FSRS ทำงานอย่างไร: อัลกอริทึมการทบทวนแบบเว้นระยะยุคใหม่

คนส่วนใหญ่ที่ใช้แอปแฟลชการ์ดไม่รู้เลยว่าเกิดอะไรขึ้นเบื้องหลังเมื่ออัลกอริทึมตัดสินใจว่าจะแสดงการ์ดให้คุณดูในวันพรุ่งนี้หรืออีกเดือนข้างหน้า เป็นเวลาหลายปีที่คำตอบหลักคือ SM-2 ซึ่งเป็นอัลกอริทึมเชิงประสบการณ์ที่พัฒนาขึ้นในทศวรรษ 1980 และให้บริการผู้เรียนหลายล้านคนได้ดีพอสมควร FSRS — Free Spaced Repetition Scheduler — เป็นแนวทางที่ใหม่กว่า และเลือกเส้นทางที่แตกต่างโดยพื้นฐาน นั่นคือ แทนที่จะใช้กฎตายตัว มันสร้างแบบจำลองทางคณิตศาสตร์ของวิธีการทำงานจริงของความจำของคุณ การเข้าใจแบบจำลองนั้นอธิบายได้ว่าทำไมการจัดตารางของ FSRS จึงรู้สึกแม่นยำกว่า และทำไมมันจึงมักต้องการการทบทวนน้อยลงสำหรับระดับการคงความจำเดียวกัน FSRS เป็นโอเพนซอร์สและมีการพัฒนาอย่างต่อเนื่อง คุณสามารถสำรวจอัลกอริทึม FSRS บน GitHub ได้ สำหรับหัวข้อการทบทวนแบบเว้นช่วงทั้งหมด เยี่ยมชมคอลเลกชันบทความการทบทวนแบบเว้นช่วง

สามองค์ประกอบของความจำ: D, S และ R

FSRS อธิบายความรู้แต่ละชิ้นที่คุณกำลังเรียนรู้โดยใช้ปริมาณสามอย่าง เมื่อรวมกันแล้วจะกลายเป็นสิ่งที่นักวิจัยเรียกว่าแบบจำลอง DSR

ความสามารถในการเรียกคืน (R)

ความสามารถในการเรียกคืน (Retrievability) คือความน่าจะเป็นที่คุณจะสามารถระลึกถึงสิ่งหนึ่งได้สำเร็จในขณะนี้ ในวินาทีนี้พอดี มันเริ่มต้นที่ 1.0 (ความแน่นอน) ทันทีหลังจากการทบทวน และค่อย ๆ ลดลงเมื่อเวลาผ่านไปตามเส้นโค้งการลืม เมื่ออัลกอริทึมตัดสินใจว่าถึงเวลาแสดงการ์ดให้คุณดู นั่นเป็นเพราะความสามารถในการเรียกคืนของคุณลดลงถึงระดับเป้าหมาย — โดยทั่วไปประมาณ 0.90 ซึ่งหมายถึงโอกาสประมาณ 90 % ที่จะระลึกได้ เป้าหมายคือทบทวนก่อนที่คุณจะลืมพอดี ไม่ใช่ก่อนหน้านั้นนานเกินไปและไม่ใช่หลังจากนั้น

ความเสถียร (S)

ความเสถียร (Stability) อธิบายว่าความสามารถในการเรียกคืนของคุณลดลงช้าเพียงใด ความจำที่มีความเสถียรสูงจะเลือนหายไปอย่างช้า ๆ ส่วนความจำที่มีความเสถียรต่ำจะเลือนหายไปอย่างรวดเร็ว หลังจากการทบทวนที่สำเร็จแต่ละครั้ง ความเสถียรของสิ่งนั้นจะเพิ่มขึ้น ซึ่งเป็นเหตุผลว่าทำไมช่วงเวลาการทบทวนจึงสามารถเพิ่มขึ้นได้เมื่อเวลาผ่านไป สิ่งเดียวกันที่ทบทวนห้าครั้งในจังหวะที่เหมาะสมจะมีความเสถียรสูงกว่าสิ่งที่ทบทวนห้าครั้งในวันเดียวมาก — อัลกอริทึมจับความแตกต่างนี้ได้อย่างแม่นยำ

