赵泠不是回答了吗？她说可以（doge）
我完全不懂AI，只能尽可能地憋两句。
要回答这个问题，首先要知道，多巴胺奖赏系统破解到什么程度了？
（1）神经环路水平： 结构上，基本上没啥不知道的了；基础功能上，主要的多巴胺下游在奖赏/厌恶中的功能基本上明确（在其它行为中的作用可能还需要探讨），至少大抵知道它们是促进还是减弱奖赏。这个部分基本上不需要AI的参与了，已经是比较明确的，当然，更精细的全脑追踪目前也是有用到AI的。
（2）细胞及分子水平： 神经元水平的生理活动特性没啥大秘密了，而各种多巴胺相关前体、受体、转运体的功能基本清楚，但影响神经元活动及分子活动的影响因素还有大量的湿实验要做，这个部分我觉得AI能介入的也比较有限（当然你硬要说也不是没有，但目前没发挥啥决定性的作用）。
（3）全脑协同上： 功能连接什么的大致通过fMRI清楚，与环路研究基本对应，但受限于时空分辨率，尚不能很好地解析，简单来说就是仪器不行，看不清楚。假设设备没有进步的前提下，未来AI或许能够帮助更好地解码全脑的奖赏事件相关数据。这个部分AI已经在进入了，但受限于技术门槛（比如我们这种混子学不会），尚未大范围应用。
（4）具体的功能编码方式: 其实比较经典的RPE（奖授预期偏差错误）已经解析得差不多了，或许可以通过AI领域的工作（？）帮助提出更精准的假设（如最新的Science提出的ANCCR理论 [1] ），但验证主要还是依靠湿实验验证完成。
简单来说，就多巴胺奖赏系统乃至其它基础神经递质的功能解析上， 目前 AI只能打辅助，干不了主力。尚不能达到Alphafold之于结构生物学领域那样的变革性意义（尽管谁都知道Alphafold仍不完美，需要湿实验佐证，但明显它是未来的发展方向）。我认为，AI能否真正能够在神经科学发挥决定性作用，不取决于AI本身，而重点在于在体成像和电生理记录技术的进步。
以上为个人意见，我不懂AI，都是瞎JB说的，欢迎友善交流。
参考
- ^ 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.
