Как работает FSRS: современный алгоритм интервальных повторений

Большинство людей, использующих приложения с карточками, понятия не имеют, что происходит за кулисами, когда алгоритм решает показать им карточку завтра, а не через месяц. Долгие годы доминирующим ответом был SM-2 — эвристический алгоритм, разработанный в 1980-х годах, который вполне неплохо служил миллионам учащихся. FSRS — Free Spaced Repetition Scheduler — это более новый подход, и он идёт принципиально иным путём: вместо фиксированных правил он строит математическую модель того, как на самом деле работает ваша память. Понимание этой модели объясняет, почему расписания FSRS ощущаются более точными и почему они, как правило, требуют меньшего числа повторений при том же уровне удержания. FSRS имеет открытый исходный код и активно развивается; вы можете изучить алгоритм FSRS на GitHub. Чтобы охватить весь спектр тем по интервальному повторению, загляните в подборку статей интервальное повторение.

Три компонента памяти: D, S и R

FSRS описывает каждый фрагмент знаний, который вы изучаете, с помощью трёх величин. Вместе они образуют то, что исследователи называют DSR-моделью.

Извлекаемость (R)

Извлекаемость — это вероятность того, что вы сможете успешно вспомнить элемент прямо сейчас, в эту самую минуту. Она начинается с 1.0 (полная уверенность) сразу после повторения и со временем убывает по кривой забывания. Когда алгоритм решает, что пора показать вам карточку, это происходит потому, что ваша извлекаемость опустилась до целевого уровня — обычно около 0.90, то есть примерно 90 % вероятность вспомнить. Цель — повторить прямо перед тем, как вы забудете, а не задолго до и не после.

Стабильность (S)

Стабильность описывает, насколько медленно убывает ваша извлекаемость. Память с высокой стабильностью угасает медленно; память с низкой стабильностью угасает быстро. После каждого успешного повторения ваша стабильность для этого элемента возрастает — именно поэтому интервалы повторений со временем могут увеличиваться. Один и тот же элемент, повторённый пять раз в нужные моменты, будет иметь гораздо более высокую стабильность, чем элемент, повторённый пять раз за один день, — алгоритм точно фиксирует эту разницу.

Стабильность — это та величина, которая наиболее прямо соответствует обиходному смыслу «хорошо что-то знать». Высокая стабильность означает, что даже если вы пропустите повторение, ваша память останется в значительной мере целой и через несколько недель. Низкая стабильность означает, что пропуск одного повторения может существенно снизить вероятность припоминания.

Сложность (D)

Сложность — это оценка собственной трудности конкретного элемента для вас. Некоторые факты просто труднее запомнить, чем другие, и это варьируется от человека к человеку. Сложность элемента влияет на то, насколько возрастает стабильность после успешного повторения: лёгкие элементы получают больше стабильности за повторение, трудные — меньше. Сложность не фиксирована — она обновляется по мере того, как вы со временем оцениваете карточки, так что элемент, изначально казавшийся трудным, может постепенно быть переклассифицирован по мере роста вашего знакомства с ним.

Как FSRS предсказывает дату следующего повторения

Имея текущие значения D, S и R для элемента, FSRS может предсказать, как изменится извлекаемость на любом будущем интервале времени. Он использует это, чтобы ответить на точный вопрос: через сколько дней извлекаемость опустится до целевого порога?

Этот день и становится следующим запланированным повторением. Ни больше, ни меньше — никаких фиксированных множителей, никаких средних по популяции, лишь предсказание, выведенное из модели для этого конкретного элемента и этого конкретного учащегося.

После того как вы завершаете повторение и даёте оценку — Снова, Трудно, Хорошо или Легко — FSRS обновляет значения D и S элемента на основе того, что раскрывает ваш ответ. Неудачное припоминание (Снова) сбрасывает стабильность и немного увеличивает сложность. Лёгкое, уверенное припоминание (Легко) даёт больший прирост стабильности, чем медленное и трудозатратное (Трудно или Хорошо). Затем следующий интервал вычисляется заново на основе обновлённых параметров.

Адаптация: почему FSRS улучшается со временем

Одна из самых значимых особенностей FSRS состоит в том, что его базовые параметры можно откалибровать под вашу историю повторений. Модель содержит набор весов, управляющих тем, как эволюционирует стабильность в разных ситуациях. Эти веса имеют значения по умолчанию, полученные из крупномасштабных исследовательских данных, но их также можно подогнать под реальный характер вашей истории повторений.

