Wzmocnienie o zmiennej proporcji to wzorzec nagród stojący za automatami, polubieniami i loot boxami: nieprzewidywalne wypłaty, które generują najbardziej trwałe zachowanie, jakie kiedykolwiek zmierzyła psychologia.
Wzmocnienie o zmiennej proporcji to harmonogram nagród, w którym wypłata pojawia się po nieprzewidywalnej liczbie działań, a nie po stałej, policzalnej. B.F. Skinner zidentyfikował je w latach 50. jako najsilniejszy harmonogram utrzymujący zachowanie, jaki udokumentowała psychologia — skuteczniejszy w utrzymywaniu reakcji niż nagradzanie za każdym razem lub nagradzanie według stałego, przewidywalnego rachunku.
Historia prowadzi od drewnianej skrzynki z gołębiami w laboratorium, przez kasyna w Las Vegas, po aplikację na Twoim ekranie głównym, a w każdym miejscu podstawowy mechanizm jest niemal identyczny. To, co się zmienia, to opakowanie: dźwignia, obracający się bęben, gest odświeżenia.
Skinner zbudował to, co dziś nazywamy skrzynką Skinnera — komorę, w której gołąb lub szczur mógł zdobyć granulę pokarmu, dziobiąc dysk lub naciskając dźwignię. Następnie zmieniał sposób dostarczania nagród: za każdą reakcję, po stałej liczbie reakcji, po stałym interwale czasowym lub po zmiennej, nieprzewidywalnej liczbie reakcji.
Wersja o zmiennej proporcji dała zdecydowanie najbardziej ekstremalny wynik. Zamiast granulki za każdym dziobnięciem, maszyna wydawała jedną po losowej liczbie dziobnięć. Głodny gołąb pod tym harmonogramem dziobał dźwignię około 12 000 razy na godzinę, otrzymując średnio nagrodę tylko raz na 110 dziobnięć. Żaden przewidywalny harmonogram nie zbliżył się do tego tempa.
Sam Skinner porównał to do hazardu i zauważył, jak oporne na całkowite zatrzymanie się staje się zachowanie. Nawet pojedyncza nagroda po długiej suszy często wystarczała, by je utrzymać — ta sama dynamika, która sprawia, że rodzic, który ustąpił podczas napadu złości tylko raz, odkrywa, że napady nie ustają, ale nasilają się.
Antropolog Natasha Dow Schüll spędziła 15 lat w Las Vegas badając hazard na automatach dla swojej książki Addiction by Design i odkryła coś konkretnego: gracze w głębokim zaangażowaniu z automatem wchodzą w to, co nazywa „the machine zone” — transopodobny stan, w którym codzienne troski, presja społeczna, a nawet świadomość ciała znikają. W tym stanie ludzie nie grają, by wygrać. Grają, by grać dalej.
Główny argument Schüll zmienia to, gdzie faktycznie mieszka uzależnienie. To nie jest czysto wewnętrzna słabość psychologiczna gracza. Powstaje z interakcji między człowiekiem a maszyną celowo zaprojektowaną wokół harmonogramu o zmiennej proporcji — co oznacza, że sam design wykonuje realną pracę przyczynową, a nie tylko odpowiada na wcześniejszy przymus.
Tristan Harris, były menedżer produktu Google, który później współzałożył Center for Humane Technology, był w tym bezpośredni. Za aplikacjami takimi jak Facebook, Twitter i Snapchat, jak mówi, zespoły projektantów codziennie pracują specjalnie nad znajdowaniem nowych dźwigni psychologicznych, by utrzymać ludzi zaangażowanych. Nieprzewidywalne nagrody — polubienia, komentarze, match, nowy obserwujący — pojawiające się bez stałego harmonogramu, są jednymi z najbardziej bezpośrednich z tych dźwigni.
To nie jest tylko narracja pożyczona z Vegas i przyklejona do ikony aplikacji. To ta sama podstawowa struktura wzmocnień, stosowana przez ludzi, którzy dokładnie rozumieją, co sprawiło, że automat działa, skierowana na ekran, który nosisz w kieszeni, zamiast maszyny przytwierdzonej do podłogi kasyna.
Studium komputerowe analizujące ponad milion postów od ponad 4000 osób wykazało, że ludzkie zachowanie w mediach społecznościowych odpowiada jakościowo i ilościowo zasadom uczenia się nagród, szerszej ramy, do której należy wzmocnienie o zmiennej proporcji. To znacznie silniejsze twierdzenie niż „działa to jak jednoręki bandyta”. To ilościowe dopasowanie między rzeczywistymi wzorami użycia a konkretnym modelem uczenia się nagród.
Nie każdy badacz czuje się komfortowo z czystą analogią do skrzynki Skinnera, a ich sprzeciw jest konkretny, a nie odrzucający. Metafora się nie sprawdza, według jednego ujęcia, nie dlatego, że jest błędna, ale że jest niekompletna: współczesna aplikacja nie warunkuje jednej izolowanej reakcji, jak naciśnięcie dźwigni. Nakłada na ten sam podstawowy harmonogram systemy postępu, tożsamości społecznej, presji czasowej i monetyzacji — znacznie bardziej złożone środowisko niż skrzynka z jedną dźwignią.
