Šta je obuka operantnih pasa?
Od klasičnog uvjetnog refleksa nazvanog po IP Pavlovu, ovaj refleks se razlikuje po tome što se temelji na aktivnoj svrsishodnoj aktivnosti životinje, uzrokovanoj nekom vrstom potrebe. A pojačanje je u isto vrijeme rezultat ove vrlo aktivne i svrsishodne aktivnosti. Dok kod klasičnog uslovnog refleksa, pojačanje je bezuslovni, ili jednostavno drugi stimulus.
Operantno učenje otkrio je američki naučnik EL Thorndike zahvaljujući inteligenciji mačaka i pasa. Činjenica je da je Thorndike, otkrivajući sposobnost životinja da uče, dizajnirao poseban kavez opremljen vratima s jednostavnom bravom. Zatvarajući mačke i pse u ovaj kavez, posmatrao je sa zdravim likovanjem naučnika kako njegova manja braća uče da otvaraju ova vrata. A mlađa braća i sestre naučili su da otvaraju vrata raznim pokušajima, od kojih su neki bili uspješni, a neki ne. Stoga je Thorndike oblik učenja koji je otkrio nazvao „pokušajem i greškom“.
Refleksom je, međutim, ovaj oblik učenja mnogo kasnije nazvao drugi poznati američki naučnik, BF Skiner, koji mu je posvetio ceo svoj naučni život. Zbog toga se, među nekoliko očeva operantnog refleksa, Skiner smatra glavnim ocem. Međutim, pošteno napominjemo da je po prvi put u svijetu obuku zasnovanu na operantnom učenju opisao naš divni trener Vladimir Durov u svojoj knjizi „Dresiranje životinja. Psihološka zapažanja na životinjama dresiranim po mojoj metodi. 40 godina iskustva.” Tako možete pročitati o ruskoj verziji operantne obuke u knjizi Vladimira Durova, a američka verzija operantne obuke je dobro opisana u knjizi „Ne reži na psa!“ od psihologinje i trenerice Karen Pryor, koju vam, inače, također savjetujem da pročitate.
Skinnerov opći metod operantnog treninga može se opisati u sljedećim koracima:
faza deprivacije. Tako je Skinner nazvao ovu fazu 30-ih godina. Međutim, sada ovu fazu treba nazvati „fazom odabira i stvaranja osnovne potrebe“.
Prilikom formiranja operantnog uslovnog refleksa mogu se iskoristiti gotovo sve potrebe koje su poznate psima, ali je Skinner češće koristio potrebu za hranom. A značenje faze lišavanja bilo je da je Skinner ili nedovoljno hranio životinje neko vrijeme, ili ih je gladovao. Vjerovalo se da je pojačanje hranom postalo značajno za životinju i učinkovito za učenje tek kada je ova životinja izgubila oko 20% svoje žive težine. O vremena, o maniri!
Faza formiranja uslovljenog pojačanja hranom. Skinner je u svom istraživanju koristio automatske hranilice, čiji je zvuk trebao biti signal životinjama za pojavu kuglice za hranu. A za ovo je trebalo vremena. Faza se smatrala završenom kada je, kao odgovor na zvuk hranilice, pacov odmah potrčao do hranilice.
U stvari, ova faza je formiranje klasičnog uslovljenog zvučnog refleksa sa pojačanjem hranom. Takođe služi kao osnova za takozvani kliker trening – metod treninga koji koristi uslovljenu zdravu hranu pozitivnog pojačanja.
I moramo priznati da se škola operantne obuke razlikuje od domaće tradicionalne obuke po tome što se operantska obuka posvećuje pitanju pojačanja. Posebno pozitivno i vjerovatnost pojačanja.
Faza formiranja reakcije. Kao model ponašanja, Skinner je trenirao svoje pacove da pritiskaju pedalu i svoje golubove da kljucaju ključ. Formiranje reakcije pritiska na pedalu odvijalo se na jedan od tri načina: pokušajem i greškom (spontano formiranje), usmjerenim ili sekvencijalnim formiranjem i metodom cilja.
Spontano formiranje sastojalo se u činjenici da je životinja, putujući kroz kutiju Skinnera, slučajno pritisnula pedalu i postupno povezala njeno pritiskanje s uključivanjem automatskog hranilice.
Prilikom formiranja smjera, istraživač je uključio automatski ulagač, prvo pojačavajući bilo kakvu orijentaciju prema pedali, zatim joj se približio i na kraju je pritisnuo. Zašto ne kliker trening!
A ciljna metoda je bila da se kuglica hrane zalijepi na ključ, pokušaji da se otkinu doveli su do pritiskanja poluge.
Moderna metoda operantnog treninga za pokretanje željenog ponašanja omogućava korištenje gotovo svih poznatih metoda utjecaja na životinju. Međutim, smatra se neefikasnim korištenje averzivnih efekata (koji dovode do boli ili nelagode).
Dovođenje ponašanja pod kontrolu nadražaja ili uvođenje stimulusa koji razlikuje. Drugim riječima, uvođenje uslovnog stimulusa ili naredbe.
Skinner i njegove pristalice vjerovali su da su formiranje radnje i istovremeni paralelni razvoj njene veze s uslovljenim stimulusom (naredbom) dva različita procesa. A istovremena asimilacija dvije različite stvari otežava učenje. Stoga tradicionalni operanti prvo formiraju ponašanje, a zatim unose naredbu.
Treba naglasiti da u operantnom učenju, stimulans za razlikovanje uglavnom nije naredba u našem razumijevanju. Tim je kao naređenje, zar ne? Obično to tumačimo na ovaj način. Diferencijalni stimulans je informacija da je upravo sada izvođenje nekog ponašanja najefikasnije i općenito moguće. Dakle, “naredba” u operantnoj obuci ima funkciju dopuštanja i dopuštanja izvršenja ponašanja.
Da bi bilo jasnije, analizirajmo uvođenje sijalice u eksperiment kao stimulansa za razlikovanje. Dakle, štakor je naučio da pritisne pedalu i pritisne je kada želi da jede. Istraživač pali svjetlo na nekoliko sekundi i stvara uvjete pod kojima pritiskom na pedalu samo kada je svjetlo upaljeno dovodi do dovoda hrane. A kada se svjetlo ugasi, bez obzira koliko pritisnete, imat ćete kombinaciju tri prsta! Odnosno, uključivanje sijalice stvara, razdvaja, razlikuje, razlikuje različite uslove. I pacov ubrzo počinje da razumije. A pošto ona baš želi da jede (ima potrebu za hranom!), onda, kada vidi upaljenu sijalicu, odmah trči do pedale i, eto, pritisne je! Izvana se čini da upaljena sijalica tjera pacova, naređuje mu da pritisne pedalu. Ali sada shvatate da nije tako. Kada se lampica upali, piše: Sada možete pritisnuti pedalu. Ali samo!
Jačanje ponašanja. Konsolidacija formiranog ponašanja u vještinu vrši se ponavljanjem uz korištenje probabilističkog potkrepljenja. Također je korisno koristiti različite potrebe za to i, shodno tome, primijeniti različita pojačanja.
Domaća verzija operantne metode treninga, koja potiče od Vladimira Durova, razlikuje se samo po tome što vam omogućava da odmah uvedete izvršni stimulus (naredba, diferencirajući stimulus, uvjetovani stimulus). Praksa pokazuje da se vještina ne formira sporije nego kod uvezene tehnike. A budući da vam omogućava da eliminišete cijeli korak, štedi vrijeme. Zato ima smisla podržati domaćeg proizvođača tehnika treninga!
24 septembar 2019
Ažurirano: 26. marta 2020
