5D Library › 神经递质与内分泌的动力系统 · English
第六章 四种状态信号的权衡：没有单一的最优水平
不是旋钮
前五章讨论了四类信号：多巴胺与奖励预测、皮质醇与压力反应、睾酮与社会挑战、血清素和光与情绪节律，再加上自主神经的平衡。流行的说法常常把它们当作可以分别调到「最佳值」的旋钮：多巴胺要高、皮质醇要低、睾酮要高、血清素要高。这种想法有两个问题。
第一，它们不是可以独立设定的量。它们处在相互耦合的回路里：皮质醇抑制性腺轴（第三章），光改变昼夜时钟，而昼夜时钟又调节皮质醇的日节律（第四章），平均奖励率改变行动的力度（第一章）。改变一个，其他的也会跟着变。
第二，即使可以独立设定，也不存在一个对所有目标都最好的值。急性皮质醇升高对应对眼前的挑战有用，对长期修复不利；追求新奖励的驱动对探索有用，对休整不利。这是一个多目标问题。
证据
肖瓦尔（Shoval）等人把经济学和工程学中的帕累托最优概念用于生物进化：当一个生物需要同时完成几项相互冲突的任务时，自然选择留下的表型不会对每项任务都最优，而是落在一条「帕累托前沿」上；在前沿上的每一点，要在一项任务上做得更好，就必须在另一项上做得更差。他们用动物形态和细菌基因表达的数据检验了这一预测 (Shoval et al. 2012)。
一个日程的帕累托前沿
推导
一个玩具模型，用于说明权衡而非预测：8 小时的工作日被分成「努力块」与「休息」交替。努力时疲劳 上升，休息时下降，每分钟的产出为 。两个目标：总产出（越高越好）与全天平均疲劳（越低越好）。列出 36 种日程，找出帕累托前沿。
# Toy model: there is no single best "state", only trade-offs. A working day of 8 hours is split into
# blocks of effort and breaks. Fatigue F rises during effort and falls during rest; output per minute is
# (1 - F). Two objectives: total output (higher is better) and mean fatigue over the day (lower is better).
# A schedule is on the Pareto front if no other schedule is better on one objective and no worse on the other.
def day(block, brk, minutes=480, a=0.006, b=0.04):
F, out, t, load = 0.0, 0.0, 0, 0.0
while t < minutes:
for _ in range(block):
if t >= minutes: break
out += 1 - F; F += a * (1 - F); t += 1; load += F
for _ in range(brk):
if t >= minutes: break
F -= b * F; t += 1; load += F
return out, load / minutes
options = [(blk, brk) for blk in (25, 45, 60, 90, 120, 240, 480) for brk in (0, 5, 10, 15, 20, 30)
if not (brk == 0 and blk != 480)]
res = {o: day(*o) for o in options}
front = [o for o in options if not any(res[p][0] >= res[o][0] and res[p][1] <= res[o][1] and res[p] != res[o]
for p in options)]
print("effort block / break (min) output mean fatigue")
for o in sorted(front, key=lambda o: res[o][0]):
print(f"{o[0]:5d} / {o[1]:2d} {res[o][0]:6.0f} {res[o][1]:5.2f}")
print(f"{len(front)} of {len(options)} schedules are on the front; none is best on both objectives.")
print(f"no breaks at all: output {res[(480, 0)][0]:.0f}, fatigue {res[(480, 0)][1]:.2f}")
# effort block / break (min) output mean fatigue
# 25 / 30 200 0.11
# 25 / 20 234 0.15
# 45 / 30 246 0.18
# 25 / 15 246 0.18
# 60 / 30 256 0.22
# 45 / 20 262 0.23
# 25 / 10 267 0.24
# 7 of 36 schedules are on the front; none is best on both objectives.
# no breaks at all: output 157, fatigue 0.67
模型的结论不依赖具体参数：只要疲劳累积而休息能使它恢复，就不存在单一的最优日程，只有一组「在某种取舍下最好」的日程。选择哪一个，取决于你更看重什么。在这组参数下，完全不休息的日程既不是产出最高的，疲劳也最重；但「25 分钟工作、10 分钟休息」最好这样具体的结论，完全来自假设的参数，不应被当作建议。
交替的节律
如果多个目标相互冲突，一种常见的生物学解决办法不是找一个折中的固定点，而是在时间上交替：一段时间偏向一个目标，另一段时间偏向另一个。昼夜节律就是最明显的例子：白天皮质醇和交感活动偏高，有利于行动；夜里褪黑素升高、副交感活动偏高，有利于修复。
证据
克莱特曼（Kleitman）提出「基本休息—活动周期」（BRAC）：睡眠中约 90 分钟的非快速眼动/快速眼动周期，可能在清醒时以注意力和活动的起伏延续 (Kleitman 1982)。睡眠中的周期已被反复证实；清醒时是否存在稳定的约 90 分钟周期，证据不一致。HPA 轴则确有约每小时一次的皮质醇超日脉冲，它对受体反应的动态平衡很重要 (Lightman and Conway-Campbell 2010)。
注
核对后的修正。 「多巴胺/睾酮代表探索进取，副交感/血清素代表稳态修复」是一种方便记忆的划分，不是生理学分类。多巴胺同样参与学习与习惯，血清素也参与等待与耐心，副交感活动在专注任务中也可以较高。本章用这一划分只是为了说明权衡与交替的逻辑。所谓不同信号之间的「博弈」，在这里指多目标之间的取舍，是跨学科类比，不是说激素之间在进行博弈论意义上的策略互动。
假说 · 尚未验证
尚未确立。 对于需要长时间集中注意力的知识工作者，把一天中的深度工作安排成有明确结束的块（每块 45 至 90 分钟）并在块间离开屏幕休息 10 分钟以上，与同等总工时、没有固定结构的安排相比，能使傍晚自评疲劳更低而当天完成的预定任务数不减少。如果在两周的交叉试验中，傍晚疲劳之差的 95% 置信区间包含零、且任务完成数在结构化安排下显著减少，假说就被推翻。
小结
不存在一个让所有激素都处在「最佳值」的状态。真正可以安排的，是在一天、一周中，不同目标轮流得到照顾的节律：行动与修复交替，挑战之后有明确的结束。下一章转向古人对同一个问题的思考。
参考文献
Fan, Y. (2026). Dynamical Systems of Neurotransmitters and Endocrinology: Dopamine Reward Prediction Error, Serotonergic Homeostasis, HPA-Axis Allostatic Load and the Challenge Hypothesis, Read Beside East Asian Classics of Mind Regulation [神经递质与内分泌的动力系统] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23738782 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).