フィッツの法則の数理的基盤
フィッツの法則は情報理論に基づき、ポインティング動作を情報伝送チャネルとしてモデル化する。困難度指標 ID (Index of Difficulty) は log2(2A/W) で計算され、単位はビットである。運動時間は ID に対して線形に増加し、その傾き (b) は運動系の情報処理帯域幅の逆数を表す。この法則はマウス操作、タッチスクリーン、ペン入力、さらには足や頭部の動きにまで適用可能な普遍的原理であり、エイムテストのスコア予測にも直接利用できる。
エイムテストとの関連
エイムテストはフィッツの法則が最も直接的に適用される認知テストである。ターゲットが小さく遠いほど困難度が上がり、クリックまでの時間が対数的に増加する。熟練者は係数 b が小さく、同じ困難度でもより短時間で正確にターゲットを捉える。これは小脳での運動プログラムの最適化と、視覚-運動変換の効率化によるものである。トレーニングにより運動系の情報処理帯域幅が拡大し、速度と正確性の両方が同時に向上する現象が観察される。
速度-正確性トレードオフの最適化
フィッツの法則が示す速度-正確性トレードオフは、運動制御における根本的な制約である。速く動こうとすると運動のばらつき (ノイズ) が増大し、ターゲットを外す確率が上がる。最適戦略は、ターゲットの困難度に応じて速度を動的に調整する適応的制御である。初期の弾道的運動で大まかにターゲットに接近し、最終段階でフィードバック制御に切り替えて精密に着地する二段階戦略が、エイムテストでの高スコアに直結する。この戦略の自動化が筋肉記憶の本質である。