ความเสถียรคือปริมาณที่สอดคล้องกับความหมายในภาษาพูดของคำว่า "รู้บางสิ่งเป็นอย่างดี" มากที่สุด ความเสถียรสูงหมายความว่าแม้คุณจะข้ามการทบทวน ความจำของคุณก็จะยังคงสมบูรณ์เป็นส่วนใหญ่หลังจากผ่านไปหลายสัปดาห์ ความเสถียรต่ำหมายความว่าการพลาดการทบทวนเพียงครั้งเดียวอาจทำให้ความน่าจะเป็นในการระลึกได้ของคุณลดลงอย่างมาก

ความยาก (D)

ความยาก (Difficulty) คือการประมาณความยากโดยเนื้อแท้ของสิ่งหนึ่ง ๆ สำหรับคุณ ข้อเท็จจริงบางอย่างจำได้ยากกว่าอย่างอื่น และสิ่งนี้แตกต่างกันไปในแต่ละคน ความยากของสิ่งหนึ่งส่งผลต่อปริมาณความเสถียรที่เพิ่มขึ้นหลังจากการทบทวนที่สำเร็จ สิ่งที่ง่ายจะได้รับความเสถียรเพิ่มขึ้นมากกว่าต่อการทบทวนหนึ่งครั้ง ส่วนสิ่งที่ยากจะได้รับน้อยกว่า ความยากไม่ได้คงที่ — มันถูกอัปเดตเมื่อคุณให้คะแนนการ์ดเมื่อเวลาผ่านไป ดังนั้นสิ่งที่ในตอนแรกดูเหมือนยากก็สามารถค่อย ๆ ถูกจัดประเภทใหม่ได้เมื่อความคุ้นเคยของคุณเพิ่มขึ้น

FSRS ทำนายวันที่ทบทวนครั้งถัดไปอย่างไร

เมื่อมีค่าปัจจุบันของ D, S และ R สำหรับสิ่งหนึ่ง FSRS สามารถทำนายได้ว่าความสามารถในการเรียกคืนจะเปลี่ยนแปลงอย่างไรในช่วงเวลาใด ๆ ในอนาคต มันใช้สิ่งนี้เพื่อตอบคำถามที่แม่นยำ คือ อีกกี่วันนับจากนี้ความสามารถในการเรียกคืนจะลดลงถึงเกณฑ์เป้าหมาย?

วันนั้นจะกลายเป็นการทบทวนที่จัดตารางไว้ครั้งถัดไป ไม่มากไปไม่น้อยไป — ไม่มีตัวคูณตายตัว ไม่มีค่าเฉลี่ยของประชากร มีเพียงการทำนายที่ได้มาจากแบบจำลองสำหรับสิ่งเฉพาะนี้และผู้เรียนเฉพาะคนนี้

หลังจากที่คุณทบทวนเสร็จและให้คะแนน — Again, Hard, Good หรือ Easy — FSRS จะอัปเดตค่า D และ S ของสิ่งนั้นตามสิ่งที่คำตอบของคุณเปิดเผยออกมา การระลึกที่ล้มเหลว (Again) จะรีเซ็ตความเสถียรและเพิ่มความยากเล็กน้อย การระลึกที่ง่ายและมั่นใจ (Easy) จะให้ความเสถียรเพิ่มขึ้นมากกว่าการระลึกที่ช้าและต้องใช้ความพยายาม (Hard หรือ Good) จากนั้นช่วงเวลาถัดไปจะถูกคำนวณใหม่จากพารามิเตอร์ที่อัปเดตแล้ว

การปรับตัว: ทำไม FSRS จึงดีขึ้นเมื่อเวลาผ่านไป

หนึ่งในคุณสมบัติที่สำคัญที่สุดของ FSRS คือพารามิเตอร์พื้นฐานของมันสามารถปรับเทียบให้เข้ากับประวัติการทบทวนของคุณได้ แบบจำลองมีชุดของน้ำหนัก (weights) ที่ควบคุมว่าความเสถียรจะวิวัฒน์อย่างไรในสถานการณ์ต่าง ๆ น้ำหนักเหล่านี้มีค่าเริ่มต้นที่ได้มาจากข้อมูลวิจัยขนาดใหญ่ แต่ก็สามารถปรับให้พอดีกับรูปแบบที่แท้จริงของประวัติการทบทวนของคุณได้เช่นกัน

