ऑपरेटंट डॉग ट्रेनिंग म्हणजे काय?

आयपी पावलोव्हच्या नावावर असलेल्या शास्त्रीय कंडिशन रिफ्लेक्सपासून, हे प्रतिक्षेप वेगळे आहे की ते एखाद्या प्रकारच्या गरजेमुळे उद्भवलेल्या प्राण्यांच्या सक्रिय हेतूपूर्ण क्रियाकलापांवर आधारित आहे. आणि त्याच वेळी मजबुतीकरण हा या अतिशय सक्रिय आणि उद्देशपूर्ण क्रियाकलापाचा परिणाम आहे. शास्त्रीय कंडिशन रिफ्लेक्ससह, मजबुतीकरण हे बिनशर्त किंवा फक्त दुसरे उत्तेजन आहे.

अमेरिकन शास्त्रज्ञ ईएल थॉर्नडाइक यांनी मांजरी आणि कुत्र्यांच्या बुद्धिमत्तेमुळे ऑपरेशनल लर्निंगचा शोध लावला. वस्तुस्थिती अशी आहे की थॉर्नडाइकने, प्राण्यांची शिकण्याची क्षमता शोधून, साध्या लॉकसह दरवाजासह सुसज्ज एक विशेष पिंजरा तयार केला. या पिंजऱ्यात मांजरी आणि कुत्रे बंद करून, त्याने एका शास्त्रज्ञाच्या निरोगी आनंदाने पाहिले कारण त्याचे लहान भाऊ हे दार उघडण्यास शिकले. आणि लहान भाऊ आणि बहिणींनी विविध प्रयत्न करून दार उघडायला शिकले, त्यापैकी काही यशस्वी झाले, आणि काही झाले नाहीत. म्हणून, थॉर्नडाइकने शिकण्याच्या पद्धतीला "चाचणी आणि त्रुटी" असे नाव दिले.

एक प्रतिक्षेप, तथापि, शिक्षणाचा हा प्रकार दुसर्‍या सुप्रसिद्ध अमेरिकन शास्त्रज्ञ बीएफ स्किनरने खूप नंतर डब केला होता, ज्यांनी आपले संपूर्ण वैज्ञानिक जीवन त्यासाठी समर्पित केले होते. म्हणूनच, ऑपरंट रिफ्लेक्सच्या अनेक वडिलांपैकी, स्किनरला मुख्य पिता मानले जाते. तथापि, निष्पक्षतेने, आम्ही लक्षात घेतो की जगात प्रथमच, ऑपरेटंट शिक्षणावर आधारित प्रशिक्षणाचे वर्णन आमचे अद्भुत प्रशिक्षक व्लादिमीर दुरोव यांनी त्यांच्या “अ‍ॅनिमल ट्रेनिंग” या पुस्तकात केले आहे. माझ्या पद्धतीनुसार प्रशिक्षित प्राण्यांवरील मानसशास्त्रीय निरीक्षणे. 40 वर्षांचा अनुभव.” अशाप्रकारे, व्लादिमीर दुरोव यांच्या पुस्तकात तुम्ही ऑपरेटंट प्रशिक्षणाच्या रशियन आवृत्तीबद्दल वाचू शकता आणि ऑपरेट प्रशिक्षणाच्या अमेरिकन आवृत्तीचे वर्णन “कुत्र्याकडे गुरगुरू नका!” या पुस्तकात केले आहे. मानसशास्त्रज्ञ आणि ट्रेनर कॅरेन प्रायर, जे, तसे, मी तुम्हाला वाचण्याचा सल्ला देतो.

स्किनरच्या ऑपरेटंट प्रशिक्षणाच्या सामान्य पद्धतीचे वर्णन खालील चरणांमध्ये केले जाऊ शकते:

