計與競爭負責方向。不是「每一步都已知道全域梯度」。

---

4. 方向從哪來：尤其是個體試錯

先記住這則小故事

後面講多巴胺與 RPE，都掛在同一套情境上——經典制約實驗的簡化版（動物／猴子都行）：

時間軸：  [指示燈亮]  …隔一小段時間…  [拿到果汁]

• 燈（CS）：中性線索，本來不甜、不疼，只是信號。
• 果汁（US／獎勵）：真正讓動物在乎的結果。
• 學習要建立的不是「果汁好吃」 alone，而是「燈來了 ≈ 等等會有果汁」。

為什麼要用這則故事？因為它把兩個問題拆開了：

1. 結果本身（真的喝到果汁了沒）
2. 你事先有沒有預期（看到燈時，腦是否已在賭「等下有果汁」）

多巴胺後來跟的，是兩者之差，不是果汁本身。若沒先把時序記在腦裡，後面的「前移」會像術語空降。

宏觀方向不只一個來源

微觀抖動可以是隨機；宏觀留下什麼模式，不必是。

來源	在幹嘛
環境統計	共現、共變反覆出現 → 感知特徵被 STDP 類規則加深（無監督）
獎勵預測誤差（RPE）	像上面果汁故事：報告「比預期好／差」，而不是「有糖就響」——個體試錯的主方向盤
基因／架構先驗	皮層怎麼分層、大概接哪裡，縮小可搜尋空間
注意／由上而下	拉高當下該寫入哪段電路

對主動行為學習而言，RPE 通常是最關鍵那一層。沒有它，系統仍能被動刻世界；有了它，探索才掛上趨利避害。

回到果汁故事：多巴胺為什麼會「前移」

重點不是「有沒有果汁時多巴胺都會響」，而是「實際結果跟預測差多少」：

1. 還沒學會時
   燈對動物沒意義。果汁突然出現 = 意外驚喜。
   多巴胺在接到果汁的那一刻短暫爆一段（phasic 上升）。

2. 學會「燈 ≈ 等下有果汁」之後
   燈一亮，大腦已經預測到果汁。
   多巴胺的爆點提早挪到燈亮——標記「可靠的預測線索到了」。
   真正拿到果汁時，若一切如預期，不再爆（驚喜已用完，誤差≈0）。

3. 學會之後卻「跳票」
   燈亮了，預期有果汁，結果沒給。
   在本來該拿到果汁的時間點，多巴胺會掉到低於平日基線——這就是負向 RPE，用來削弱剛才那套「燈→期待／動作」聯結。

一句話：多巴胺追的是「預測錯了多少」，不是「報酬本身」；學會之後，訊號會往時間序列更早的預測線索跑，這就叫反應「前移」。

---

5. 資格痕跡：把「剛才」接到「後來的果汁」

果汁故事裡還有第二個時間問題：燈亮到果汁之間，常常不是幾毫秒，而是幾百毫秒到數秒。中間若動物還做了一系列動作，經典 STDP 的毫秒窗裝不下「誰該為果汁負責」。

按鈕與掉糖、燈與延遲果汁，是同一類遠距信用問題。解法是三因素規則：

1. 前後級共活（或符合該突觸的配對）→ 留下可衰減的 eligibility（資格痕跡）
2. 當下不一定立刻把權重寫死
3. 秒級內若來了調制訊號（多巴胺等；例如正向 RPE 的 phasic 爆發），才把仍活著的標籤轉成真正 LTP／LTD

因此：不是血液把「果汁甜味」溶解後冲全腦，而是中腦多巴胺細胞改變發放，在紋狀體等靶區末梢釋放，經突觸／體積傳輸當調制廣播。

信用分配也別過乾淨。路徑 1-2-3-4-5 若剛好在獎勵前留下新鮮 traces，會被正向 RPE 加固；2-3-4-5-6 不會因為你在故事裡標了「錯」就自動免疫——它若也在同一時間窗開火，一樣可能沾到。真正拉開兩條路，靠的是跨多次試驗的預測更新：燈亮該有果汁卻沒有 → 負 RPE 削弱；穩定成功 → 正誤差縮小、反應像第 4 節那樣前移到燈。

兩點邊界：

• 許多皮層／海馬的本地 LTP 不必等多巴胺；三因素是延遲行為信用的補丁，不是唯一宇宙法則。
• 數十分鐘以上的因果，化學 traces 不夠，還要工作記憶、海馬重放等系統級機制——那已超出本文主線。

整腦大致是：

任務	主工具
感知特徵	兩因素 Hebb / STDP
有後果的試錯（秒級，如燈→果汁）	三因素 + eligibility + RPE
更長延遲	記憶系統與重放

---

一條鏈收束

麩胺酸 → AMPA 動電位 → NMDA 在對的時刻解 Mg → Ca²⁺ 形狀決定增強／抑制 → 毫秒窗寫入 STDP，或留下 eligibility → 若牽涉延遲後果，RPE 調制在秒級固化或抹掉 → 多次試驗把政策淘穩。

深度學習用全域梯度保證信用可導；大腦用局部時間計時器 + 調制廣播 + 環境統計做同一類事的另一語言。主線到這裡就夠：不必把每個例外、每個 AI 對照表都塞進同一頁。