趙泠不是回答了嗎？她說可以（doge）
我完全不懂AI，只能盡可能地憋兩句。
要回答這個問題，首先要知道，多巴胺獎賞系統破解到什麽程度了？
（1）神經環路水平： 結構上，基本上沒啥不知道的了；基礎功能上，主要的多巴胺下遊在獎賞/厭惡中的功能基本上明確（在其它行為中的作用可能還需要探討），至少大抵知道它們是促進還是減弱獎賞。這個部份基本上不需要AI的參與了，已經是比較明確的，當然，更精細的全腦追蹤目前也是有用到AI的。
（2）細胞及分子水平： 神經元水平的生理活動特性沒啥大秘密了，而各種多巴胺相關前體、受體、轉運體的功能基本清楚，但影響神經元活動及分子活動的影響因素還有大量的濕實驗要做，這個部份我覺得AI能介入的也比較有限（當然你硬要說也不是沒有，但目前沒發揮啥決定性的作用）。
（3）全腦協同上： 功能連線什麽的大致透過fMRI清楚，與環路研究基本對應，但受限於時空分辨率，尚不能很好地解析，簡單來說就是儀器不行，看不清楚。假設裝置沒有進步的前提下，未來AI或許能夠幫助更好地解碼全腦的獎賞事件相關數據。這個部份AI已經在進入了，但受限於技術門檻（比如我們這種混子學不會），尚未大範圍套用。
（4）具體的功能編碼方式: 其實比較經典的RPE（獎授預期偏差錯誤）已經解析得差不多了，或授權以透過AI領域的工作（？）幫助提出更精準的假設（如最新的Science提出的ANCCR理論 [1] ），但驗證主要還是依靠濕實驗驗證完成。
簡單來說，就多巴胺獎賞系統乃至其它基礎神經傳導物質的功能解析上， 目前 AI只能打輔助，幹不了主力。尚不能達到Alphafold之於結構生物學領域那樣的變革性意義（盡管誰都知道Alphafold仍不完美，需要濕實驗佐證，但明顯它是未來的發展方向）。我認為，AI能否真正能夠在神經科學發揮決定性作用，不取決於AI本身，而重點在於在體成像和電生理記錄技術的進步。
以上為個人意見，我不懂AI，都是瞎JB說的，歡迎友善交流。
參考
- ^ Jeong, H., Taylor, A., Floeder, J. R., Lohmann, M., Mihalas, S., Wu, B., ... & Namboodiri, V. M. K. (2022). Mesolimbic dopamine release conveys causal associations. Science, eabq6740.