वंचिततेचा टप्पा. स्किनरने 30 च्या दशकात या स्टेजला म्हणतात. तथापि, आता या टप्प्याला "मूलभूत गरजा निवडण्याचा आणि निर्माण करण्याचा टप्पा" म्हटले पाहिजे.
ऑपरंट कंडिशन रिफ्लेक्स तयार करताना, कुत्र्यांना ज्ञात असलेल्या जवळजवळ सर्व गरजा वापरल्या जाऊ शकतात, परंतु स्किनरने अन्नाची गरज अधिक वेळा वापरली. आणि वंचित अवस्थेचा अर्थ असा होता की स्किनरने प्राण्यांना काही काळ कमी आहार दिला किंवा त्यांना उपाशी ठेवले. असे मानले जात होते की अन्न मजबुतीकरण केवळ प्राण्यांसाठी महत्त्वपूर्ण होते आणि जेव्हा या प्राण्याने त्याच्या जिवंत वजनाच्या 20% कमी केले तेव्हा ते शिकण्यासाठी प्रभावी होते. अरे वेळा, अरे शिष्टाचार!
वातानुकूलित अन्न मजबुतीकरण निर्मितीचा टप्पा. त्याच्या संशोधनात, स्किनरने स्वयंचलित फीडरचा वापर केला, ज्याचा आवाज प्राण्यांना फीड पेलेट दिसण्यासाठी सिग्नल असावा. आणि यास वेळ लागला. फीडरच्या आवाजाला प्रतिसाद म्हणून, उंदीर लगेच फीडरकडे धावला तेव्हा स्टेज पूर्ण झाला असे मानले गेले.
खरं तर, हा टप्पा म्हणजे अन्न मजबुतीकरणासह शास्त्रीय कंडिशन ध्वनी प्रतिक्षेप तयार करणे. हे तथाकथित क्लिकर प्रशिक्षणासाठी आधार म्हणून देखील कार्य करते - कंडिशन्ड साउंड फूड पॉझिटिव्ह मजबुतीकरण वापरून प्रशिक्षण पद्धत.
आणि आम्‍हाला हे कबूल करावे लागेल की स्‍कूल ऑफ ऑपरेण्‍ट ट्रेनिंग स्‍कूल ऑफ स्‍कूल स्‍कूल पारंपारिक प्रशिक्षणापासून अनुकूलपणे वेगळे आहे कारण ऑपरेण्ट ट्रेनिंग मजबुतीकरणाच्या मुद्द्याकडे लक्ष देते. विशेषतः सकारात्मक आणि संभाव्य मजबुतीकरण.
प्रतिक्रिया निर्मितीचा टप्पा. एक मॉडेल वर्तन म्हणून, स्किनरने त्याच्या उंदरांना पेडल दाबण्यासाठी आणि त्याच्या कबूतरांना किल्ली दाबण्यासाठी प्रशिक्षण दिले. पेडल दाबण्याच्या प्रतिक्रियेची निर्मिती तीनपैकी एका प्रकारे केली गेली: चाचणी आणि त्रुटी (उत्स्फूर्त निर्मिती), निर्देशित किंवा अनुक्रमिक निर्मिती आणि लक्ष्य पद्धतीद्वारे.
उत्स्फूर्त निर्मितीमध्ये स्किनर बॉक्समधून प्रवास करणाऱ्या प्राण्याने चुकून पेडल दाबले आणि हळूहळू स्वयंचलित फीडरच्या समावेशासह ते दाबले जाणे समाविष्ट होते.
दिशात्मक निर्मिती दरम्यान, संशोधकाने स्वयंचलित फीडर चालू केला, प्रथम पेडलच्या दिशेने कोणत्याही अभिमुखतेला मजबुती दिली, नंतर त्याच्या जवळ आला आणि शेवटी तो दाबला. क्लिकर प्रशिक्षण का नाही!
आणि लक्ष्य पद्धत अशी होती की अन्नाची गोळी चावीवर चिकटलेली होती, ती फाडण्याचा प्रयत्न केल्याने लीव्हर दाबला गेला.
इच्छित वर्तन सुरू करण्यासाठी ऑपरेटंट प्रशिक्षणाची आधुनिक पद्धत प्राण्यांवर प्रभाव टाकण्याच्या जवळजवळ सर्व ज्ञात पद्धतींचा वापर करण्यास अनुमती देते. तथापि, प्रतिकूल (वेदना किंवा अस्वस्थता) परिणाम वापरणे अप्रभावी मानले जाते.
