如果你曾聽說過「只要練習 10,000 小時就能成為大師」，那麼今天你可能需要重新審視這個觀念。雖然這個說法流傳極廣，但它其實忽視了長期發展所需的「廣泛工具箱」，甚至可能讓你錯失更多機會。大衛·艾波斯坦（David Epstein），這位《紐約時報》的暢銷書作家，致力於糾正大眾對人類發展科學的誤解。他認為，盲目的專業化和過早的刻意練習，有時反而會損害一個人的長期潛力。
兩條通往頂峰的路：老虎伍茲與費德勒
在我們的文化中，有一種被神化的成功模式：越早開始越好。老虎伍茲（Tiger Woods）是這類故事的典型。他在 10 個月大時就拿著推桿，2 歲在電視上展示揮桿，21 歲就成為世界第一。這種「早期專業化」的故事非常迷人，因為它看起來像是一條整齊且可複製的捷徑。然而，在大衛看來，網球名將羅傑·費德勒（Roger Federer）的故事才是多數精英的常態。費德勒小時候嘗試過足球、籃球、滑板、游泳和摔角，他的母親甚至拒絕教他網球。直到他年紀較大時，才決定專注於網球。這段「取樣期」讓他發展出更靈活的體能模型與解決問題的能力。
這種現象可以用「麵包的廣度預測遷移的廣度」來解釋。所謂「遷移」，是指一個人能利用既有知識去解決從未見過的陌生問題的能力。如果你接觸過更廣泛的問題集，大腦就會被迫建立更具通用性的模型，這在瞬息萬變的現實世界中至關重要。
「親切」與「惡劣」的學習環境
為什麼專業化有時會失效？這取決於你處在什麼樣的環境中。心理學家羅賓·霍加斯將其分為「親切（Kind）」與「惡劣（Wicked）」兩種環境。
在「親切」的環境中，規則是不變的，模式會重複，反饋即時且準確，像是下棋或打高爾夫球。但在「惡劣」的環境中，規則隨時在變，模式可能誤導你，反饋往往延遲甚至錯誤，例如醫療診斷、創業或管理。大衛指出，10,000 小時定律僅適用於那些可以由教練精確糾正、環境極度穩定的領域，但對於大多數現代工作來說，這種狹隘的練習反而會讓人陷入思維定勢（Einstellung effect），甚至在問題改變時仍沿用舊方法。
為什麼「贏在起跑點」是個偽命題？
很多人擔心換賽道會浪費時間，但數據顯示，那些「慢熱」的人最終往往會追上並超越早期領先者。這種現象被稱為「淡出（Fade out）」。早期專業化雖然能在短時間內跳出來領先，但卻削弱了長期發展所需的廣闊基礎。
更有趣的是，哈佛大學的一項「黑馬計畫」發現，那些真正感到充實且成功的人，大多走的是「鋸齒狀（Zigzagging）」的道路。他們不斷進行微小的轉向，思考當下的興趣與技能，並與面前的機會對齊，直到找到所謂的「匹配品質（Match Quality）」——即工作內容與個人能力、興趣的最佳契合度。大衛提醒，18 到 28 歲是性格變化最劇烈的時期，如果在這個階段強迫自己定型，其實是一種「過早優化」。
提升效率的關鍵：擺脫「大腦殘留物」
如果你已經選定了目標，該如何提高生產力？大衛給出的第一個建議非常具體：絕對不要以收郵件或訊息開啟你的一天。
這與「蔡格尼效應（Zeigarnic effect）」有關。一個未完成的任務會在大腦中留下「殘留物」，使你難以完全切換到下一項工作。郵件收件匣永遠有處理不完的事情，如果你一醒來就處理它，那份焦慮和分心會伴隨你一整天。正確的做法是：在昨晚先決定好明天「最重要的一件事」，並在接觸任何通訊軟體前先完成它。
此外，頻繁切換任務會讓壓力水平飆升。當你從寫報告切換到回 Slack 訊息時，大腦必須關閉當前的規則並激活新任務的規則，這種「切換成本」不僅損害表現，還會讓你感到疲憊不堪。即使你關掉了通知，如果你的大腦已經習慣了頻繁被打斷的節奏，你甚至會「自我中斷」來維持那種分心的感覺。
科學學習法：擁抱「合意的困難」
想要牢牢記住知識，你需要讓學習過程變得「困難」一點。
- 間隔重複（Spaced Repetition）：不要在短時間內死記硬背，要在快要忘記時再次複習。
- 產生效應（Generation Effect）：在看答案之前先猜測結果。即使猜錯了，也能在腦中產生印記，讓你看到正確答案時記得分外牢靠。
- 交錯練習（Interleaving）：與其連續練習同一類型的題目（區塊練習），不如將不同類型的問題混在一起。雖然進步感覺比較慢，但長期下來建立的「連結知識」會更強大。
組織如何自救：設定「失敗率」
在企業文化中，如何避免陷入「成功的平庸」？大衛建議，如果你的團隊沒有 15-20% 的失敗率，那麼你們可能根本沒在進步，只是在「剝削（Exploit）」既有的能力，而忽視了「探索（Explore）」新的機會。
成功的組織會建立一套「思想進出口業務」。這意味著不應該只雇用「以前做過這件事的人」，而是要引入擁有多元背景、能從不同角度提出類比（Analogy）的人才。當團隊面對一個全新問題時，解決方案的品質往往取決於成員能提出多少不同領域的參考案例。
結語：在 AI 時代找回你的戰略位置
面對 AI 的崛起，大衛抱持著理性的觀點。他認為 AI 會接手重複性的「戰術」任務，但它在處理「戰略」與「目標」層面時仍有侷限。就像 ATM 的出現沒有讓銀行櫃員消失，而是讓他們從數鈔票轉向了更具價值的客戶諮詢一樣，未來的人才需要學會如何與機器合作，發揮人類獨有的創造力與戰略眼光。
最後，保持對新事物的開放性。即便步入中年，強迫自己學習新事物不僅能改善大腦健康，還能讓生命感覺更長、更有活力。成功不是一條直線，而是一場不斷嘗試、反思、並勇敢偏離軌道的實驗。如果你現在覺得自己學得太雜或起步太晚，請記住，那是你的資產，而不是你的負債。保持好奇心，你也能在惡劣的現實世界中，拼湊出屬於自己的大圖像。
