自分の専門分野の外にある分野から、意図的にモデルを集める

四半期ごとに、自分が携わっていない分野から一つのモデルを選び、それを説明できるくらいまで学ぶ。

Why it works

一つの領域における専門性は局所的な最適化を生み出します——その領域の中ではパターンを速く正確に認識できますが、境界では死角が積み重なっていきます。隣接した、あるいは離れた分野から意図的にモデルを獲得することで、転移の可能性が生まれます——新しい問題と、すでに理解している領域との間の構造的な類似性を認識する能力です。マンガーの読書習慣は、まさにこの分野横断的な受粉を強制するために設計されていました。

How to do it

1. 自分の主な分野と最も異なる五つか六つの分野を挙げる。
2. それぞれから一つのモデルを選ぶ（例：生物学からの自然選択、経済学からの需要と供給、数学からの逆転の発想）。
3. 専門用語なしで、非専門家に説明できるレベルまで学ぶ。
4. 定義ではなく、現実世界でそのモデルが当てはまる例についての個人的な参照記録をつけ続ける。

エビデンス

類推的推論に関する研究（ジェントナーほか）は、異なる領域からの構造的に類似した問題への接触が、転移と洞察を向上させることを示しています。Mungerのラティスワークは、この原則を実践者が運用可能にしたものです。 (mechanistic)

Mungerのラティスワークは実践者のアドバイスであり、実験的に検証されたカリキュラムではありません。根底にある分野横断的な転移の研究は、一般的なメカニズムを裏付けるものであり、特定のモデル収集アプローチそのものを裏付けるものではありません。

よくある間違い

実際の具体例を一度も使わずに、モデルの名前（可用性ヒューリスティック、二次的効果）だけを集めてしまうこと——道具箱ではなく語彙を構築してしまうことになります。