强化程序

强化程序就是规定你做出某种行为后，什么时候能得到奖励的规则。你总想查看手机，就与变动时距强化程序有关：你不知道什么时候会出现一条让你开心的通知，所以查看手机这个动作本身也变得很有吸引力。有些奖励可以预期，比如每两周发一次的工资；但最持久的习惯，往往由另一类奖励驱动：你不知道要做多少次动作才能得到奖励，就像玩老虎机时中奖一样。

试试这样：当你特别想做某件事时，想一想，潜在的奖励是出现时间难以预测，还是获得它所需的动作次数难以预测？

强化程序是行为心理学的一个核心概念，描述行为后果出现的时机会怎样影响行为。四种基本类型，可以解释我们日常生活中许多与动机和行为频率有关的现象。

其中两种取决于反应的次数：

• **固定比率：**完成固定次数的动作后，就能得到奖励。比如咖啡店的集点卡，每购买10次，就能免费获得一杯饮品。这种程序会让行为保持较高且稳定的频率，但每次获得奖励后，行为会短暂停顿。
• **变动比率：**得到奖励前需要完成多少次动作，无法预测。老虎机和电子游戏中的随机奖励，采用的就是这种机制。这种不确定性很吸引人，会让行为的发生频率最高，也最持久。

另外两种取决于经过的时间：

• **固定时距：**经过固定的一段时间后，第一次做出反应就能得到奖励。每两周发一次的工资就是经典例子。这种模式常常会让行为在奖励时间临近时变得更频繁。
• **变动时距：**经过一段长短不定的时间后，第一次做出反应就能得到奖励。这就像查看电子邮件或刷新社交媒体动态：你不知道新消息或新帖子什么时候出现，所以会持续查看。这种程序会让反应保持稳定、适中的频率。

理解这些程序，有助于解释为什么有些数字产品让人觉得上瘾。刷新应用里的动态，就属于变动时距强化程序。你不知道新内容什么时候出现，于是不断查看。你可以用这些知识培养更好的个人习惯，也可以借此识别外部系统什么时候可能在操控你的注意力。

B. F. 斯金纳开创的研究表明，强化的模式往往比奖励的大小更关键。神经科学将变动强化程序的强大作用与大脑的多巴胺系统联系起来：这个系统对意料之外的奖励反应更强。

• Ferster与Skinner（1957）系统地记录了不同强化程序如何产生各自独特的行为模式，并指出，变动比率强化程序会产生最持久的反应。[1]
• Schultz（2015）的研究表明，意料之外的奖励会让多巴胺神经元发出“奖励预测误差”信号，也就是实际奖励与预期之间存在差异的信号，从而有力地强化此前的行为。[2]

这些原理可能低估认知、内在动机和社会情境的作用，从而把行为解释得过于简单。在数字产品中刻意使用变动比率强化程序，例如游戏战利品箱，也会引发伦理担忧：它可能让人上瘾，并利用人的心理弱点。