AI-NATIVEシリーズ · play-engineering 第1話（全4話）

play-engineering：遊びで仕組みを見つけ、工夫して別の場面で試す

著者Paul Jialiang Wu · agentic-portfolio-lovat.vercel.app · 2026-09-25 · 読了目安14分

数字の見方： gやdは差の大きさを示す指標。0.2なら小、0.5で中、0.8で大きい。「SD」（標準偏差）も同じ種類の単位だ。

このエピソードが答える問いプレイ・エンジニアリングとは何か？　そして、遊びにできてドリルにはできないことは何か？

このパートでは には 長く続ける理由は含まれていない——それは 第2話「夢中になる力」 ——また、SFのガジェットをどうプロトタイプにするか（それは 第3話）、あるいは「回復した世界」のビジョンをどう実行可能な計画に落とし込むか（それは 第4話.

このシリーズの射程と対象

このシリーズは、およそ10歳以上で「難しいことを学びたい」「まだ存在しないものを作りたい」と思う人、そしてそれを支援したい親・教師・エンジニアに向けて書いている。全4話構成で、第1話ではプレイ・エンジニアリングの定義と、その有効性をエビデンスで検証する。他の話では「続ける力」（第2話）、「SFをプロトタイプにする方法」（第3話）、「聖書的な回復ビジョンを測定可能な計画に落とす方法」（第4話）を扱う。

冒頭で率直に告白しておく。シリーズ全体がこの正直さにかかっている。「プレイ・エンジニアリング」はもともと冗談から生まれた。クライミングを研究する大学院生にインタビューされたとき、私は彼女とスタンフォードで「プレイ・エンジニアリング」を共同創設したと話したが、実際には誰も何も創設していない。ただ、その意味を説明したとき、冗談の中に本物のアイデアがあると気づき、文献で検証した。正しい部分もあれば、そうでない部分もあった。両方を示す。自分が間違っているときにそれを示せない方法は、エンジニアリングとは呼べない。

4話すべてを通して使う1枚の図がある。まずは道具として紹介しよう。

シリーズ全体を象徴する一枚の絵：スパーリングルーム

大学1年目、私は武道部に入り、コーチから「型」を教わった。審査員の前で演じる、美しい決められた動きの連続だ。私は毎日ひとりでパンチの型を練習していた。ある日、日本から来た背の高い留学生が私を見て、こう聞いた：「スパーリングしてみる？」 私はスパーリングが何か知らなかったが、「やる」と答えた。

最初の10分か15分、彼は好きなように私を蹴った。だが徐々に、私は彼の蹴りを読めるようになった。足をキャッチし、引き倒そうとしたが失敗。何ラウンドか後、ついにコツを掴んだ——彼を自分の方に引き寄せ、相手がバランスを取り直すのを待ち、その瞬間横に振り回す。30分後には勝てはしなかったが、彼の蹴りにはすべて対応できるようになっていた。その30分で、何週間分もの型より多くを学んだ。

この部屋の構造は、学習に関する研究結果と見事に重なる。

この方法を一言で言えばこうだ：遊びで仕組みを見つけ、エンジニアリングでそれに名前をつけ、別のケースで試す。

自分の4つのエピソードと、それぞれに対する証拠

この考えを説明するために、インタビューで4つの話をした。ここでもう一度紹介するが、今回はそれぞれに研究結果も添える――自分と食い違う部分も含めて。

1. クライミングウォールはチェス盤だ。自分が初めて本格的に登ったのは、大学院の夏期講習の最後に屋外で体験したときだった。最初の壁は傾斜が緩やかだったが、頂上に着いたときは難しさではなく恐怖でぐったりしていた。翌日はもっと急な壁だったのに、むしろ楽に感じた。なぜなら、高さに神経系が慣れていたからだ。今はオフィス近くのジムで登っている。クライミングは、身体のコントロールとチェスのような計画性という二つを同時に求められる――そして、計画が途中で崩れたら、その場で新しいものを即興で作る。それが本当のリスクと即時フィードバックを伴う遊びだ。研究が評価するのは、まさにこうした遊びである。

