越早專精就一定贏？「一萬小時定律」的反例，比你想像的多

「Tiger Woods 七個月大就有一支推桿」——這個故事你大概聽過：父親從小把兒子推上單一賽道，他成了史上最出色的高爾夫球手。心理學界把這種「越早開始專精、越早累積時數」的成功公式，稱為一萬小時定律（the 10,000 hours rule）。

但 TED-Ed 這支片的講解者 David Epstein 拋出一個讓人意外的問題：如果這條公式真的成立，我們早該在頂尖選手身上看到「越早越好」；可是當科學家長期追蹤他們的成長，畫面並不這樣。他蒐集的例子裡，有數學最高獎的得主、有 Game Boy 的發明人，也有一位被形容為「樣樣都玩一玩」的網球天王。

三句話結論　1. 一萬小時定律是「相關」而不是「因果」——頂尖選手確實練習得多，但不代表「早開始、及早專精」是他們變強的原因。 2. 科學家追蹤發現，頂尖選手普遍有一段「探索期」：先試多種活動、累積通用能力，之後才進入專項訓練。 3. 能不能早專精，取決於你要學的地方屬於「友善」還是「艱難」的學習環境——而我們身處的世界，正愈來愈艱難。

一萬小時定律：一個太好用的故事

先搞清楚這個故事為甚麼流行，才知道它為甚麼常常被用錯。

故事要點：Tiger Woods 的父親在他七個月大時送了他一支推桿；Polgar 三姊妹的父親則從小用非常技術導向的方式教她們下西洋棋，其中兩位後來成為國際西洋棋大師。這是教科書式的「早開始、早專精、早成功」。

一萬小時定律之所以好記，是因為它把一件原本複雜的事，說成了一張可以執行的清單：想出頭，就現在開始練，多練一萬小時。這背後有真實的學術研究支撐——心理學家 Anders Ericsson 對刻意練習（deliberate practice）的研究，後來由 Malcolm Gladwell 的書《異類》推廣開去。

問題出在「越早越好」。Tiger Woods 的故事之所以動人，是因為它夠戲劇化：父親親手把兒子推上單一賽道，父子倆把全部時間押在同一件事上，而這一次押中了。但「押中」不等於「方法普遍有效」。Epstein 指出，連多數網球迷都不大知道 Roger Federer 的成長故事——因為大家只記得那個華麗的「老虎故事」。

更關鍵的是，高爾夫本身就是個很特殊的例子。在下一節你會看到，Epstein 認為高爾夫恰恰是「最不值得模仿」的學習環境：規則固定、回饋即時，正是最容易靠重複練習變強的場合。拿它當模板，等於拿一道最簡單的題目去推論所有題目的解法。

反例：頂尖的人，童年都在「混亂」

把幾個看起來毫不相干的人並排放，規律就會浮現。

故事要點：數學家 Mariam Mirzakhani 小時候夢想當小說家；Vincent van Gogh 換過五份職業才拿起畫筆；Claude Shannon 是電機工程師，只為湊學分去修哲學課，卻在課上接觸到把真假編碼成 0 和 1 的邏輯系統——那正是今天所有數位電腦的底層。

先看運動員。科學家真正長期追蹤頂尖選手的成長，發現他們在青少年期普遍有一段「探索期」（sampling period）：試過各種體育活動，動作笨拙、沒有專項，之後才進入高固定訓練。反倒是那些早早定型、後來停在較低水準的選手，讓人一眼看得出「太早專精」的代價。

音樂界也一樣。傑出的音樂家要到學第三種樂器之後，刻意練習的時間才明顯多於同儕；在那之前，他們同樣樣樣都玩過。至於我們印象中才華早熟得像「天才兒童」的 Yo-Yo Ma，也有過探索期。Epstein 由此追問：那些讓他長期敬佩的人，童年到底經歷了甚麼？

答案很反直覺。Mariam Mirzakhani 小時候想當小說家，卻成為第一位也是至今唯一一位菲爾茲獎（Fields Medal）得主；Vincent van Gogh 在多次轟然失敗之後、快三十歲時才讀到那本教他畫畫的書；Claude Shannon 修哲學只是為了湊學分，卻在課上學到一套可以把真與假編碼成 1 和 0 的邏輯系統，後來發展成二進位編碼——我們今天所有數位電腦都建基於此。

最讓人意外的是 Roger Federer。他試過網球、滑雪和摔角，母親本來是網球教練卻拒絕指導他，因為他不肯正常把球打回去；他於是繼續試手球、排球、足球、羽毛球、滑板。那個「樣樣都玩一玩」的人，是日後贏下數十座大滿貫的 Federer。

分水嶺：友善的學習環境 vs 艱難的學習環境

那麼，甚麼時候該早專精、甚麼時候該先廣後專？Epstein 給的判準不是天分，而是環境。

故事要點：心理學家 Robin Hogarth 把學習環境分成兩類：「友善」的下一步明確、規則不變、回饋即時準確；「艱難」的規則會改、目標不明、回饋可能延遲甚至失準。

