Betinget forsterker

Fakta

Kort definisjon

En betinget forsterker er en stimulus som har fått forsterkende virkning gjennom sin relasjon til andre, allerede etablerte forsterkere. Klikkerlyden er standardeksemplet: i seg selv nøytral, men virksom etter kobling til noe hunden vil ha. «Sekundær forsterker» er et eldre navn.

Canis forklarer

Enkelt forklart

En godbit forsterker uten at hunden må lære det – den er god av natur. Men en lyd er ikke god av natur. En klikkerlyd, et bestemt ord, synet av matskåla: dette er ting som ikke betyr noe for en valp den første dagen. De blir betydningsfulle først når de kobles til noe hunden allerede vil ha. Da – og først da – kan de selv begynne å forsterke atferd. Det er en betinget forsterker: en lært forsterker.

Dette er selve grunnmuren under klikkertrening og all markørtrening. Klikket kan ikke mette en hund; det virker fordi hunden har lært at klikket varsler noe godt. Den store praktiske gevinsten er presisjon: du kan «klikke» i det nøyaktige øyeblikket hunden gjør det riktige, lenge før du rekker å levere godbiten. Den betingede forsterkeren fanger øyeblikket.

To ting er verdt å ta med videre, og de er grunnen til at dette oppslaget er viktigere enn det ser ut. Det ene er at forskerne faktisk er uenige om hvorfor en betinget forsterker virker. Det andre er at virkningen ikke er gratis: den slites ned hvis koblingen til noe ekte godt ikke holdes ved like. Begge deler har direkte følger for hvordan man bør bruke en klikker.

Og så kommer poenget som er verdt hele oppslaget for en hundetrener: klikkeren er langt fra den eneste betingede forsterkeren i sving. I en vanlig treningsøkt vrimler det av dem, enten du vil eller ei – og hunden lærer av dem alle sammen.

Tenk deg at du trener helt uten klikker. Da blir håndbevegelsen mot godbitlomma en betinget forsterker helt av seg selv: hunden har lært at den bevegelsen varsler noe godt, og den forsterker det hunden gjorde idet hånden gikk mot lomma. Innlærte signaler virker likedan. Sier du «apport!» litt for sent, forsterker selve signalet det hunden akkurat da holdt på med – enten at den satt pent og ventet, eller at den løftet rumpa og tjuvstartet. Det samme gjelder dine egne bevegelser og det å sette i gang en aktivitet: i det du begynner å gå framover i fri ved foten, forsterker du det hunden gjorde i startøyeblikket – for eksempel at den satt på plass og så opp på deg.

Det viktigste eksempelet er hjelp og lokking, for her går mange rett i en felle. Begynner du å lokke hunden ned i dekk, forsterker du det hunden gjorde da lokkingen startet – og det er som regel at den stod passivt foran deg og ventet på hjelpen. Legg merke til hva som skjer over tid: du tror du trener «dekk», og det gjør du også – men samtidig gjør du det å stå og vente passivt mer sannsynlig, fordi det er nettopp den atferden lokkingen din følger. Dette er selve motoren bak hjelpeavhengighet: lokker du ofte i det hunden venter passivt, blir passiv venting mer sannsynlig, selv om du helt riktig også forsterker liggen du etter hvert lokker fram. Og her er presisjonen som gjør dette til mer enn en kuriositet: lokkingen ser ut som ren hjelp – en påminnelse, et vink – men den virker samtidig som en forsterker på det hunden gjorde rett før. Det som ser ut som stimuluskontroll og hjelp, er også forsterkning. Ser du bare det ene, skjønner du ikke hvorfor hunden blir mer og mer avhengig av at du lokker.

Det er derfor betingede forsterkere er så mye mer enn klikkeren og markøren – og derfor begrepet er så viktig akkurat for hundetreneren. Klikkeren er den ene du styrer med vilje; resten virker enten du følger med eller ei.

