Какво е опериращо обучение на кучета?

От класическия условен рефлекс, наречен на IP Павлов, този рефлекс се различава по това, че се основава на активната целенасочена дейност на животното, причинена от някаква нужда. И в същото време укрепването е резултат от тази много активна и целенасочена дейност. Докато при класическия условен рефлекс подкреплението е безусловният или просто вторият стимул.

Оперантното обучение е открито от американския учен Е. Л. Торндайк благодарение на интелигентността на котките и кучетата. Факт е, че Торндайк, измисляйки способността на животните да учат, проектира специална клетка, оборудвана с врата с проста ключалка. Затваряйки котки и кучета в тази клетка, той наблюдаваше със здравото злорадство на учен как по-малките му братя се научават да отварят тази врата. А по-малките братя и сестри се научиха да отварят вратата, като правеха различни опити, някои от които бяха успешни, други не. Ето защо Торндайк нарече откритата от него форма на обучение „проба и грешка“.

Рефлекс, но тази форма на учене е наречена много по-късно от друг известен американски учен, Б. Ф. Скинър, който му посвещава целия си научен живот. Ето защо сред няколкото бащи на оперантния рефлекс Скинър се счита за основен баща. Въпреки това, честно казано, отбелязваме, че за първи път в света обучението, основано на оперантно обучение, е описано от нашия прекрасен треньор Владимир Дуров в книгата му „Обучение на животни. Психологически наблюдения върху животни, обучени по моя метод. 40 години опит.” Така можете да прочетете за руската версия на оперантното обучение в книгата на Владимир Дуров, а американската версия на оперантното обучение е добре описана в книгата „Не ръмжи на кучето!“ от психолога и обучител Карън Прайър, който между другото също ви съветвам да прочетете.

Общият метод на оперантно обучение на Скинър може да бъде описан в следните стъпки:

етап на лишения. Това е, което Скинър нарича този етап през 30-те години. Сега обаче този етап трябва да се нарича „етап на избор и създаване на основна нужда“.
При формирането на оперантен условен рефлекс могат да се използват почти всички нужди, известни на кучетата, но Скинър използва нуждата от храна по-често. И смисълът на етапа на лишаване беше, че Скинър или не хранеше животните за известно време, или ги гладуваше. Смята се, че подсилването на храната става значимо за животното и ефективно за учене само когато това животно загуби около 20% от живото си тегло. О времена, о нрави!
Етапът на формиране на условно хранително подсилване. В своите изследвания Скинър използва автоматични хранилки, чийто звук е трябвало да бъде сигнал за животните за появата на фуражна пелета. И това отне време. Етапът се счита за завършен, когато в отговор на звука на хранилката плъхът незабавно се затича към хранилката.
Всъщност този етап е формирането на класически условен звуков рефлекс с хранително подсилване. Той също така служи като основа за така нареченото обучение с щракане – метод на обучение, използващ условно положително подсилване от здрава храна.
И трябва да признаем, че училището за оперантно обучение се отличава благоприятно от местното традиционно обучение с вниманието, което оперантното обучение обръща на въпроса за подсилване. Особено положително и вероятностно подсилване.
Етап на образуване на реакция. Като пример за поведение, Скинър обучава плъховете си да натискат педала, а гълъбите си да кълват ключа. Формирането на реакцията на натискане на педала се извършва по един от трите начина: чрез проба и грешка (спонтанно формиране), чрез насочено или последователно формиране и чрез целеви метод.
Спонтанното образуване се състои в това, че животното, пътуващо през кутията на Скинър, случайно натиска педала и постепенно свързва натискането му с включването на автоматичната хранилка.
По време на формирането на посоката изследователят включва автоматичното захранващо устройство, като първо засилва всякаква ориентация към педала, след това го приближава и накрая го натиска. Защо не обучение с кликер!
И целевият метод беше, че гранула храна беше залепена върху ключа, опитите да се откъсне доведоха до натискане на лоста.
Съвременният метод на оперантно обучение за иницииране на желаното поведение позволява използването на почти всички известни методи за въздействие върху животното. Въпреки това се счита за неефективно използването на аверсивни (водещи до болка или дискомфорт) ефекти.
Поставяне на поведението под контрол на стимула или въвеждане на диференциращ стимул. С други думи, въвеждането на условен стимул или команда.
Скинър и неговите привърженици смятат, че формирането на действие и едновременното паралелно развитие на връзката му с условен стимул (команда) са два различни процеса. А едновременното усвояване на две различни неща усложнява ученето. Следователно традиционните операнти първо формират поведението и след това въвеждат командата.
Трябва да се подчертае, че при оперантното обучение диференциращият стимул като цяло не е команда според нашето разбиране. Екипът е като заповед, нали? Обикновено го тълкуваме по този начин. Диференциращ стимул е информация, че в момента изпълнението на дадено поведение е най-ефективно и като цяло възможно. По този начин „командата“ в оперантното обучение има функцията да позволява и позволява поведението да бъде изпълнено.
За да стане по-ясно, нека анализираме въвеждането на електрическа крушка в експеримента като диференциращ стимул. И така, плъхът се е научил да натиска педала и го натиска, когато иска да яде. Изследователят включва светлината за няколко секунди и създава условия, при които натискането на педала само когато светлината е включена, води до захранване. И когато лампата изгасне, колкото и да натискате, ще имате комбинация от три пръста! Тоест включването на една крушка създава, разделя, разграничава, диференцира различни състояния. И плъхът скоро започва да разбира. И тъй като тя наистина иска да яде (има нужда от храна!), тогава, когато види крушката да свети, тя веднага тича към педала и, добре, натиска го! Отвън изглежда, че включената крушка кара плъха, нарежда му да натисне педала. Но сега разбирате, че не е така. Когато лампичката светне, тя казва: Сега можете да натиснете педала. Но само!
Подсилващо поведение. Консолидирането на формираното поведение към умението се извършва чрез повторение с помощта на вероятностно засилване. Също така е полезно да използвате различни нужди за това и съответно да приложите различни армировки.
Домашната версия на оперантния метод на обучение, произхождаща от Владимир Дуров, се различава само по това, че ви позволява незабавно да въведете изпълнителен стимул (команда, диференциращ стимул, условен стимул). Практиката показва, че едно умение се формира не по-бавно, отколкото с внесена техника. И тъй като ви позволява да премахнете цяла стъпка, спестява време. Така че има смисъл да подкрепяме местния производител на техники за обучение!