2. サッカー：遠い転移の仮面をかぶった近い転移（まず用語の説明をしておく。near transfer は、似た状況でスキルを使うことを指す。far transfer は、まったく異なる状況で使うことを指す。）家族の集まりで、子どもチームが親チームを圧倒していた。あるお母さんに「代わりに出て」と頼まれた。自分はサッカーボールを蹴った経験が人生でせいぜい5回ほどしかない。それなのに、その15分間で4点か5点を決めた。当時の自分の説明は「武道の動きがサッカーに転移した」だったが、研究はそれほど単純ではないと言う。あるスキルの訓練が無関係なスキルの上達につながるかを科学者が調べ、比較群も何かしら訓練した場合、その効果はほぼ消える。0.03 音楽訓練の標準偏差と0.05 記憶訓練の標準偏差（Sala & Gobet, 2017）。 実際に転移するのは「共通する仕組み」だけだ。キックもパンチも投げも、動きの順序は同じ——まず腰と体幹、次に手足。まるで鞭のように（バイオメカニクスでは「近位から遠位」proximal-to-distal と呼ぶ）。自分はボールを体で受け止め、体幹から蹴った。これは「武道がサッカーに効く」ではなく、同じ仕組みを2度使っただけだ。遠い転移の衣装をまとった近い転移、というわけだ。そしてもう一つ根拠がある。世界レベルのアスリートは、子どもの頃に複数種目の経験が多く、専門化はナショナルレベルの選手より遅かった（Güllich et al., 2022）。つまり、多様なゲームで共通する仕組みを見つける機会が多かったのである。3. 水泳：ジャンプ——そして正直な留保

何年も自分のクロールはぎこちなかった。この夏、武道で体幹を回す動きを練習した後、腕で引っ張ったり脚で蹴ったりするのをやめ、体幹から回すようにした。すると1、2日でクロールが段違いに上達した。これは実体験であり、運動学習の研究でもこうした急激な再編成は記述されている。ただし、これは一人の事例で比較群もないし、水泳では体のロールは水自体にも左右される。だからこれは自分に役立ったアナロジーとして扱うが、証拠とは言えない。4. 言い直さなければならない一言

インタビューで「学びの8割は論理や言語ではなく、身体的・感情的なものだ」と言った。 出典を探したが、見つからなかった。 これは「学習スタイル」神話の隣にある。慎重なレビューでは十分な証拠がないとされている（Pashler et al., 2008）。）。だが、実際に確かめられているのは、もっと限定的で興味深い現象だ。たとえば、128小学校4年生が方程式を学ぶ場面で、正しい手のジェスチャーを教わった子どもは、より多くの新しい問題を解けた——つまり、言葉で説明されなかったアイデアを、自分の手の動きからつかんでいた（Goldin-Meadow et al., 2009）。 身体は仕組みを運ぶことができる。ただし「80%が身体や感情」という話ではない。

なぜこれは子ども以外にも重要なのか——機械も同じ方法で学ぶからだ。

ここが、私が自分の冗談を本気で検証しようと思った理由だ。Googleのロボティクス研究者たちは「遊び」——人がロボットを通じてテーブル上の物体を自由にいじる、目的のない操作——のデータを集め、それをロボットに学習させた。 この遊びのデータは、~4x同じ時間で集めたタスクデモンストレーションよりも、可能なインタラクションの空間を広くカバーしていた。そして、遊びで訓練したロボットの方策は18タスク平均で85.5%の成功率を記録し、専門家のデモンストレーションで個別に訓練した18個の方策は70.3%だった（Lynch et al., 2019）。これはシミュレーション上の話で、遊びはロボット自身ではなく人間が操作していた——だが、教訓はスパーリングルームと同じだ。自由な探索は、台本通りのレッスンよりも多くの世界を発見する。そして、AI研究者の間では、オープンエンドで遊び心ある探索こそが、AIが新しいことを発見し続けるために不可欠だと主張する声が高まっている（Hughes et al., 2024）。子どもに必要な仕組みとロボットに必要な仕組みは、同じものに見える。

なぜサッカー未経験の人間が4点も取れたのか？

1. なぜ私は得点できたのか？ なぜかというと、足だけでなく全身を使ってボールをコントロールしたからだ。 根拠：インタビューでの自分自身の証言。試合は一度きり、対照群もなし——逸話として扱う。
2. なぜそんなことができたのか？ それは、長年のスパーリングで「体幹、つまり腰から先に動かす」動きが身についたからだ。 根拠：前述のスパーリング体験。
3. なぜそれがサッカーで役立つのか？ サッカーのキックも武道のキックも、どちらも「体幹から末端へと力を伝える“鞭打ち”のメカニズム」を使っているからだ。 根拠：打撃や投擲におけるバイオメカニクス (Putnam, 1993、要旨のみ、引用なし)。
4. なぜ「武道をやれば何にでも応用できる」とは言えないのか？ 共通するメカニズムがない場合、比較群も訓練してしまうと転移効果はほぼゼロになるからだ。 根拠：0.03 および 0.05 SD (Sala & Gobet, 2017).
5. では、実際に違いを生んだのは何だったのか？ 「自分がどのメカニズムを持っているか」を自覚していたことだ。 本質はここにある。遊びの中でメカニズムを見つけ、それを明確に言語化し、別の場面で試せたとき、学びは一気に跳ね上がる。 2つのケースを比較することが、人が共通する構造を見出す方法そのものだ。 根拠：2ケース比較とスキーマ転移（Gick & Holyoak, 1983、記述のみ）。 ガイド付きの遊びと自由な遊びの比較：g = 0.24 vs 効果はほぼゼロ。

