Оперантное обусловливание

Машина пищит, пока ты не пристегнёшь ремень. Прекращение писка является своеобразной наградой, которую психологи называют отрицательным подкреплением.

Классическое обусловливание объясняет возникающие у тебя непроизвольные реакции, например слюноотделение или страх. Оно не объясняет, почему ребёнок учится ездить на велосипеде или почему ты так часто проверяешь телефон. Для поведения, которое ты выбираешь сам, главное — то, что происходит после него. Это и есть оперантное обусловливание: поведение, за которым следуют хорошие последствия, становится более вероятным, а поведение, за которым следуют плохие последствия, менее вероятным.

Эдвард Торндайк помещал кошек в проблемные ящики с защёлкой внутри и пищей снаружи. Сначала кошки выбирались случайно, но с каждой новой попыткой делали это всё быстрее. Торндайк обобщил результат в законе эффекта: реакции, за которыми следуют удовлетворяющие последствия, повторяются, а реакции с неприятными последствиями не повторяются. В 1930-х годах Б. Ф. Скиннер развил эту идею, создав оперантную камеру, известную теперь как ящик Скиннера. В ней крыса могла нажимать на рычаг, а голубь клевать диск, чтобы получить пищу, пока регистрирующее устройство подсчитывало каждую реакцию.

Плюс и минус не означают хорошо и плохо

В этой терминологии подкрепление всегда усиливает поведение, а наказание всегда ослабляет его. «Положительное» означает, что что-то добавляется, «отрицательное» означает, что что-то убирается. Поэтому сочетаний четыре. Положительное подкрепление: добавить что-то приятное (лакомство за трюк). Отрицательное подкрепление: убрать что-то неприятное (писк ремня безопасности прекращается). Положительное наказание: добавить что-то неприятное (выговор). Отрицательное наказание: убрать что-то приятное (меньше времени с телефоном). Чаще всего с наказанием путают отрицательное подкрепление. Запомни: оно делает поведение более вероятным.

Формирование поведения и режимы подкрепления

Сам по себе голубь в пинг-понг играть не станет, поэтому Скиннер применял формирование поведения: награждать грубое приближение, а затем каждый раз требовать чуть большего сходства. Награды бывают первичными, например пища, и вторичными, например похвала, деньги или жетоны, которые приобретают ценность благодаря связи с первичными. Важно и то, как часто приходит награда. Фиксированное соотношение даёт награду после заданного числа реакций (сдельная оплата). Вариативное соотношение даёт её после непредсказуемого числа реакций (азартные игры) и вызывает частые, устойчивые реакции, которые медленно угасают. Фиксированный интервал вознаграждает первую реакцию после заданного времени, вариативный интервал делает это после непредсказуемого времени (проверка новых сообщений).

Скиннер утверждал, что с помощью режима вариативного соотношения может превратить голубя в патологического игрока. OpenStax отмечает, что исследование на крысах 2019 года (Ласковски и коллеги) не подтвердило мысль, будто одни такие режимы вызывают игровую зависимость. Кроме того, Скиннер считал психику чёрным ящиком, но Эдвард Толмен показал, что крысы, которым 10 сеансов давали исследовать лабиринт без пищи, быстро находили путь, как только пища появлялась. Без всякой награды они построили когнитивную карту, и это он назвал латентным научением. Научение не сводится к тому, что закрепляет подкрепление.