Это означает, что FSRS может выяснить, что вы склонны забывать вещи быстрее среднего по популяции, или что ваши припоминания, помеченные как Трудно, на самом деле для вас вполне стабильны. Получающиеся расписания становятся персонализированными на более глубоком уровне, чем способна достичь любая система с фиксированными правилами.

Концептуально это отличается от простого понижения фактора лёгкости. Факторы лёгкости в более старых алгоритмах — это покарточные поправки, применяемые к интервалам мультипликативно. FSRS же выучивает форму ваших кривых забывания из данных, а затем заново выводит все интервалы из первых принципов, используя эту форму.

Роль ваших оценок

Ваши оценки — это основной сигнал, который FSRS использует для обновления оценок состояния памяти. Их корректность имеет значение.

• Снова — вы не смогли вспомнить ответ. Стабильность сбрасывается почти до нуля; карточка появится снова очень скоро.
• Трудно — вы вспомнили, но медленно или с заметным усилием. Стабильность возрастает, но меньше, чем при оценке Хорошо.
• Хорошо — правильное припоминание при обычном усилии. Ожидаемый и самый частый исход.
• Легко — мгновенное, без усилий припоминание. Стабильность возрастает существенно; следующий интервал отскакивает дальше в будущее.

Ключевая мысль в том, что важно как вы вспомнили, а не только вспомнили ли. Память, извлечённая с усилием, менее стабильна, чем извлечённая мгновенно, и FSRS моделирует эту разницу. Честная оценка, таким образом, — не просто хорошая практика, а тот конвейер данных, который удерживает модель точной.

FSRS и цикл обучения

FSRS раскрывается сильнее всего, когда он тесно интегрирован с тем, как вы потребляете и взаимодействуете с материалом, а не только с тем, как вы его повторяете. Качество планирования повторений не выше качества планируемых карточек. Активное припоминание на начальном этапе чтения — пауза для генерации ответа перед проверкой — порождает лучше закодированные изначальные воспоминания, что даёт FSRS более прочную отправную точку для работы.

Для изучения нескольких материалов сразу алгоритм рассматривает каждую карточку независимо, вне зависимости от того, из какого источника она пришла. Это позволяет повторять лексику из PDF для изучения языка, ключевые концепции из записанной лекции и формулы из учебника в одной сессии, причём каждый элемент планируется согласно его собственной стабильности и сложности, а не категории, к которой он относится.

FSRS не спрашивает «насколько трудна эта тема?» — он спрашивает «насколько стабильна эта конкретная память у этого конкретного учащегося прямо сейчас?» Этот сдвиг от категорий к отдельным следам памяти и отделяет планирование на основе модели от эвристического планирования.

Чего FSRS не делает

Стоит чётко обозначить пределы модели. FSRS не симулирует неврологические детали консолидации памяти. Он не знает, повлияет ли ваш уровень усталости или учебная обстановка на результаты в конкретный день. Он не гарантирует удержание — он нацеливается на вероятностный порог, поэтому некоторое забывание ожидаемо и допустимо.

Модель также не лучше ваших оценок. Если вы постоянно помечаете карточки как Легко, когда на самом деле они потребовали усилий — возможно, чтобы сократить число предстоящих повторений, — алгоритм выдаст слишком длинные интервалы, и ваше реальное удержание упадёт ниже целевого. Кривая забывания не считается с вашими предпочтениями; она реагирует только на честный ввод.

Почему FSRS важен для серьёзных учащихся

Практическая отдача подхода на основе модели — меньшее общее число повторений при том же целевом удержании. Поскольку интервалы выводятся из точного предсказания момента, когда вы забудете, а не из консервативной эвристики, алгоритм не раздувает расписания без нужды. Элементы, действительно стабильные для вас, получают длинные интервалы. Элементы, действительно хрупкие, получают короткие. Совокупный эффект на большой колоде за месяцы учёбы может быть существенным: тот же уровень удержания достигается со значительно меньшими затратами времени на повторения.

Для всякого, кто изучает большой объём материала — язык, профессиональную область, академический предмет, — эта эффективность складывается в сэкономленные часы и в знание, которое действительно держится, когда это важно.

Ваши тренды освоения и очередь межкнижного повторения видны на панели LearnBook — это живая картина того, как ваша память держится по всем изучаемым вами источникам, и всё это планируется той же моделью FSRS, описанной выше.