高爾夫和西洋棋屬於「友善學習環境」：你打一球，馬上知道結果好壞，規則一輩子不變，目標也永遠清楚。這種環境最適合專精訓練——重複、回饋、修正，一萬小時的公式在這裡真的有效。

「友善」的另一端是「艱難學習環境」：下一步該做甚麼未必清楚，規則會變，做完之後可能根本拿不到回饋，就算拿到，也可能又遲又不準。Epstein 問：哪一種聽起來才像我們正在身處的世界？答案很明顯——升學、職涯、科展、社會議題，愈來愈像「艱難」的環境。

這就解釋了為甚麼在艱難的環境裡，過早專精反而危險：你把全部籌碼押在第一個選擇上，卻沒有足夠樣本知道自己真正擅長甚麼；而廣泛嘗試看似「在亂試」，其實是在收集日後判斷所需的資訊。Epstein 援引科技創新的研究佐證：最具影響力的專利，署名團隊裡往往有人橫跨多種技術領域，擅長把不同領域的東西融合。

最生動的例子是橫井軍平（Junpei Yokoi）。他電子學考試成績很差，混到京都一家撲克牌公司做機器維修，卻把計算機產業與信用卡產業的成熟技術拼在一起，做出掌上遊戲機——那家公司就是 Nintendo，他的代表作是 Game Boy。

那麼，我們該怎麼學？

Epstein 不是要大家放棄努力，而是要我們把兩個世界的東西都用上。

他用物理學家 Freeman Dyson 的比喻作結：健康的生態系統需要鳥，也需要青蛙。青蛙伏在泥裡，看得見每一處瑣碎的細節；鳥在高空翱翔，看不見那些細節，卻能把青蛙的知識整合起來。問題在於，我們現在只叫每一個人都去做青蛙。

對學生來說，具體的啟示有兩條。第一，在規則清晰、可以重複練習的領域（例如樂器演奏、數學運算、跑步姿勢），早開始、深練習仍然有效，甚至可能是最快的路。第二，在規則會變、回饋模糊的領域（例如學做產品、寫作、做研究、面對新課題），刻意保留一段探索期：多試幾種學科，每一科都做到足夠深，讓自己有多一條可以互相嫁接的路。

Epstein 也不反對大量練習——數據擺在那裡，頂尖選手的刻意練習時間確實比別人多。他反對的是把「早專精」當成唯一的成功公式：數據告訴我們的是「成功者練習得多」，而不是「早專精令你成功」，把相關當成因果，正是這個故事最容易被誤用的地方。

所以最實用的結論是：面對已有標準答案、可以重複練習的科目，認真練、提早練仍然是捷徑；但在那些沒有標準答案、規則還在變的選擇上，與其早早就押上全部時間，不如先廣泛探索，讓自己多一條路。正如 Dyson 所說，生態系統裡既需要伏在泥裡的青蛙，也需要飛在高空的鳥，而我們最缺的，恰恰是願意飛上去的鳥。

自我測驗

題 1　「一萬小時定律」最常被引用的說法是甚麼？研究真正觀察到的又是甚麼？

題 2　科學家追蹤頂尖選手時，發現他們普遍有甚麼「探索期」？探索期的作用是甚麼？

題 3　甚麼叫「友善學習環境」與「艱難學習環境」？為甚麼高爾夫常被當成一萬小時定律的最佳例子，卻又是最糟糕的示範？

題 4　Freeman Dyson 的「鳥與青蛙」比喻說明甚麼？影片認為現在的問題出在哪裡？

參考答案：1. 最常見的說法是「任何領域要成為頂尖高手，都需要一萬小時的高強度練習，所以要越早開始越好」。研究真正觀察到的卻是「頂尖者的練習量比較多」，重點在練習量而非「早開始」。把相關當成因果，就是這套說法最常被誤用的地方。 2. 探索期（sampling period）是指頂尖選手在青少年期會嘗試多種不同活動，累積廣泛而通用的基礎能力，再把專項訓練往後推。它讓人取得更多樣本，因而較清楚自己的強項與弱項；相反地，太早定型的人較容易停在較低的水準。 3. 「友善學習環境」的下一步與目標清晰、規則固定不變、做完馬上得到準確回饋，例如高爾夫和西洋棋；「艱難學習環境」則是規則會改、目標不明、回饋可能延遲或失準。高爾夫常被當成一萬小時定律的示範，因為它是最容易靠重複練習變強的環境；但正因如此，它不能代表其他領域，更不適合用來推廣「早專精」。 4. 健康的生態系統需要兩種成員：青蛙伏在泥裡，看得見每一處瑣碎細節；鳥在高空翱翔，看不見細節，卻能整合全局。影片指出，問題在於我們正在叫每一個人都去做青蛙——只培養鑽牛角尖的專才；而在愈來愈艱難的世界裡，同樣需要能跨領域整合、從更高處看問題的人。

參考資料

TED-Ed 課程頁：The best way to become good at something might surprise you（講解：David Epstein）

影片：The best way to become good at something might surprise you – David Epstein（5 分 46 秒）

中文字幕與生字釋義由本站編輯翻譯整理，英文原文取自 YouTube 官方英文字軌；影片內容版權屬 TED-Ed，僅供學習用途。