นี่หมายความว่า FSRS สามารถเรียนรู้ได้ว่าคุณมักลืมสิ่งต่าง ๆ เร็วกว่าค่าเฉลี่ยของประชากร หรือว่าการระลึกที่ถูกทำเครื่องหมายว่า Hard นั้นที่จริงแล้วมีความเสถียรสำหรับคุณพอสมควร ตารางที่ได้จึงถูกปรับให้เป็นส่วนตัวในระดับที่ลึกกว่าระบบที่ใช้กฎตายตัวใด ๆ จะทำได้

สิ่งนี้แตกต่างในเชิงแนวคิดจากการเพียงแค่ลดค่า ease factor ค่า ease factor ในอัลกอริทึมรุ่นเก่าเป็นการปรับแบบรายการ์ดที่นำไปคูณกับช่วงเวลา FSRS เรียนรู้รูปร่างของเส้นโค้งการลืมของคุณจากข้อมูล แล้วคำนวณช่วงเวลาทั้งหมดใหม่จากหลักการพื้นฐานโดยใช้รูปร่างนั้น

บทบาทของคะแนนที่คุณให้

คะแนนที่คุณให้คือสัญญาณหลักที่ FSRS ใช้ในการอัปเดตการประมาณค่าความจำ การให้คะแนนอย่างถูกต้องจึงสำคัญ

• Again — คุณระลึกคำตอบไม่ได้ ความเสถียรรีเซ็ตเป็นเกือบศูนย์ การ์ดจะปรากฏขึ้นอีกครั้งเร็ว ๆ นี้
• Hard — คุณระลึกได้ แต่ช้าหรือต้องใช้ความพยายามอย่างมาก ความเสถียรเพิ่มขึ้น แต่น้อยกว่าที่คะแนน Good จะให้
• Good — ระลึกได้ถูกต้องด้วยความพยายามปกติ ผลลัพธ์ที่คาดหวังและพบบ่อยที่สุด
• Easy — ระลึกได้ทันทีโดยไม่ต้องใช้ความพยายาม ความเสถียรเพิ่มขึ้นอย่างมาก ช่วงเวลาถัดไปกระโดดไปไกลในอนาคต

ข้อมูลเชิงลึกที่สำคัญคือ วิธี ที่คุณระลึกได้นั้นสำคัญ ไม่ใช่เพียง ว่า คุณระลึกได้หรือไม่ ความจำที่เรียกคืนได้ด้วยความพยายามจะมีความเสถียรน้อยกว่าความจำที่เรียกคืนได้ในทันที และ FSRS สร้างแบบจำลองความแตกต่างนั้น การให้คะแนนอย่างซื่อสัตย์จึงไม่ใช่เพียงแนวปฏิบัติที่ดี — มันคือสายข้อมูลที่ทำให้แบบจำลองแม่นยำอยู่เสมอ

FSRS กับวงจรการเรียนรู้

FSRS เปล่งประกายมากที่สุดเมื่อมันถูกผนวกเข้าอย่างแน่นแฟ้นกับวิธีที่คุณบริโภคและมีปฏิสัมพันธ์กับเนื้อหา ไม่ใช่เพียงวิธีที่คุณทบทวนมัน คุณภาพของการจัดตารางการทบทวนดีได้เพียงเท่าที่คุณภาพของแฟลชการ์ดที่ถูกจัดตารางจะดี การเรียกคืนเชิงรุก ในระหว่างขั้นตอนการอ่านครั้งแรก — การหยุดเพื่อสร้างคำตอบก่อนตรวจสอบ — จะสร้างความจำเริ่มต้นที่ถูกเข้ารหัสได้ดีกว่า ซึ่งทำให้ FSRS มีจุดเริ่มต้นที่แข็งแกร่งกว่าในการทำงาน

สำหรับการศึกษาข้ามเนื้อหา อัลกอริทึมจะปฏิบัติต่อแต่ละการ์ดอย่างเป็นอิสระไม่ว่ามันจะมาจากแหล่งใด สิ่งนี้ทำให้สามารถทบทวนคำศัพท์จาก PDF การเรียนภาษา แนวคิดหลักจากการบรรยายที่บันทึกไว้ และสูตรจากตำราเรียนทั้งหมดในเซสชันเดียวกันได้ โดยแต่ละสิ่งถูกจัดตารางตามความเสถียรและความยากของตัวมันเอง แทนที่จะตามหมวดหมู่ที่มันสังกัด