Jest też druga, poważniejsza różnica strukturalna. Gołąb w klatce nie ma opcji, by nie grać; dźwignia to jedyne, co jest w skrzynce. Człowiek otwierający aplikację w zasadzie może wybrać, by tego nie robić. Jedno bezpośrednie ujęcie tego punktu: to tylko harmonogram generujący wysokie tempo, jeśli grasz w grę. Ta różnica jest dokładnie tym, gdzie blokada staje się istotna, i to szczere miejsce, by zakończyć ten rozdział, zamiast udawać, że analogia jest idealna.
Jeśli uczciwą krytyką porównania do skrzynki Skinnera jest „wciąż możesz wybrać, czy grać”, to sam wybór jest tym, warto inżynieryjnie obejść, a nie harmonogram nagród w aplikacji, gdy już w niej jesteś. Żadna ilość siły woli nie pokonuje niezawodnie systemu zbudowanego przez ludzi, którzy badają dokładnie to, co sprawia, że głodny gołąb dzioba dźwignię 12 000 razy na godzinę. Próba oparcia się harmonogramowi o zmiennej proporcji w danej chwili to przegrany zakład strukturalny, dokładnie tak jak dla gołębia.
Fella interweniuje wcześniej, na poziomie samego wyboru. Aplikacje pozostają domyślnie zablokowane, więc moment-to-moment decyzja „tylko sprawdzę” nie jest dostępna do impulsywnego podjęcia. Jeden 5-minutowy awaryjny odblok na sesję to celowy, zaplanowany wyjątek, a nie otwarte zaproszenie, by usiąść przy maszynie i zobaczyć, co się stanie dalej.
Wzmocnienie o zmiennej proporcji to harmonogram, w którym nagroda pojawia się po nieprzewidywalnej liczbie działań, a nie po stałej liczbie. B.F. Skinner zidentyfikował go jako wzorzec wzmocnienia generujący najwyższą i najbardziej trwałą intensywność zachowania spośród wszystkich testowanych przez niego harmonogramów.
Skinner skonstruował skrzynkę, która dawała gołębiom granulę pokarmu po losowej liczbie dziobnięć dźwigni, a nie za każdym dziobnięciem. W tym harmonogramie o zmiennej proporcji głodny gołąb dziobał dźwignię około 12 000 razy na godzinę, otrzymując średnio nagrodę co 110 dziobnięć — znacznie więcej niż w jakimkolwiek przewidywalnym harmonogramie nagród.
Antropolog Natasha Dow Schüll spędziła 15 lat badając hazard na automatach w Las Vegas i odkryła, że gracze wchodzą w to, co nazywa „the machine zone” — transopodobny stan, w którym gra się po to, by grać dalej, nie po to, by wygrać. Jej badania argumentują, że uzależnienie nie jest czysto wewnętrzną słabością gracza, ale powstaje z interakcji między człowiekiem a maszyną zaprojektowaną wokół nagród o zmiennej proporcji.
Tak. Studium komputerowe analizujące ponad milion postów od ponad 4000 osób wykazało, że ludzkie zachowanie w mediach społecznościowych odpowiada jakościowo i ilościowo zasadom uczenia się nagród, tej samej podstawowej ramie, do której należą harmonogramy o zmiennej proporcji.
Częściowo, a krytycy są konkretni co do tego, gdzie porównanie się załamuje. Badacze argumentują, że metafora nie jest błędna, ale niekompletna: współczesne aplikacje nie warunkują jednej izolowanej reakcji na dźwignię, ale nakładają na ten sam podstawowy harmonogram nagród systemy postępu, tożsamość, kontekst społeczny i monetyzację. Jest też kluczowa różnica strukturalna: gołąb w klatce nie może wybrać, by nie grać, ale człowiek w zasadzie może wybrać, by nie otworzyć aplikacji.
Tristan Harris, były menedżer produktu Google i współzałożyciel Center for Humane Technology, mówił, że za aplikacjami takimi jak Facebook, Twitter i Snapchat zespoły projektantów codziennie pracują nad znajdowaniem nowych dźwigni psychologicznych, by utrzymać ludzi zaangażowanych, wyraźnie opierając się na zasadach takich jak nieprzewidywalna nagroda.
Kluczowa różnica między gołębiem w skrzynce Skinnera a użytkownikiem telefonu polega na tym, że człowiek może wybrać, by nie grać. Fella usuwa ten wybór w chwili, w której ma największe znaczenie, domyślnie blokując aplikacje, więc decyzja o zaangażowaniu się w system nieprzewidywalnych nagród nie jest dostępna do impulsywnego podjęcia, zamiast prosić kogoś o przezwyciężenie harmonogramu zaprojektowanego, by być maksymalnie trwałym.
