在上一篇文章中（ ），我們瞭解到，在狗狗學習握手的初期，最快的訓練策略是連續強化策略，即每一次狗狗做對握手動作，都給它獎勵。
當狗狗學會了握手，接下來我們要做的是，怎麼讓狗狗在缺少獎勵的情況下，仍能不知疲倦地和你握手？這需要用到另外一種訓練策略——間歇強化策略。
間歇強化策略
間歇強化（intermittent reinforcement），又名部分強化（partial reinforcement），顧名思義，只獎勵部分的正確行為。間歇強化大致可分為兩大類策略：間隔策略和比率策略。
間隔策略
間隔策略是指在第一次正確動作之後，間隔一段時間再給獎勵。獎勵之後，重新開始下一輪獎勵。獎勵只依賴時間間隔，跟實驗動物執行了多少次動作無關。
如果時間間隔是固定的，則稱為固定間隔策略（fixed interval）。例如，每次大鼠壓桿後8秒後才獎勵它。固定間隔策略訓練下大鼠，其行為有一個顯著特徵，得到獎勵後壓桿概率大幅下降。
固定間隔策略中，動物的累計反應次數。虛線為獎勵時刻
這容易理解，每次獎勵後，獎勵的概率降低。這時壓桿，要過一定時間（如8秒）之後才會有下一次獎勵。
如果時間間隔是隨機的，則稱為可變間隔策略（variable interval）。例如，大鼠第一次壓桿後2秒給獎勵。下一次獎勵在壓桿8秒之後，再一次20秒。這種策略下，大鼠的壓桿頻率在獎勵後雖然仍然會有所下降，但下降幅度遠小於固定間隔策略。可變間隔策略會讓大鼠保持相對穩定的速率壓桿。
可變間隔策略可讓大鼠保持穩定的壓桿頻率
大鼠的行為也容易理解。試想一下，假如你想考一個好成績，但不知道老師的突擊考試會發生在什麼時候，最佳的策略是把功夫用在平時。這會讓人養成一種用功學習的習慣，即使不再有考試。
其實，科學實驗已經證明，可變間隔策略很容易讓大鼠的壓桿行為變成習慣行為。即，實驗動物不再考慮最終獎勵的價值，而是看見杆就壓，動作固定。即使最終的食物獎勵對大鼠來說已經沒有太大價值，它依然會去壓桿。
比率策略（Ratio schedule）
不同於時間間隔策略，比率策略是指大鼠壓桿一定次數後再給獎勵，跟時間無關。之所以稱比率，是因為大鼠壓桿和獎勵之間有一個比率。比率不是1：1，而是n：1。
比率策略下，大鼠的壓桿頻率要高於間隔策略，因為大鼠知道壓桿頻率越高，獲得獎勵時間越早。
同樣的，比率策略可分為固定比率策略和可變比率策略。
對於
固定比率策略，大鼠壓桿固定次數後可獲得獎勵。固定比率策略一個特徵是，在獲得獎勵後，大鼠會消停一段時間，隨後再開始另一波壓桿。
固定比率策略，大鼠獲得獎勵之後，會有一段休息時間
這種行為也普遍存在我們人類身上。例如，售樓小哥賣出20套房子會得到20萬元獎勵。目標完成之前，他會拼命奔波。當20萬元獎勵拿到後，他感到身心俱疲，他會先放鬆一陣，然後再開始下一個20套房子。
如果是可變比率策略，那麼大鼠壓桿獲得獎勵的次數是隨機的。第一次壓桿4下可獲得獎勵，下一次2下，再下一次10下。這種策略下，大鼠會保持高頻的、穩定的壓桿頻率。因為大鼠不知道壓桿幾次之後才能獲得獎勵，它知道的只是壓桿頻率越高，獲得獎勵的時間越早。
可變比率策略會讓大鼠產生高頻率的壓桿行為
可變比率策略可產生高頻率的行為，這也是賭博讓人上癮的原因。因為每次賭博是否贏錢是隨機的，人們永遠不知道哪一次會贏。當人們輸了錢後，總想著下次可能就會翻盤，這會讓人不停地賭，不停期望下一次贏錢儘快的到來。
哪一種間歇強化策略適合訓練狗狗？
間歇強化策略之所以能讓實驗動物的行為更穩定，更不易消退，是因為經過間歇強化，實驗動物已經瞭解到並不是每一次正確的行為都會有獎勵。
這跟連續強化區別顯著。連續強化後，如果一次正確行為之後沒有獎勵，對實驗動物來說，就是一種懲罰、打擊，它們會受挫。所以，學會的動作很容易消失。而間歇強化卻讓實驗動物理解到，沒有獎勵的行為是正常現象，不會影響它們的心情。這是間歇強化讓行為對沒有獎勵更有抵抗力的根本原因。
所以，我們要讓狗狗知道，並不是每一次握手都會有獎勵，獎勵是隨機給予的。
時間間隔策略操作起來麻煩，最實用的方法是可變比率策略，即在隨機的幾次握手後，給狗狗獎勵。需要注意的是，獎勵比率需要循序漸進的降低。例如，剛開始獎勵次數為十之八九，然後降低為十之五六，十之一二。當然，不能完全不給獎勵。如果狗狗長時間得不到獎勵，最終，它的行為也是會消退的。
好了，趕快用科學的方法開始你的訓狗之旅吧！
閱讀更多 生物流 的文章
