工作難度多高比較好？美國神經科學研究：工作「犯錯率15%」大腦學到最多

2019年美國一個研究團隊訓練了一個神經網絡模擬人類大腦學習新知的過程。他們設計的學習任務，類似放射科醫師學習在X光片上辨識骨折的方式，並以「是」或「否」來回答。在這項基於神經網絡的實驗中，研究人員發現，當系統的錯誤率約為15％時，學習速度達到最快。

答錯題數可以幫助判斷測驗的難易程度。如果只有一半答對，代表測驗太難，正確與否只是碰運氣，從中學不到什麼。如果總是百分之百答對，那表示測驗太簡單，沒有學習成長的空間。當錯誤率大約落在15％時，測驗的難易度剛好適中，不會太難也不會太簡單。這個發現指出在中等難易度的情況下，學習進展最為理想。

學習的黃金區間

作為快速學習的一項經驗法則，15％到20％的難易度，從直覺上來看是一個合理的區間。如果對某個主題完全不了解，學起來會感到挫折；但如果已經很熟悉，就缺乏進一步學習的動力。

這個經驗法則根植於大腦配速系統中神經動態的運作機制。當任務太簡單且容易預期時，你會感到無聊，並進入第一檔位；挑戰太大時，則會直接跳到第三檔位。最理想的狀態是「黃金區間」（Goldilocks zone，一種「不多不少、恰到好處」的理想狀態），也就是第二檔位。

要接近這個「黃金區間」，可以將任務難易度設定為略高於你現有能力的程度。當各位挑戰自己的技能時，你就會開始學習，而持續地這樣挑戰自己，就能產生穩定的學習進展。工作應該具備適度的挑戰性，足夠難到需要動腦，但又不至於讓你無法完成工作。

當付出與結果不成正比

幾千年前，我們的祖先外出打獵時，他們捕獲的獵物品質往往與投入的努力成正比。大型動物肉量豐富，但通常最難捕捉；而小型動物雖然比較好捉，但能提供的熱量有限。基本上，這樣的情況在投入努力與享受成果之間建立了直接的連結：努力愈多，回報也愈豐盛。

經過幾千年的演變，努力與回報之間那種神聖的結合早已深植人心。然而，隨著工業化的發展，這段關係在時間與空間上被扭曲，變得日益緊張。工業化在努力與成果之間堆疊了許多錯綜複雜的變數，敲一個鍵盤按鍵，就可能撼動橫跨半個地球的市場；而耗費數小時撰寫的程式碼，卻可能只帶來一項微不足道的產品改進，讓用戶幾乎無從察覺。

(責任編輯 / 吳彥君)