Varijabilno potkrepljivanje je vrsta rasporeda potkrepljivanja u kojoj nagrada dolazi nepredvidivo. Pas ne zna unapred posle kog izvođenja će dobiti nagradu. Takav raspored proizvodi takozvani „efekat kockanja“: ponašanje postaje vrlo otporno na gašenje, jer pas ne može da zna da li je baš sledeći pokušaj onaj koji se isplati.
Mesto u porodici rasporeda
Varijabilno potkrepljivanje nije poseban mehanizam učenja, već jedna od vrsta rasporeda potkrepljivanja. Spada u povremene rasporede, kod kojih se nagrađuju samo neka izvođenja. Posebno je po tome što obrazac nagrađivanja nema stalan ritam koji pas može da prepozna.
Efekat kockanja kod psa koji čeka pored vrata
Zamislite dva psa koja uče da mirno čekaju pored vrata. Prvi dobija nagradu za svako čekanje. Drugi je dobija povremeno: nekada posle prvog čekanja, nekada posle trećeg, nekada posle dva zaredom.
Kada nagrade potpuno prestanu, prvi pas ranije uoči promenu, jer je do tada nagrada stizala svaki put. Drugi pas je već navikao da nagrada ponekad izostane, pa nastavlja da čeka znatno duže. To je efekat kockanja: kao kod automata za igru, sledeći pokušaj može biti onaj pravi.
Dve strane istog efekta
Isti mehanizam koji pomaže treningu održava i ponašanja koja ne želimo. Pas koji za stolom ponekad dobije zalogaj, a ponekad ne, prosi upornije od psa koji je dobijao svaki put. Vlasnik koji „samo ponekad“ popusti zapravo primenjuje varijabilno potkrepljivanje, iako to ne namerava.
Zato je doslednost presudna kod gašenja neželjenog ponašanja. Jedan zalogaj s vremena na vreme dovoljan je da prošnja ostane živa.
Česta zabluda: „Varijabilno znači što ređe, to bolje“
Varijabilno potkrepljivanje ne znači da se pas nagrađuje retko ili škrto. Nepredvidivost je važna, a ne štednja. Ako se nagrade previše prorede, ponašanje počinje da slabi, jer se psu više ne isplati.
Varijabilno potkrepljivanje se uvodi tek kada je ponašanje naučeno kroz stalno nagrađivanje. Dok pas tek uči, nepredvidiva nagrada ga više zbunjuje nego što mu pomaže.
Kako da „efekat kockanja“ radi za vas, a ne protiv vas
- Prelazak na nepredvidivo nagrađivanje počnite tek kada pas ponašanje izvodi pouzdano.
- Nagrade proređujte postepeno i pratite da li ponašanje ostaje stabilno.
- Menjajte i vrstu nagrade: poslastica, igra, pohvala, šetnja.
- Kod neželjenog ponašanja proverite da li ga neko „ponekad“ ipak nagradi.
Zašto pas prosi upornije otkad mu dajem zalogaj samo ponekad?
Zato što povremena, nepredvidiva nagrada čini ponašanje otpornijim nego stalna. Pas je naučio da se upornost na kraju isplati, pa pokušava duže.
Povezani pojmovi: Šta je raspored potkrepljivanja, Šta je gašenje ponašanja, Šta je potkrepljenje