Fakta

Utfyllende faglig forklaring

En betinget forsterker er en stimulus som i utgangspunktet er nøytral, men som gjennom sin relasjon til én eller flere etablerte forsterkere selv kommer til å virke forsterkende på atferd. Den står i motsetning til den ubetingede forsterkeren (mat, vann – forsterkere som ikke krever læring). Fordi de fleste betingede forsterkere kan knyttes til flere ulike bakenforliggende forsterkere, kalles en bredt koblet betinget forsterker gjerne en generalisert betinget forsterker.

Holdbarhet – en betinget forsterker slites ned. Dette er et empirisk poeng med stor praktisk vekt: en betinget forsterker beholder ikke virkningen sin av seg selv. Uten fortsatt kobling til etablerte forsterkere svekkes den – i praksis går den mot ekstinksjon som forsterker. Et klikk som gang på gang ikke følges av noe hunden vil ha, blir gradvis «bare en lyd» igjen. Den beste tilgjengelige evidensen støtter at betingede forsterkere avhenger av vedlikeholdt kobling for å holde seg sterke; hvor raskt de svekkes, avhenger av forhold som hvor godt innarbeidet koblingen er og hvor rikt og variert den bakenforliggende forsterkeren er. Dette er grunnen til at man i klikkertrening fortsetter å følge klikk med noe godt.

Mekanismen er omstridt – se «Faglig uenighet og nyanser» under. At betingede forsterkere finnes og virker, er godt dokumentert; hvorfor nettopp en klikker virker, er en dokumentert faglig uenighet med navngitte posisjoner, og den skal ikke skjules bak en glatt forklaring.

Faglig uenighet og nyanser

Spørsmålet om hvordan en betinget forsterker – i praksis oftest en klikker – egentlig virker, er en levende faglig uenighet med publiserte posisjoner. Den skal legges fram som en uenighet, ikke avgjøres i forbifarten.

Tre hypoteser (Feng, Howell & Bennett, 2016). En teoretisk gjennomgang stilte opp tre mulige mekanismer for hvordan klikkertrening virker:

• Forsterkende hypotese: klikket er en ekte betinget forsterker – det har fått forsterkende virkning gjennom kobling til mat, og styrker atferden det følger.
• Markerende hypotese: klikket markerer målresponsen og hjelper hunden å identifisere nøyaktig hvilken atferd som gjelder – nærmere en diskriminativ stimulus som skiller ut øyeblikket enn en forsterker i seg selv.
• Broende hypotese: klikket bygger bro over tidsgapet mellom responsen og den forsinkede primærforsterkeren, og holder på forbindelsen til godbiten kommer.

Feng og medarbeidere konkluderte at klikkere sannsynligvis virker som betingede forsterkere, men at de også kan ha markerings- og broegenskaper – og at den empiriske støtten for at et klikkersignal i det hele tatt fremmer læring, er blandet. De tre hypotesene utelukker heller ikke hverandre: samme klikk kan markere, bygge bro og forsterke samtidig.

En publisert innvending (Dorey & Cox, 2018). Mot slutningen om at klikket er en betinget forsterker, innvendte Dorey og Cox at den i stor grad hviler på sterkt kontrollerte laboratoriestudier, og at konklusjonen er trukket uten at den nødvendige forskningen på faktisk, anvendt klikkertrening er gjort. De pekte også på at trenere og grunnforskere bruker samme ord funksjonelt forskjellig – en terminologisk forvirring som gjør at debatten dels går forbi seg selv.

Hva som står, og hva som er åpent. To ting må holdes fra hverandre. At betinget forsterkning som fenomen finnes og er kraftig, hviler på et bredt grunnlag i den eksperimentelle atferdsanalysen (derav oppslagets evidensgrad). Men hvilken mekanisme som forklarer klikkerens virkning i praktisk trening – forsterker, markør, bro, eller en blanding – er ikke avgjort, og selv anvendeligheten av de laboratoriebaserte funnene på ekte klikkertrening er omstridt (Dorey & Cox). Her velges ikke side: den forsterkende hypotesen er den mest etablerte utgangsposisjonen, men den er anfektet på et reelt metodisk grunnlag, og en ærlig framstilling lar begge stå. (Effektspørsmålet – om en klikker virker bedre enn en verbal markør – er et eget spørsmål som hører til klikkertrening-oppslaget, der flere kontrollerte studier finner små eller ingen forskjeller.)