FSRS ไม่ได้ถามว่า "หัวข้อนี้ยากแค่ไหน?" — แต่ถามว่า "ความจำเฉพาะนี้ ใน ผู้เรียนเฉพาะคนนี้ มีความเสถียรแค่ไหนในตอนนี้?" การเปลี่ยนจากหมวดหมู่ไปสู่ร่องรอยความจำของแต่ละบุคคลนี่เองคือสิ่งที่แยกการจัดตารางที่อิงแบบจำลองออกจากการจัดตารางเชิงประสบการณ์

สิ่งที่ FSRS ไม่ได้ทำ

ควรชี้ให้ชัดเจนเกี่ยวกับขีดจำกัดของแบบจำลอง FSRS ไม่ได้จำลองรายละเอียดทางประสาทวิทยาของการรวบรวมความจำ มันไม่รู้ว่าระดับความเหนื่อยล้าหรือสภาพแวดล้อมการเรียนของคุณจะส่งผลต่อประสิทธิภาพในวันใดวันหนึ่งหรือไม่ มันไม่รับประกันการคงความจำ — มันมุ่งเป้าไปที่เกณฑ์ความน่าจะเป็น ดังนั้นการลืมบางส่วนจึงเป็นสิ่งที่คาดหวังและยอมรับได้

แบบจำลองยังดีได้เพียงเท่าที่คะแนนของคุณจะดี หากคุณทำเครื่องหมายการ์ดว่า Easy อย่างสม่ำเสมอทั้งที่จริงแล้วต้องใช้ความพยายาม — บางทีเพื่อลดจำนวนการทบทวนที่จะมาถึง — อัลกอริทึมจะให้ช่วงเวลาที่ยาวเกินไป และการคงความจำที่แท้จริงของคุณจะตกต่ำกว่าเป้าหมาย เส้นโค้งการลืมไม่สนใจความชอบของคุณ มันตอบสนองเฉพาะต่ออินพุตที่ซื่อสัตย์เท่านั้น

ทำไม FSRS จึงสำคัญสำหรับผู้เรียนที่จริงจัง

ผลตอบแทนในทางปฏิบัติของแนวทางที่อิงแบบจำลองคือการทบทวนทั้งหมดที่น้อยลงสำหรับเป้าหมายการคงความจำเดียวกัน เนื่องจากช่วงเวลาถูกคำนวณจากการทำนายที่แม่นยำว่าคุณจะลืมเมื่อใด แทนที่จะเป็นแนวทางเชิงประสบการณ์ที่ระมัดระวัง อัลกอริทึมจึงไม่ยืดตารางออกไปโดยไม่จำเป็น สิ่งที่มีความเสถียรอย่างแท้จริงสำหรับคุณจะได้ช่วงเวลาที่ยาว สิ่งที่เปราะบางอย่างแท้จริงจะได้ช่วงเวลาที่สั้น ผลสุทธิจากกองการ์ดขนาดใหญ่ตลอดหลายเดือนของการศึกษาอาจมีนัยสำคัญ คือการคงความจำในระดับเดียวกันที่บรรลุได้ด้วยเวลาทบทวนที่น้อยลงอย่างมาก

สำหรับใครก็ตามที่กำลังศึกษาเนื้อหาจำนวนมาก — ภาษา สาขาวิชาชีพ หรือวิชาทางวิชาการ — ประสิทธิภาพนั้นทบต้นกลายเป็นชั่วโมงที่ได้คืนมาและความรู้ที่ติดตัวจริง ๆ ในยามที่ต้องใช้

แนวโน้มความเชี่ยวชาญและคิวการทบทวนข้ามหนังสือของคุณมองเห็นได้ในแดชบอร์ดของ LearnBook — ภาพสด ๆ ของว่าความจำของคุณยืนหยัดได้อย่างไรในทุกแหล่งที่คุณกำลังศึกษา ทั้งหมดถูกจัดตารางโดยแบบจำลอง FSRS เดียวกันที่อธิบายไว้ข้างต้น