間隔反復アルゴリズムを徹底解説

FSRS — Free Spaced Repetition Scheduler

FSRSは、2022年からJarrett Yeとopen-spaced-repetitionコミュニティが開発している、モダンなオープンソースのスケジューリングアルゴリズムです。記憶を個々の学習者に適応する統計モデルとして扱うことで、精度と効率性でSM-2を上回るように設計されました。今日、Anki、RemNote、StudyGlenすべてがこれを実装しています。

FSRSの仕組み — DSRメモリモデル

FSRSは、毎回の復習後に更新される3つの値を使って、1枚のフラッシュカードの記憶をモデル化します。

• Difficulty (D): 特定のカードがあなたにとってどれだけ難しいか。範囲は1-10。Again、Hard、Good、Easyのどれを押したかに基づいてキャリブレートされます。
• Stability (S): このカードを思い出す確率が記憶保持目標（デフォルト90%）まで下がるのに何日かかるか。正しい復習後に増え、失敗後にリセットされます。
• Retrievability (R): このカードを今この瞬間に思い出せる予測確率 — D、S、そして最後の復習からの経過日数の関数です。

これら3つの値で、FSRSは各カードに対して1つの問いに答えます。あなたの記憶保持目標を踏まえ、この復習をスケジュールできる最も遅いタイミングはいつか、それでもあなたが覚えていると期待できるのは？

FSRSがSM-2と異なる点

SM-2は固定の乗数を使います — 誰もが最初は同じ間隔の成長カーブを受け取ります。FSRSはgradient descentを用いて、通常約1,000回の復習後に、あなたの個人的なパラメーターを実際の復習履歴にフィットさせます。学習後は、どのカードタイプがあなたにとって難しいか、どれだけ早く忘れるか、失敗が長期的な安定性にどう影響するかを考慮に入れます。

「Desired Retention（希望する記憶保持）」の目標も設定します — 通常は0.80から0.97の間で、ほとんどのユーザーは0.85-0.90あたりに落ち着きます。記憶保持が高いほど復習が増え、低いほど減ります。SM-2にはこれに相当する制御はありません。

FSRSを使っているフラッシュカードアプリ

• Anki: v23.10（2023年11月）以降、デスクトップ、AnkiDroid、AnkiMobile全体でデフォルトスケジューラー。SM-2はフォールバックとして引き続き利用可能。
• RemNote: SM-2と並んでオプションのスケジューラーとして利用可能。
• StudyGlen: AI生成フラッシュカードデッキすべてのデフォルトアルゴリズム — 手動設定は不要。

FSRSが明確に勝つケース

大きなデッキ（2,000枚以上）、長期的な記憶保持の目標、難易度の不均一性（簡単なカードもあれば難しいカードもある）。蓄積する復習データが多いほど、FSRSはSM-2を引き離します。

FSRSが関係ないケース

約1,000回未満の復習では、FSRSはまだ意味のあるパーソナルモデルをフィットできず — デフォルトパラメーターにフォールバックし、SM-2と同等のパフォーマンスになります。カジュアルな学習や短期の詰め込みでは、アルゴリズムの選択はほぼ装飾的です。

Leitnerシステム — 紙の上の間隔反復

Leitnerシステムは、1972年にドイツの科学ジャーナリストSebastian Leitnerが考案したもので、あらゆるデジタルSRSアルゴリズムに先行します。物理カードの手法で、このカテゴリ全体に影響を与えました — そして一部のアプリ（Quizletのラーニングモードを含む）は今も簡略版を使っているため、理解する価値があります。

Leitnerの仕組み

番号付きのボックス（古典的には5つ）のセットを用意します。すべての新しいカードはボックス1から始まります。

• • 正解 — カードを次に高いボックスに移動します。
• • 不正解 — カードをボックス1に戻します。

各ボックスには独自の復習頻度があります：ボックス1は毎日、ボックス2は2日ごと、ボックス3は4日ごと、という具合です。一貫して覚えているカードは上位のボックスへ流れていき、忘れるカードは頻繁な復習に引き戻されます。

強みと限界

Leitnerは可能な限り最もシンプルなSRSです — 数学をまったく必要とせず、紙のカードと靴箱があれば機能します。そのスケジューリングはSM-2やFSRSよりもはるかに粗く、間隔は個々の記憶やカードの難易度に適応しません。短期学習やデジタルツールを避ける学習環境では、今でも十分です。ほとんどの現代的な用途では、SM-2を動かすデジタルSRS、特にFSRSを動かすものの方が、より効率的に復習をスケジュールします。

どのアルゴリズムを使うべきか？

素早い意思決定フレームワーク：

• 1.

  大きなデッキ（1,000枚以上）と長期的な記憶保持目標 → FSRS。Anki、RemNote、StudyGlenすべてが実装しています。

• 2.

  小さなデッキと短期学習（単発の試験、言語フレーズブック）→ 素のLeitnerを含む、どのアルゴリズムでも機能します。考え過ぎないでください。

• 3.

  ゼロセットアップとAI生成カードを求める → StudyGlen（デフォルトでFSRS、AIがPDF、ノート、画像からカードを生成）。

• 4.

  最大限の制御とコミュニティデッキへのアクセスを求める → Anki（v23.10以降FSRSがデフォルト、SM-2はフォールバックとして利用可能）。

• 5.

  長文のノートを取り、フラッシュカードを組み込みで使いたい → RemNote（デフォルトはSM-2、FSRSも利用可能）。

• 6.

  専門家がキュレートしたフラッシュカードセットとシンプルな自信ベースの復習を求める → Brainscape（独自のFSRS以外のスケジューラーであるCBRを使用）。

• 7.

  最大のフラッシュカードライブラリが必要で、真のSRSは不要 → Quizlet（Leitnerスタイル、真のSRSではない）。

2026年のほとんどの学生にとって、FSRSを搭載したアプリが正しいデフォルトです。アルゴリズムには理由があってSM-2を最先端技術として置き換えました — そしてそれをトレーニングするためのインフラは、今やすべての主要なフラッシュカードツールに組み込まれています。