Anvendelse

Eksempel: hundetrening

Du lader en klikker: klikk, godbit – mange ganger, uten at hunden trenger å gjøre noe bestemt. Snart snur hunden seg forventningsfullt mot deg ved lyden. Nå kan klikket brukes til å forsterke atferd: i det hunden setter seg, klikker du, og sittingen styrkes – selv om godbiten kommer et sekund senere. Klikket har blitt en betinget forsterker.

Observér nå holdbarhetspoenget i praksis. En trener slutter etter hvert å følge klikkene med noe som helst, «fordi hunden kan det nå». Over uker begynner klikket å virke dårligere – responsen blir treg, og til slutt ignorerer hunden det. Ingenting mystisk skjedde: den betingede forsterkeren mistet kraften da koblingen til noe ekte godt tørket inn. Det praktiske rådet følger direkte av begrepet – hold koblingen ved like.

Hva begrepet ikke betyr

En betinget forsterker er ikke en svakere eller «juksete» forsterker. Den kan være svært kraftig – penger for mennesker er en betinget (generalisert) forsterker. «Betinget» sier bare at virkningen er lært, ikke at den er liten.

Det er heller ikke det samme som en ubetinget forsterker. Mat og vann forsterker uten læring; klikket og ordet «flink» forsterker bare i kraft av sin lærte relasjon til slike goder. Fjerner du relasjonen, forsvinner virkningen – noe som ikke skjer med mat.

Og det er ikke avklart at en betinget forsterker virker ved å ha fått en egen «verdi» – det er nettopp det mekanismedebatten over handler om.

Vanlige misforståelser

• «Klikkeren virker fordi lyden er behagelig for hunden.» Nei. Lyden er nøytral i seg selv; den virker fordi den er koblet til noe hunden vil ha. Uten den koblingen er den bare en lyd.
• «Når hunden har lært klikkeren, trenger jeg ikke godbiter mer.» Farlig. Betingede forsterkere svekkes uten vedlikeholdt kobling. Slutter du å følge klikket med noe godt, mister klikket kraften.
• «Betinget = sekundær = mindre viktig.» Nei. «Betinget» betyr lært, ikke svak. Betingede forsterkere kan være både sterke og helt sentrale i trening.
• «Vi vet hvorfor betingede forsterkere virker.» Ikke helt. At de virker, er godt dokumentert; hvorfor – ved verdioverføring gjennom kobling, eller ved å fungere som signal/informasjon – er faglig omstridt.

Historie

Betinget (opprinnelig «sekundær») forsterkning ble beskrevet av B. F. Skinner i The Behavior of Organisms (1938) og ble tidlig et sentralt begrep i den eksperimentelle analysen av atferd. Nettopp spørsmålet om hvordan betingede forsterkere virker, ble gjenstand for en lang teoretisk og eksperimentell debatt gjennom andre halvdel av 1900-tallet – mellom syn som forankrer virkningen i sammenkobling og verdioverføring, og syn som forankrer den i stimulusens diskriminative eller informasjonsbærende rolle. Debatten lever videre i dyretreningsforskningen: Feng, Howell og Bennett (2016) stilte opp de tre hypotesene (forsterkende, markerende, broende), mens Dorey og Cox (2018) innvendte at slutningen om betinget forsterker hviler på laboratoriekontekster og mangler grunnlag i anvendt klikkertrening. Begrepet forblir dermed både praktisk uunnværlig og teoretisk omstridt.

Kilder

• skinner1938
• feng2016
• doreycox2018
• catania1998