Što je dresura operativnih pasa?

Od klasičnog uvjetovanog refleksa nazvanog po IP Pavlovu, ovaj se refleks razlikuje po tome što se temelji na aktivnoj svrhovitoj aktivnosti životinje, uzrokovanoj nekom vrstom potrebe. A pojačanje je ujedno rezultat ove vrlo aktivne i svrhovite aktivnosti. Dok je kod klasičnog uvjetnog refleksa potkrepljenje bezuvjetni ili jednostavno drugi podražaj.

Operantno učenje otkrio je američki znanstvenik EL Thorndike zahvaljujući inteligenciji mačaka i pasa. Činjenica je da je Thorndike, shvaćajući sposobnost životinja da uče, dizajnirao poseban kavez opremljen vratima s jednostavnom bravom. Zatvarajući mačke i pse u ovaj kavez, promatrao je sa zdravim likovanjem znanstvenika kako njegova manja braća uče otvarati ova vrata. A mlađa braća i sestre naučili su otvarati vrata raznim pokušajima, od kojih su neki bili uspješni, a neki ne. Stoga je Thorndike oblik učenja koji je otkrio nazvao "pokušaj i pogreška".

Refleksom je, međutim, ovaj oblik učenja mnogo kasnije nazvao još jedan poznati američki znanstvenik, BF Skinner, koji mu je posvetio cijeli svoj znanstveni život. Zato se među nekoliko očeva operantnog refleksa Skinner smatra glavnim ocem. No, pošteno radi, napominjemo da je po prvi put u svijetu obuku temeljenu na operantnom učenju opisao naš prekrasni trener Vladimir Durov u svojoj knjizi „Dresura životinja. Psihološka promatranja životinja dresiranih prema mojoj metodi. 40 godina iskustva.” Tako o ruskoj verziji operantnog treninga možete pročitati u knjizi Vladimira Durova, a američka verzija operantnog treninga dobro je opisana u knjizi “Ne reži na psa!” psihologinje i trenerice Karen Pryor, koju, usput rečeno, i vama savjetujem da pročitate.

Skinnerova opća metoda operantnog treninga može se opisati u sljedećim koracima:

faza deprivacije. Ovo je ono što je Skinner nazvao ovu fazu u 30-ima. Međutim, sada bi ovu fazu trebalo nazvati “fazom odabira i stvaranja osnovne potrebe”.
Pri formiranju operantnog uvjetovanog refleksa mogu se koristiti gotovo sve potrebe koje su psima poznate, ali Skinner je češće koristio potrebu za hranom. A značenje faze lišavanja bilo je da je Skinner ili nedovoljno hranio životinje neko vrijeme ili ih je izgladnjivao. Vjerovalo se da je pojačanje hranom postalo značajno za životinju i učinkovito za učenje tek kada je životinja izgubila oko 20% svoje žive težine. O vremena, o manire!
Faza formiranja uvjetovanog pojačanja hranom. Skinner je u svojim istraživanjima koristio automatske hranilice, čiji je zvuk trebao biti signal životinjama za pojavu kuglica hrane. A za ovo je trebalo vremena. Faza se smatrala završenom kada je, kao odgovor na zvuk hranilice, štakor odmah otrčao do hranilice.
Zapravo, ova faza je formiranje klasičnog uvjetovanog zvučnog refleksa s pojačanjem hranom. Također služi kao osnova za takozvani kliker trening – metodu treninga koja koristi kondicionirano zdravo pozitivno potkrepljenje hranom.
I moramo priznati da se škola operantnog treninga razlikuje od domaćeg tradicionalnog treninga po pažnji koju operantni trening posvećuje pitanju potkrepljenja. Osobito pozitivno i probabilističko potkrepljenje.
Faza formiranja reakcije. Kao model ponašanja, Skinner je trenirao svoje štakore da pritisnu pedalu, a svoje golubove da kljucaju ključ. Formiranje reakcije pritiska na papučicu provedeno je na jedan od tri načina: metodom pokušaja i pogreške (spontano formiranje), usmjerenim ili sekvencijalnim formiranjem i ciljnom metodom.
Spontano formiranje sastojalo se u činjenici da je životinja, putujući kroz kutiju Skinner, slučajno pritisnula papučicu i postupno povezala njezino pritiskanje s uključivanjem automatske hranilice.
Tijekom usmjeravanja, istraživač je uključio automatski ulagač, prvo pojačavši bilo kakvu orijentaciju prema pedali, zatim joj se približio i na kraju je pritisnuo. Zašto ne kliker trening!
A ciljna metoda je bila da je kuglica hrane zalijepljena na tipku, pokušaji da se otrgne doveli su do pritiskanja poluge.
Suvremena metoda operantnog treninga za iniciranje željenog ponašanja omogućuje korištenje gotovo svih poznatih metoda utjecaja na životinju. Međutim, smatra se neučinkovitim koristiti averzivne (dovode do boli ili nelagode) učinke.
Stavljanje ponašanja pod kontrolu podražaja ili uvođenje razlikovnog podražaja. Drugim riječima, uvođenje uvjetovanog podražaja ili naredbe.
Skinner i njegovi pristaše vjerovali su da su formiranje radnje i istovremeni paralelni razvoj njezine veze s uvjetovanim poticajem (naredbom) dva različita procesa. A istovremena asimilacija dviju različitih stvari komplicira učenje. Stoga tradicionalni operanti prvo formiraju ponašanje, a zatim unose naredbu.
Treba naglasiti da u operantnom učenju diferencirajući podražaj uglavnom nije naredba prema našem razumijevanju. Tim je kao naredba, zar ne? Obično to tumačimo na ovaj način. Diferencijacijski poticaj je informacija da je upravo sada izvršenje ponašanja najučinkovitije i općenito moguće. Dakle, "naredba" u operantnom treningu ima funkciju dopuštanja i dopuštanja da se ponašanje izvede.
Da bi bilo jasnije, analizirajmo uvođenje žarulje u pokus kao diferencirajućeg podražaja. Dakle, štakor je naučio pritisnuti pedalu i pritisne je kad želi jesti. Istraživač uključuje svjetlo na nekoliko sekundi i stvara uvjete u kojima pritisak na papučicu samo kada je svjetlo upaljeno dovodi do napajanja. A kad se lampica ugasi, koliko god pritiskali, imat ćete kombinaciju tri prsta! Odnosno, uključivanje žarulje stvara, razdvaja, razlikuje, razlikuje različite uvjete. I štakor ubrzo počinje shvaćati. A pošto jako želi jesti (ima potrebu za hranom!), onda kad vidi da se upalila žarulja, odmah trči do pedale i, eto, pritisne je! Izvana se čini da upaljena žarulja tjera štakora, naređuje mu da pritisne papučicu. Ali sada shvaćate da nije tako. Kad se lampica upali, kaže: Sada možete pritisnuti pedalu. Ali samo!
Jačanje ponašanja. Konsolidacija formiranog ponašanja u vještinu provodi se ponavljanjem pomoću probabilističkog potkrepljenja. Također je korisno koristiti različite potrebe za to i, sukladno tome, primijeniti različita pojačanja.
Domaća verzija operantne metode treninga, koja potječe od Vladimira Durova, razlikuje se samo po tome što vam omogućuje da odmah uvedete izvršni podražaj (naredba, diferencirajući podražaj, uvjetovani podražaj). Praksa pokazuje da se vještina ne formira sporije nego uvezenom tehnikom. A budući da vam omogućuje eliminaciju cijelog koraka, štedi vrijeme. Stoga ima smisla podržati domaćeg proizvođača trenažne tehnike!