간격 반복 알고리즘 완전 해설

FSRS — Free Spaced Repetition Scheduler

FSRS는 2022년부터 Jarrett Ye와 open-spaced-repetition 커뮤니티가 개발 중인 현대적인 오픈 소스 스케줄링 알고리즘입니다. 기억을 개별 학습자에 적응하는 통계 모델로 다루어 정확도와 효율성에서 SM-2를 능가하도록 설계되었습니다. 현재 Anki, RemNote, StudyGlen 모두가 이를 구현하고 있습니다.

FSRS의 작동 원리 — DSR 기억 모델

FSRS는 매번 복습 후에 갱신되는 세 가지 값을 사용해 한 장의 플래시카드 기억을 모델링합니다:

• Difficulty (D): 특정 카드가 당신에게 얼마나 어려운지. 1-10 범위. 다시(Again), 어려움(Hard), 좋음(Good), 쉬움(Easy) 중 무엇을 눌렀는지에 따라 보정됩니다.
• Stability (S): 이 카드를 회상할 확률이 당신의 기억 유지 목표(기본값 90%)까지 떨어지는 데 며칠이 걸리는지. 정답 복습 후에는 늘어나고, 실패하면 리셋됩니다.
• Retrievability (R): 지금 당장 이 카드를 회상할 수 있을 것으로 예측되는 확률 — D, S, 그리고 마지막 복습 이후 경과 일수의 함수입니다.

이 세 가지 값으로 FSRS는 각 카드에 대해 한 가지 질문에 답합니다: 당신의 기억 유지 목표가 주어졌을 때, 당신이 여전히 기억할 것이라 기대할 수 있는 가장 늦은 복습 시점은 언제인가?

FSRS가 SM-2와 다른 점

SM-2는 고정된 승수를 사용합니다 — 누구나 처음에는 동일한 간격 증가 곡선을 받습니다. FSRS는 보통 ~1,000회 복습 후, gradient descent를 이용해 당신의 실제 복습 기록에 개인화된 매개변수를 맞춥니다. 학습이 끝나면 어떤 카드 유형이 당신에게 더 어려운지, 얼마나 빨리 잊는지, 실패가 장기 안정성에 어떤 영향을 미치는지를 반영합니다.

또한 "Desired Retention" 목표를 설정할 수 있습니다 — 보통 0.80에서 0.97 사이이며, 대부분 사용자는 0.85-0.90 부근에 안착합니다. 기억 유지가 높을수록 복습이 늘고, 낮을수록 줄어듭니다. SM-2에는 이에 해당하는 제어가 없습니다.

FSRS를 사용하는 플래시카드 앱

• Anki: v23.10(2023년 11월)부터 데스크톱, AnkiDroid, AnkiMobile 전반의 기본 스케줄러. SM-2는 폴백으로 계속 사용 가능합니다.
• RemNote: SM-2와 더불어 선택형 스케줄러로 제공됩니다.
• StudyGlen: AI가 생성한 모든 플래시카드 덱의 기본 알고리즘 — 별도 설정이 필요 없습니다.

FSRS가 명확하게 우위에 서는 경우

큰 덱(2,000장 이상), 장기 기억 유지 목표, 그리고 난이도 편차(쉬운 카드와 어려운 카드가 섞인 경우). 복습 데이터가 쌓일수록 FSRS가 SM-2를 더 크게 능가합니다.

FSRS가 큰 차이를 만들지 못하는 경우

복습 ~1,000회 미만에서는 FSRS가 의미 있는 개인 모델을 아직 맞출 수 없어 — 기본 매개변수로 폴백되며 SM-2와 비슷하게 동작합니다. 캐주얼 학습이나 단기 벼락치기에서는 알고리즘 선택의 의미가 거의 없습니다.

Leitner 시스템 — 종이로 하는 간격 반복

독일 과학 저널리스트 Sebastian Leitner가 1972년에 고안한 Leitner 시스템은 모든 디지털 SRS 알고리즘보다 앞섭니다. 이 카테고리 전체에 영감을 준 종이 카드 기반 방법이며 — 일부 앱(Quizlet의 Learn 모드 포함)이 단순화된 버전을 지금도 사용하기 때문에 알아둘 가치가 있습니다.

Leitner의 작동 원리

번호가 매겨진 박스 세트(고전적으로 5개)를 준비합니다. 모든 새 카드는 박스 1에서 시작합니다.

• • 정답 — 카드를 다음 단계의 박스로 옮깁니다.
• • 오답 — 카드를 박스 1로 되돌려 보냅니다.

각 박스는 고유한 복습 빈도를 가집니다: 박스 1은 매일, 박스 2는 이틀에 한 번, 박스 3은 나흘에 한 번 같은 식입니다. 꾸준히 기억하는 카드는 더 높은 박스로 흘러가고, 잊은 카드는 다시 잦은 복습으로 끌려옵니다.

강점과 한계

Leitner는 가능한 한 가장 단순한 SRS입니다 — 수학이 전혀 필요 없고 종이 카드와 신발 상자만 있으면 작동합니다. 스케줄링은 SM-2나 FSRS보다 훨씬 거칠고, 간격이 개별 기억이나 카드 난이도에 적응하지 않습니다. 단기 학습이나 디지털 도구를 거부하는 학습 환경에서는 여전히 괜찮습니다. 대부분의 현대적 용도에서는 SM-2를 돌리는 어떤 디지털 SRS — 특히 FSRS — 라도 복습을 더 효율적으로 일정 잡습니다.

어떤 알고리즘을 사용해야 할까?

빠른 의사 결정 프레임워크:

• 1.

  큰 덱(1,000장 이상)과 장기 기억 유지 목표 → FSRS. Anki, RemNote, StudyGlen 모두 구현하고 있습니다.

• 2.

  작은 덱과 단기 학습(시험 한 번, 여행용 회화 책) → 평범한 Leitner를 포함해 어떤 알고리즘이든 괜찮습니다. 너무 깊게 고민하지 마세요.

• 3.

  셋업 없이 AI가 만들어주는 카드를 원한다 → StudyGlen(기본 FSRS, AI가 PDF, 노트, 이미지에서 카드를 생성).

• 4.

  최대한의 제어와 커뮤니티 덱 접근을 원한다 → Anki(v23.10부터 FSRS 기본, SM-2는 폴백으로 사용 가능).

• 5.

  긴 노트를 작성하고 그 안에 플래시카드를 내장하고 싶다 → RemNote(기본 SM-2, FSRS도 사용 가능).

• 6.

  전문가가 큐레이션한 플래시카드 세트와 단순한 신뢰도 기반 복습을 원한다 → Brainscape(독자적인 비-FSRS 스케줄러인 CBR 사용).

• 7.

  기존 플래시카드의 가장 큰 라이브러리가 필요하고 진정한 SRS는 필요 없다 → Quizlet(Leitner 스타일, 진정한 SRS는 아님).

2026년 대부분의 학생에게는 FSRS 기반 앱이 올바른 기본값입니다. 이 알고리즘이 SM-2를 최첨단 자리에서 밀어낸 데에는 이유가 있습니다 — 그리고 이를 학습시키는 인프라는 이제 모든 주요 플래시카드 도구에 내장되어 있습니다.