間欠強化 Intermittent Reinforcement

間欠強化（Intermittent Reinforcement）とは、ある行動に対して不特定のタイミングで報酬を与え、その行動を継続させる方法である。部分強化とも呼ぶ。もとは動物や人の学習を扱う行動心理学の言葉で、いつ報酬が来るか読めないほど、人はその行動をやめにくくなる、という性質を指す。

たとえばスマホの通知やSNSの「いいね」がこれに当たる。投稿のたびに読者から必ず良い反応があるわけではないが、たまに嬉しい知らせがある。この「たまに」が、私たちがSNSを何度も利用する要因になっている。

毎回ではなく「時々」報酬を与える

間欠強化を理解する鍵は、報酬を毎回与える「連続強化」との違いにある。連続強化は、行動するたびに必ず報酬を渡すやり方で、新しい行動を早く覚えさせるのに向く。しかし報酬が止まると、行動もすぐに消えてしまう。

一方の間欠強化は、報酬を出したり出さなかったりする。覚えるまでには時間がかかるが、いったん身についた行動はなかなか消えない。報酬が来ない回があっても「次は来るかもしれない」と期待が残るため、人は行動を続けてしまう。この「消えにくさ」こそ、間欠強化がデザインの世界で注目される理由である。

語源・提唱者

間欠強化は、行動心理学者のBurrhusバラス Fredericフレデリック Skinnerスキナーが体系立てた。彼は1930年代から、レバーを押すと餌が出る箱（スキナー箱）を使って動物の行動を研究し、報酬をどんなタイミングで与えるかによって行動の出方が変わることを突き止めた。この「報酬の与え方のパターン」を強化スケジュールと呼ぶ。

強化スケジュールは、大きく4つに分かれる。

• 固定比率：決まった回数の行動ごとに報酬を出す（例：スタンプ10個で1杯無料）
• 変動比率：報酬までの回数がばらばらで読めない（例：スロットマシン）
• 固定間隔：決まった時間ごとに報酬を出す（例：毎月の給料）
• 変動間隔：報酬までの時間がばらばらで読めない（例：いつ来るか分からないメール）

このうち、行動をもっとも激しく、もっとも粘り強く引き出すのが変動比率である。Skinnerスキナーの実験でも、変動比率で報酬を得た行動は、報酬を止めたあとも最後まで消えにくかった。ギャンブルがやめにくいのは、この変動比率のしくみそのものだからである。

予測できないから、やめられない

間欠強化がここまで強く働くのには、2つの理由がある。

1つは、消えにくさである。連続強化で覚えた行動は、報酬が止まるとすぐ「もう出ない」と学習して消える。ところが間欠強化では、もともと報酬が飛び飛びなので、報酬が止まっても本人は区別がつかない。「たまたま外れが続いているだけ」と感じ、行動を続けてしまう。これを部分強化消去効果（Partial Reinforcement Extinction Effect）と呼ぶ。

もう1つは、期待の力である。脳内で快感に関わるドーパミンは、報酬を受け取った瞬間よりも、報酬を期待している瞬間に強く出やすいとされる。つまり「当たるかもしれない」という予測できない期待そのものが、行動を後押しする。読めないからこそ、人は次を確かめずにいられない。

スロットマシンがポケットに入っている感覚

この心理は、現代のデジタルサービスの設計に色濃く使われている。起業家のNirニール Eyalエイヤールは著書『Hooked（ハマるしかけ）』で、習慣を生む製品の共通点として「変動報酬（variable reward）」を挙げた。何が返ってくるか読めない報酬が、ユーザーを何度も呼び戻す、という考え方である。

身近な例を挙げると、次のようなものがある。

• SNSのフィード更新：画面を引っぱって更新する操作は、毎回新しい投稿があるとは限らない。この「たまに当たる」感覚がスロットマシンに似ている
• 通知バッジ：開くたびに何かあるわけではないが、たまに大事な知らせがあるので、つい確認する
• ガチャ・ルートボックス：課金しても目当てのものが出るかは読めない。変動比率そのものの設計である

Googleグーグルで設計倫理を担当していたTristanトリスタン Harrisハリスは、スマホは私たちのポケットに入ったスロットマシンだと表現した。画面を確認するたびに「何が出るか」を引いている、という指摘である。

ユーザーの信頼を保つ使い方

間欠強化には、光と影がある。適度に使えば、学習アプリで続ける意欲を保ったり、達成の喜びに変化を持たせたりと、ユーザーの体験を豊かにできる。問題になるのは、ユーザーの利益ではなく、滞在時間や課金だけを目的に使うときである。読めない報酬で行動を煽り続ける設計は、依存を生むディセプティブデザインに近づく。

Harrisハリスは、企業には予測できない報酬を、より予測しやすく穏やかな形に変える責任があると述べている。実務でこの手法を扱うなら、次の3点を意識したい。

• 目的を問う：その変動報酬は、ユーザーの目標達成を助けるのか、それとも滞在時間を延ばすためだけか
• 抜け道を残す：まとめて確認できる、通知を止められるなど、ユーザーが自分でペースを選べる設計にする
• 依存の兆候を見る：使いすぎや後悔につながっていないか、行動データや声から確かめる

やめられなさは、強さであると同時にリスクでもある。この線引きをどこに引くかが、ユーザーに信頼される設計と、搾取的な設計との分かれ目になる。

関連用語

• 強化スケジュール（Schedules of Reinforcement）

オペラント条件付け

ディセプティブデザイン

FOMO