实际上你不用非得盯着看不够，那玩意儿早就烂在肚子里了，我上次蹲茅房被茅房冲水声惊得差点摔碎马桶，实际上那是纯粹的操作性条件反射，就是让那个声音变得更吵，下次还敢。 大量人认定这玩意儿特逗，当作只要看动作就行，结局彻底搞错了。

比如你教孩子玩“木头人”，你刚喊停，孩子一停，你数到三，他可能就三秒就停了，这时候你心里得琢磨：他是不是认定停得久点能得点奖励？要是他停忒久反而让你认定烦，那你可能得改策略，让他停短点，要么换个玩法。

这种游戏，靠的就是你在他停的时候给个正向反馈，让他认定“啊，我停住，不错，拿那个小红点”，他自然就会模仿你，一套一套的。 再比如我小时候，我妈有个小罐子，专门装那些没吃完的饭团。每天下班回家，我听到罐子盖盖“咔哒”一下，心里就有数：今天她又给我加了“保险感”这块糖。我知道，她平时不给我加，我肯定饿得慌，一饿就闹，但她加了，我就乖乖坐在那儿，等着看鸡腿。

这种罐子盖子的声音，听着怪怪的，但功能就是让我不乱动，让我知道“没难题，你来了，我没事”。

这就是典型的操作性条件反射，你给你的信号，我给个反应，循环往复。 还有网上那个著名的“老鼠迷宫”实验，那个行为主义学家斯金纳就是拿老鼠做的。关进小黑屋，老鼠到处乱跑，找不到出口，饿得直叫，拼命撞墙，撞了一百多次，有时候撞悲伤，连气都喘不上，还得拼命安慰自己：“别撞了，再撞一次可能就能出去了。”这时候你给它一个“暂停”的按钮，要么给它一点吃的罐头，它就会把“撞墙”和“吃罐头”联系起来。赶明儿你一按暂停，它立马就会停在那儿，不再乱撞，出于它知道停是好事。

要是它撞了墙你不给罐头，它肯定撞得更凶，就连撞死。

这个实验最细节的地方在于，老鼠在迷宫里迷路的时候，实际上是在寻找“毛病路径”和“保险路径”之间的平衡点，你给它一点点提示，它就能调整这个平衡，下次就准了。 说到数据，光凭感觉说“它能学”忒没说服力了，咱得看看具体的数字。在经典的巴甫lov 实验里，那个狗咬手的时候，它可能一直咬，直到训好了为止。但在老鼠迷宫的强化学习中，数据来得更真。

要是一只老鼠在迷宫里跑了 500 米还没找到出口，这时候你按下一个“奖励”按钮，比如一颗花生，它这时候的“奖励预期”会飙升。心理学研究里有个说法，要是强化物的预期值超过 80%，老鼠的“撞墙次数”会显著下降。

也就是说，只要预期够高，行为就会滞后调整。 还有个细节挺有意思。有些老鼠在迷宫里，你给它一点吃的，它可能先是在原地不动，要么只是略微动一下，然后突然全速冲出口。

这说明它不是彻底学不会，而是正在建立新的“条件反射”链条，这个过程是有延迟的。

有时候它还没反应过来，你早就给了，它就忘了。

这就是为啥有时候你给它一点肉，它反而更不听话，出于它认定“肉是假的，我不配吃”。

这时候你得加一点“确定性”，比如固定工夫给，要么每次都给一样的分量，这样它才能信任“点头”才是获取肉的对信号。 还有啊，这种反射有时候会演变成你废掉一半。

比如你教别人做动作，他做得挺好，你给个大拇指，他下次还想做得好。

可是有一天，你要求他做得更好一点，但你没给他具体的反馈，只是冷冷地说“再试一次”。他可能过了待会儿就拉倒了，出于他发现“再试一次”并没有带来新的奖励，就连可能增添痛苦。

这时候，你给他一点“小惊喜”，比如突然给他吃块肉，要么给他一个拥抱，他就可能又回来了，就连比那会儿更听话。

这就是操作性条件反射的精髓啊，奖励拍板行动，惩罚拍板拉倒。 实际上生活中到处都是，比如按摩店，技师按你肩膀，你舒服了，技师就给你按得舒服，下次按摩工夫就变长。

要么你去理发店，你让理发师剪短发，他剪得短，你一夸，他就剪得更短。

这种“修剪”行为，都是基于反馈的。你剪长了，他剪得短一点；你中意了，他剪得更短。

这就像修车，师傅修车，车子修好了，师傅高兴，下次修得更快更好。 再说说小孩儿教育，大量新手父母认定孩子不听话，是出于孩子“不知改错”，实际上那是家长没给“改错”的机会。

比如孩子想偷拿玩具，要是家长直接打，孩子可能下次还会，出于“捣乱”没被制止，只是被“惩罚”了。但要是家长说“你拿这个，我就给你这个”，孩子拿到东西，下次就不闹了。

这就是“行为后果”的强化。

哪怕孩子闹得再凶，只要你在他闹的时候不答应，还给他一个“宁静”的选项，他下次就会不闹了。出于“宁静”是它更喜爱的，它自然就会选择“宁静”。 还有网络上的“刷短视频”机制，你刷十分钟，你就认定“爽”，这时候你挺好办把“刷”和“爽”绑在一起，下次你就想刷。但要是刷十分钟，系统告诉你“已结算”，你就没感觉，下次你就没动力。

这就是奖励的及时性。

要是奖励隔得忒远，你挺快会忘记“刷”这件事，要么形成反感。

故此，大量 APP 喜爱用“充钱”要么“赠送时长”来驱动你，本质上就是给一个定期的奖励，让你认定“今天用点钱，就能多刷会儿”，哪怕你今天没刷，它也会认定今天“亏”了，下次就会补救。 实际上操作条件反射最可怕的地方在于，它让你盲从。

比如某些同事之间，你A 做了事，B 就跟着做，哪怕A 当时没给啥奖励，B 也会跟着做，出于它认定“这样大家都顺”。

这就是社会性操作性条件反射，你给的信号，大家都给响应。

故此有时候你认定同事都跟你做了，实际上可能只是给了信号，大家互相操作，哪位也没给啥特别的反馈，只是习惯成自然。 最终说个最朴素的例子，就是商店里的收银台。你排队，结算员把卡一刷，发出“滴”的一声，你心里就有数：今天花了 123 块 45 分，今天能够走了。

这个“滴”声，就是那个“信号”，是你和商店之间建立联系的纽带。

要是这声音消亡了，你根本不会来，要么来了就走，不管钱多少。

故此这个声音，就是"123 块 45 分”的具体化，让你知道“今天我有钱了”。

这种具体的、有声音的反馈，让操作变得好办，让人好办记住。 你看，这些东西看似好办，但背后全是奖励和惩罚的逻辑。你给点吃的，它给你点乖；你给个响，它给你点做。

只要还给你这些“信号”，它就不会暂停。