「1万時間」の元の論文は、そんなことを言っていない

一言でいうと

一流のバイオリニストは、二流よりも桁違いに長く練習していた。ここから「熟達は生まれつきでなく練習で決まる」という主張が生まれ、のちに「1万時間の法則」として広まった。だが元の論文が強調したのは時間数ではなく、設計された練習（deliberate practice）の質だ。そして後の追試は、練習で説明できる差は思われているより小さいと示した。

論文が実際に言っていること

著者らは、音楽学校のバイオリニストを、教師の評価で「最も優れた」「優れた」「それほどでも」の群に分け、これまでの累積練習時間を調べた。すると、最上位群は、20歳までに累積で約1万時間、下位群は約4千〜8千時間と、練習量に大きな差があった。生まれつきの才能ではなく、積み重ねた練習が熟達を分ける——というのが主張の骨子だ。

だが、著者らが本当に重視したのは、単なる時間ではない。効くのは「deliberate practice（意図的な、設計された練習）」だと明確に述べている。それは、楽しむための演奏でも、惰性の反復でもない。自分のできない部分を特定し、そこに集中し、すぐにフィードバックを受け、少し背伸びした課題に繰り返し挑む——そういう、しんどくて、あまり楽しくない練習だ。だらだら1万時間やっても意味はない。

なお、「1万時間の法則」というキャッチーな言い回しは、この論文自体のものではなく、後に一般向けの本で広まったものだ。元の論文に、誰でも1万時間で一流になれる、といった約束は書かれていない。

だから、どう生きるか

「量をこなした」を、上達の証拠にしない。

これがこの研究の芯だ。同じ時間をかけても、何をやったかで結果は変わる。楽にできることを繰り返すのは、時間を使っている感覚は得られても、上達には効きにくい。効くのは、できない部分に狙いを定め、フィードバックを受けながら、少し難しい課題に挑む練習だ。これは、予想が外れた瞬間にしか脳は学ばないという話とも重なる。快適な反復ではなく、間違える縁に自分を置く。

練習に、フィードバックと「できない部分」を組み込む。

設計された練習の要点は、①自分の弱点を特定し、②そこに集中し、③すぐに結果が分かる形にすることだ。ただ数をこなすのではなく、この3つが回る仕組みを作る。独学が伸び悩むのは、たいてい②と③が欠けているからだ。何ができていないかを見える化し、外からの評価を得る手段を用意する。

AI時代は「フィードバックが速い練習」を組みやすい。

いまの文脈では、こう使える。設計された練習に必要なフィードバックを、AIは速く安く提供できる。書いた文章、書いたコード、立てた論の弱点を、すぐに指摘させられる。ただし注意点がある。AIに弱点を潰させて成果物だけ良くしても、自分が練習したことにはならない。フィードバックは受けつつ、修正は自分の手で通す。道具が速いほど、この線引きが効く。

ここからは僕の飛躍だ

この主張には、その後の重要な反証がある。2014年の大規模なメタ分析（Macnamara, Hambrick & Oswald）は、設計された練習が成績のばらつきに占める割合は、分野によるが平均で1〜2割程度で、残りは他の要因（開始年齢、素質、環境など）だと示した。練習は重要だが、「練習がすべて」ではない。元の主張は、練習の役割を過大に見積もっていた可能性が高い。

「AIでフィードバックを速くせよ」は、この枠組みから僕が引いた応用で、1993年の論文が述べていることではない。

それでも、熟達を分けるのは量より質であり、快適な反復では伸びない、という中核は、実践に効く。1万時間という数字の魔法は割り引きつつ、「できない部分に、フィードバックつきで挑む」という練習の設計だけは、持ち帰る価値がある。それがこの一本の使いどころだと思う。