Co je výcvik operantních psů?
Od klasického podmíněného reflexu pojmenovaného po IP Pavlovovi se tento reflex liší tím, že je založen na aktivní cílevědomé činnosti zvířete, způsobené nějakou potřebou. A posilování je zároveň výsledkem této velmi aktivní a cílevědomé činnosti. Zatímco u klasického podmíněného reflexu je posílením nepodmíněný, nebo jednoduše druhý podnět.
Operantní učení objevil americký vědec EL Thorndike díky inteligenci koček a psů. Faktem je, že Thorndike, který zjistil schopnost zvířat učit se, navrhl speciální klec vybavenou dvířky s jednoduchým zámkem. Zavíral kočky a psy do této klece a se zdravým úsměvem vědce sledoval, jak se jeho menší bratři naučili otevírat tyto dveře. A mladší bratři a sestry se naučili otevírat dveře různými pokusy, z nichž některé byly úspěšné a některé ne. Thorndike proto nazval formu učení, kterou objevil, „pokus a omyl“.
Reflex, tuto formu učení však nazval mnohem později jiný známý americký vědec BF Skinner, který jí zasvětil celý svůj vědecký život. Proto je mezi několika otci operantního reflexu Skinner považován za hlavního otce. Abychom však byli spravedliví, poznamenáváme, že poprvé na světě trénink založený na operantním učení popsal náš skvělý trenér Vladimir Durov ve své knize „Výcvik zvířat. Psychologická pozorování na zvířatech cvičených podle mé metody. 40 let zkušeností.” O ruské verzi výcviku operantů se tedy můžete dočíst v knize Vladimíra Durova a americká verze výcviku operantů je dobře popsána v knize „Nevrč na psa!“ od psycholožky a trenérky Karen Pryor, kterou mimochodem také doporučuji přečíst.
Skinnerovu obecnou metodu tréninku operantů lze popsat v následujících krocích:
stádium deprivace. Tak nazval Skinner tuto etapu ve 30. letech. Nyní by se však tato fáze měla nazývat „fáze výběru a vytváření základní potřeby“.
Při formování operantního podmíněného reflexu lze využít téměř všechny potřeby známé psům, ale Skinner častěji využíval potravní potřebu. A smyslem fáze deprivace bylo, že Skinner zvířata buď na chvíli podkrmil, nebo je nechal vyhladovět. Věřilo se, že posílení potravy se pro zvíře stalo významným a účinným pro učení teprve tehdy, když toto zvíře ztratilo asi 20 % své živé hmotnosti. Ach časy, ach mravy!
Fáze tvorby podmíněného posílení potravy. Skinner při svém výzkumu použil automatická krmítka, jejichž zvuk měl být pro zvířata signálem pro výskyt krmné pelety. A tohle zabralo čas. Fáze byla považována za dokončenou, když v reakci na zvuk krmítka krysa okamžitě běžela ke krmítku.
Ve skutečnosti je tato fáze vytvořením klasického podmíněného zvukového reflexu s posilováním jídlem. Slouží také jako základ pro tzv. klikr trénink – tréninkovou metodu využívající pozitivní posilování podmíněnou zdravou stravou.
A musíme uznat, že škola operantního tréninku se příznivě odlišuje od domácího tradičního tréninku pozorností, kterou operantní trénink věnuje otázce posilování. Zejména pozitivní a pravděpodobnostní posílení.
Fáze vzniku reakce. Jako model chování Skinner vycvičil své krysy, aby sešláply pedál a své holuby, aby klovaly do klíče. Tvorba reakce na sešlápnutí pedálu byla provedena jedním ze tří způsobů: metodou pokus-omyl (spontánní formace), řízenou nebo sekvenční formací a metodou terče.
Spontánní formace spočívala v tom, že zvíře putující Skinnerovým boxem omylem sešláplo pedál a jeho sešlápnutí postupně spojilo se zařazením automatického krmítka.
Při směrové formaci výzkumník zapnul automatický podavač, přičemž nejprve zpevnil libovolnou orientaci směrem k pedálu, poté se k němu přiblížil a nakonec jej stiskl. Proč ne kliker trénink!
A cílová metoda byla, že se na klíč nalepila granule jídla, pokusy o odtržení vedly ke stisknutí páky.
Moderní metoda výcviku operantů pro navození žádoucího chování umožňuje použití téměř všech známých metod ovlivňování zvířete. Považuje se však za neúčinné používat averzivní účinky (vedoucí k bolesti nebo nepohodlí).
Přivedení chování pod kontrolu stimulu nebo zavedení diferencujícího stimulu. Jinými slovy, zavedení podmíněného podnětu nebo příkazu.
Skinner a jeho příznivci věřili, že vytvoření akce a současný paralelní vývoj jejího spojení s podmíněným podnětem (příkazem) jsou dva různé procesy. A současná asimilace dvou různých věcí učení komplikuje. Tradiční operanty tedy nejprve vytvoří chování a poté zadají příkaz.
Mělo by být zdůrazněno, že v operantním učení není diferencující podnět v našem chápání z velké části příkazem. Tým je jako rozkaz, ne? Obvykle si to takto vykládáme. Odlišujícím podnětem je informace, že právě teď je provedení chování nejúčinnější a obecně možné. Tudíž „příkaz“ v operantním tréninku má funkci umožnit a umožnit provedení chování.
Aby to bylo jasnější, analyzujme zavedení žárovky do experimentu jako diferencujícího podnětu. Krysa se tedy naučila sešlápnout pedál a stisknout ho, když chce jíst. Výzkumník na několik sekund rozsvítí světlo a vytvoří podmínky, za kterých sešlápnutí pedálu pouze při rozsvíceném světle vede k přívodu krmiva. A když světlo zhasne, bez ohledu na to, jak moc stisknete, budete mít kombinaci tří prstů! To znamená, že zařazení žárovky vytváří, odděluje, rozlišuje, odlišuje různé podmínky. A krysa brzy začne chápat. A protože chce opravdu jíst (má potřebu jídla!), tak, když vidí rozsvícenou žárovku, okamžitě běží k pedálu a no, sešlápněte ho! Zvenčí se zdá, že rozsvícená žárovka dělá krysu, přikazuje mu sešlápnout pedál. Ale nyní chápete, že tomu tak není. Když se rozsvítí kontrolka, říká: Nyní můžete sešlápnout pedál. Ale pouze!
Posilující chování. Upevnění vytvořeného chování do dovednosti se provádí opakováním pomocí pravděpodobnostního zesílení. K tomu je také užitečné použít různé potřeby a podle toho použít různé výztuhy.
Tuzemská verze operantní metody tréninku pocházející od Vladimíra Durova se liší pouze tím, že umožňuje okamžitě zavést výkonný podnět (povel, diferenciační podnět, podmíněný podnět). Praxe ukazuje, že dovednost se nevytváří pomaleji než s importovanou technikou. A jelikož umožňuje eliminovat celý krok, šetří čas. Má tedy smysl podporovat tuzemského výrobce tréninkové techniky!
24 2019 září
Aktualizováno: 26. března 2020