वर्तनास उत्तेजनाच्या नियंत्रणाखाली आणणे किंवा भिन्न उत्तेजक परिचय देणे. दुस-या शब्दात सांगायचे तर, सशर्त उत्तेजन किंवा आदेशाचा परिचय.
स्किनर आणि त्याच्या समर्थकांचा असा विश्वास होता की क्रियेची निर्मिती आणि कंडिशन्ड उत्तेजना (आदेश) सह त्याच्या कनेक्शनचा एकाचवेळी समांतर विकास या दोन भिन्न प्रक्रिया आहेत. आणि दोन भिन्न गोष्टींचे एकाच वेळी एकत्रीकरण शिकण्यात गुंतागुंत करते. म्हणून, पारंपारिक ऑपरेटर प्रथम वर्तन तयार करतात आणि नंतर कमांड प्रविष्ट करतात.
यावर जोर दिला पाहिजे की ऑपरेटींग लर्निंगमध्ये, एक विभेदक उत्तेजना ही आपल्या समजुतीनुसार आज्ञा नसते. संघ ऑर्डर सारखा असतो, नाही का? आम्ही सहसा अशा प्रकारे अर्थ लावतो. विभेदक उत्तेजना ही अशी माहिती आहे की सध्या वर्तनाची अंमलबजावणी सर्वात प्रभावी आणि सामान्यतः शक्य आहे. अशा प्रकारे, ऑपरेटंट प्रशिक्षणातील "कमांड" मध्ये वर्तन करण्यास परवानगी देणे आणि परवानगी देणे हे कार्य आहे.
ते अधिक स्पष्ट करण्यासाठी, प्रयोगामध्ये लाइट बल्बच्या परिचयाचे वेगळे उत्तेजक म्हणून विश्लेषण करूया. तर, उंदीर पेडल दाबायला शिकला आहे आणि जेव्हा त्याला खायचे असेल तेव्हा दाबतो. संशोधक काही सेकंदांसाठी लाईट चालू करतो आणि अशा परिस्थिती निर्माण करतो ज्यात प्रकाश चालू असतानाच पेडल दाबल्याने फीडचा पुरवठा होतो. आणि प्रकाश बंद झाल्यावर, तुम्ही कितीही दाबले तरी तुमच्याकडे तीन बोटांचे मिश्रण असेल! म्हणजेच, लाइट बल्बचा समावेश वेगवेगळ्या परिस्थिती निर्माण करतो, वेगळे करतो, वेगळे करतो, वेगळे करतो. आणि उंदीर लवकरच समजू लागतो. आणि तिला खरोखरच खायचे आहे (तिला अन्नाची गरज आहे!), मग, जेव्हा तिला लाइट बल्ब दिसला, तेव्हा ती ताबडतोब पॅडलकडे धावते आणि, बरं, दाबा! बाहेरून, असे दिसते की स्विच केलेला लाइट बल्ब उंदीर बनवतो, त्याला पेडल दाबण्याचा आदेश देतो. पण आता तुम्हाला समजले आहे की तसे नाही. जेव्हा प्रकाश येतो तेव्हा ते म्हणतात: आता तुम्ही पेडल दाबू शकता. पण फक्त!
वर्तन मजबूत करणे. कौशल्यामध्ये तयार केलेल्या वर्तनाचे एकत्रीकरण संभाव्य मजबुतीकरण वापरून पुनरावृत्तीद्वारे केले जाते. यासाठी वेगवेगळ्या गरजा वापरणे आणि त्यानुसार, विविध मजबुतीकरण लागू करणे देखील उपयुक्त आहे.
व्लादिमीर डुरोव्हपासून उद्भवलेल्या प्रशिक्षणाच्या ऑपरेटींग पद्धतीची देशांतर्गत आवृत्ती केवळ त्यातच वेगळी आहे की ती तुम्हाला त्वरित कार्यकारी उत्तेजन (कमांड, वेगळे करणारे उत्तेजन, कंडिशनिंग स्टिमुलस) सादर करण्यास अनुमती देते. सराव दर्शवितो की आयात केलेल्या तंत्रापेक्षा कौशल्य कमी होत नाही. आणि हे आपल्याला संपूर्ण पायरी काढून टाकण्यास अनुमती देते, त्यामुळे वेळेची बचत होते. त्यामुळे प्रशिक्षण तंत्राच्या देशांतर्गत निर्मात्याला समर्थन देण्यात अर्थ प्राप्त होतो!