Operate — 動かす仕組み

要約すれば：このページに掲載されているすべての数値は、公開前にロボットによって検証されている。もう少し詳しく言えば、この連載自体がここで紹介している手法そのものの構造で作られている。このページの研究データはすべて、ひとつのファイルから取得している。 content/series/play-engineering/evidence.yml そのファイルでは、各主張に出典とタグが付いている：FETCHED（出典元で直接確認）かUNVERIFIED（二次情報として確認）のどちらかだ。ビルドスクリプトはFETCHEDの行だけを表示し、UNVERIFIEDのものは絶対に出さない。そして連載のゲートである scripts/check-play-engineering.mjs は、もし表示された数値がファイルと食い違った場合や、ストーリー4で退役した主張が復活した場合、あるいはエピソードからミッションカードが消えた場合には、サイトのビルド自体を止める。

フィードバック —— うまくいったかどうかの手がかりと、その限界

手がかりは、あなた自身のミッションで出た数値だ。新しい動きで成功するまでにかかった試行回数（前後比較）がそれにあたる。連載全体としては、公開前に「30日以内にコメント欄で10件以上の読者ミッション結果」という目標が設定されており、カウントは scripts/play-missions.mjs が担当する。ただし、この数値だけでは見えないものもある。たとえば、30日目に単に体が温まっていた、気持ちが乗っていた、あるいは運が良かっただけで回数が減ることもある。だからこそ、ミッションでは つ目の 新しい動きを使う。一人分の結果はあくまで「ストーリー」だが、50人分集まれば「エビデンス」になる。

フィードフォワード —— 結果が出る前に決めておくこと

• 30日以内にミッション結果が10件未満なら、そのミッションは難しすぎるか目立たなすぎると判断し、1週間に短縮してページ冒頭に移動する。
• もし「after」の数値が 小さく ならなかった場合は、その旨をこのページでアップデートする。その場合、主張は「ガイド付きの遊びは幼児の算数に役立つ」という、最も強いエビデンスが示す範囲まで後退する。
• もし読者から「意外な場所にメカニズムが転移した」という報告があれば、それは episode 3.

このエピソードがシリーズ全体の中でどこに位置するか

同じ物語から分かれる5つの選択肢

30分で試してみる

• 入力： 共通点がありそうな2つの活動
• 出力： 仕組みを一文で書き、前後の試行回数（2つの数字）を記録する
• 条件：「後」のテストでは、今までやったことのない動きを使う。練習したものは使わない
• 判定基準： もし3つの異なる新しい動きで全く改善が見られなければ、その仕組みは本質ではない。もう一度遊びに戻ろう。
• 最小限の記録： mechanism, move_before, tries_before, move_after, tries_after, date.
• 意図的に省略しているもの： 比較群。仕組みに名前をつけずに練習する友人を加えれば、それが本物の実験になる。

5S自己評価（根拠つき）

参考文献

1. Skene et al. (2022), Child Development 93, 1162–1180 — ガイド付きの遊びと直接指導、自由な遊びの比較（メタ分析、対象年齢1〜8歳）。
2. Güllich, Macnamara & Hambrick (2022), Perspectives on Psychological Science — 複数スポーツ経験、専門化、子ども主導の遊びに関する研究。
3. Sala & Gobet (2017), Current Directions in Psychological Science — アクティブコントロール下での遠隔転移の検証。
4. Goldin-Meadow, Cook & Mitchell (2009), Psychological Science 20(3), 267–272 — ジェスチャーが数学学習に与える影響。
5. Pashler, McDaniel, Rohrer & Bjork (2008), Psychological Science in the Public Interest — 学習スタイル：その概念とエビデンス。
6. Lynch et al. (2019), CoRL — Learning Latent Plans from Play.
7. Hughes et al. (2024), ICML — オープンエンデッドネスと超人的AIについて。
8. Weisberg, Hirsh-Pasek, Golinkoff, Kittredge & Klahr (2016), "Guided Play: Principles and Practices", Current Directions in Psychological Science 25(3) — 内容要約、引用なし。

関連リンク

• エピソード2 — 12歳の子が難しいことに何年も挑み続けるのはなぜか？
• エピソード3 — 子どもがSFのアイデアを30日で形にして試すには？
• エピソード4 — 子どもと大人のチームが「復元」のビジョンをどう計画に落とし込むか？