负加固：如何替换对象？

我的Beauce Shepherd现在已经9个月大了，我们在私人教练的陪伴下进行了一些行为教育课程，并且一切进展顺利。在狗会按自己的意愿做现在之前，他只是在听真正的好声音！

在培训师的建议下，一些行为得到了积极的加强，而一些消极了。我们现在面临的问题是我们负面强化的行为。我们使用金属盒发出声音，狗讨厌它并听从。它总是在“否”之后用作第二种制裁。一切工作正常，现在，由于他的行为正确，我们不再需要使用该框。

问题在于我们认为我们需要用其他东西代替盒子，因为他现在知道如果没有盒子，就不会有声音，因此他会做出不想要的行为。由于我们现在需要将箱子搬到任何地方，这已经成为一个问题，因为如果我们没有箱子，他将使用机会。

有没有办法通过用我们的身体或其他东西代替盒子来纠正这一问题？

注意：一个月前他已经绝望了，他对我们的勇敢程度有所降低，但是当我们没有手提包时仍然会这样做。

谢谢

每当讨论操作符条件时，都有助于说相同的语言：

• 强化：旨在增加行为频率的动作
• 惩罚：旨在减少行为频率的动作
• 正面：存在刺激
• 负面：缺乏刺激

这些术语可以形成四个不同的组合（注意：括号中的示例为示例，而非建议！）：

• 积极强化：提出刺激以增加行为发生的频率（例如，当狗坐在命令位置时给予治疗）
• 负面增强：消除刺激以增加行为发生的频率（例如，邮递员在狗吠叫之后就消失了）
• 积极惩罚：提出刺激措施以减少行为发生的频率（例如，在地毯上撒尿时打狗）
• 负面惩罚：消除刺激以减少行为发生的频率（例如，当狗跳上你时离开房间）

在实践中，这些可能会变得混乱。例如，用盒子制造噪音是一种旨在降低行为频率的刺激措施，因此从技术上讲，这是积极惩罚的一个例子，但是，如果狗一旦执行正确的行为就停止了噪音的产生，那么您也可以去除刺激措施。增加正确行为的频率，嘿，负增强。

但这以您的狗有正确的行为为前提。您没有指定不希望的行为是什么，或者没有指定您想要强化的替代行为。如果您对噪音的所有处理都试图阻止他做某事，那么您是在提供惩罚而不是消极的强化。

在这两种情况下，部分问题可能是您只使用了主要的强化和惩罚者，即狗不需要学习的强化和惩罚者。例如，食物是主要的补强剂。狗知道食物是一件好事，而无需学习。通过扩展，噪音是主要的惩罚者，因为狗听不舒服。相比之下，次要补强者和惩罚者是那只狗学到的东西。

最典型的例子是巴甫洛夫的钟声，他每次给狗提供食物时都会响。通过始终将主增强器与刺激配对，刺激可以开始充当辅助增强器。也就是说，狗知道铃铛发出食物到达的信号，并会做出相应的反应。

您提到过，当您将狗叫出时，会使用“ no”（希望用严厉的声音，狗非常擅长辨别语调）以及噪音。“不”应该充当次要惩罚者，赞美也可以充当次要强化者。但是您可能无法逐步消除实际的噪声，因为有时只说“不”而不是噪声。

问题是，到现在为止，您的狗已经意识到“没有”没有框的意思是没有主要惩罚者，也就是说，两者没有关系，因此，他不在的时候就可以保存。

我建议您打开一个新问题，描述要阻止的实际行为，我们可能会更好地帮助您找到一种使用整个操作条件范围的方法，以使您的狗了解您想要的东西去做。

@ThomasH是一个很好的答案，它以非常精确的方式触及了使用辅助惩罚器的问题。

在这里，我仅对问题的两个方面添加一些评论。

惩罚错误行为与强化正确行为

即使“理论”在“强化者”和“惩罚者”方面作用相同，并且效果可能一样有效，我们也不要忘记抑制行为不会教狗如何做，而主要专注于训练的“否”部分导致了微观管理：您经常需要教狗不应该做的事情。即使狗知道在给定的情况下他不应该执行X，他仍然可以自由执行Y，Z等。如果您积极地教他（加强他）做W，这可能会阻止某种恶性循环，让每个人都开心。

变率强化/惩罚

@ThomasH解释了辅助补强或惩罚的概念。

要记住的一个方面是，与主要补强/处罚相反，必须使用可变的进度表（以一种或另一种方式）对辅助补强/惩罚。

食物是主要的补强剂。每次狗得到一份食物，他都会得到强化。

但是，诸如“是”或点击之类的关键字可以成为辅助手段。它链接到后续的主增强器。关键在于它之所以有效，是因为狗知道次要补强者会受到主要补强者的奖励。一旦了解到这一点，就必须保持链接的实际奖励。在开始时（培训期间），每次都会获得奖励，然后可以通过可变的时间表对其进行奖励。可变的时间表实际上加强了联系，因为狗无法预计主要奖励何时到达。

请注意，这通常适用于第三级增强器：提示“ sit”实际上是增强器，因为它可能导致另一个增强器（例如单击），然后导致实际的回报。

我们通常从不将辅助补强器（点击）与主要补强器（例如食物奖励）分离。这样就使两者之间的联系非常牢固，并且在提示（三级增强器）和点击之间应用了可变速率。

但是，在惩罚的情况下，您没有真正的“三次惩罚”，因此“强化”（在这种情况下被理解为惩罚）的可变比率介于您的次要惩罚（“否”）和实际惩罚（盒子）。