14 2014：SM-17 算法

最新的 SuperMemo 算法，可基于它的设计，用来总结自己的系统发展史。它也可以用来编写 间隔重复的反事实历史。如果没有恐龙，人类可能不会出现，或者可能会有不同的外观。然而，即便进化树上恐龙一脉全部消失，人类在哺乳动物这一脉上的演化并不受太大影响。

以类似的方式，我们可以在 间隔重复 ^[1]和 算法 SM-17 的出现中展示一个看似决定性的关联事件链。这可以用来证明 Biedalak 或 Murakowski 对 间隔重复的历史比 Ebbinghaus 更重要。Anki 比 Pimsleur 更重要。 Gary Wolf 比 William James 的影响更大。

尽管如此， 间隔重复的影响力尚未达到顶峰，仍处于早期阶段，且受到各种外力的左右。具体而言，不容小觑的竞争对手层出不穷，唯有锐意创新， SuperMemo 才能维持它在间隔重复的核心地位（比如 神经创造力 ^[2]）

以下是我如何使用为这篇文章所写的历史构件来解释整个 算法 SM-17：

• 长期保留的关键是 计算最优间隔 ^[3] (1985)
  
  
• 由于间隔取决于 记忆复杂性 ^[4]，我们首先需要将 项目分为不同 难度类别 (1987)
  
  
• 我们通过 绘制遗忘曲线 ^[5]找到最优复习时间，并找出 保留率下降到可接受水平以下(1991)的时刻
  
  
• 为了在稀疏的数据中找到最优时间，我们需要使用近似手段，有助于得出 遗忘的指数性质 ^[6] (1994)
  
  
• 由于 遗忘的速度取决于 记忆稳定性，整个算法的设计必须以 双组份记忆模型 ^[7]为核心（1988）。缺乏对这一模型的考虑可能是竞争性 间隔重复算法的开发者所犯的主要错误，例如一个利用 神经网络方法 ^[8]的间隔重复算法（1997）
  
  
• 双组分模型的关键力量是使 计算复习时的记忆稳定性增长 ^[9] (2005) 成为可能
  
  
• 该算法必须通过收集重复的数据来建立记忆模型。它必须能够 适应现有信息 ^[10] (1989)
  
  
• 在有数据之前，从 通用记忆公式 ^[11]开始是有帮助的（1990）
  
  
• 更多小调整和改进可以带来 天壤之别 ^[12]（1995），例如，遗忘后间隔、 绝对难度、快速多维回归，等等。
  
  
• 需要实现 通用度量以在未来算法中微调优化参数（2018）
  

就这样，一步一步， 算法 SM-17 傲然矗立于 间隔重复的进化树顶端。

总目录： 0 目录《间隔重复的历史》

上一章： 13 2005：稳定性增长函数

下一章： 15 间隔重复的指数式普及

Thoughts Memo 汉化组译制
原文： 2014: Algorithm SM-17

参考

1. 间隔重复 (spaced repetition) http://zhuanlan.zhihu.com/p/305651556⏎
2. 神经创造力 https://www.yuque.com/supermemo/wiki/neural_creativity⏎
3. 1985：SuperMemo 的诞生 https://zhuanlan.zhihu.com/p/95111167⏎
4. 记忆复杂性 http://zhuanlan.zhihu.com/p/304800091⏎
5. 1991：启用遗忘曲线 https://zhuanlan.zhihu.com/p/441532847⏎
6. 1994：遗忘的指数性质 https://zhuanlan.zhihu.com/p/445497724⏎
7. 1988：记忆的两个组成成分 https://zhuanlan.zhihu.com/p/99505568⏎
8. 1997：启用神经网络 https://zhuanlan.zhihu.com/p/456205621⏎
9. 2005：稳定性增长函数 https://zhuanlan.zhihu.com/p/471760789⏎
10. 1989：SuperMemo 适应用户记忆 https://zhuanlan.zhihu.com/p/205600711⏎
11. 1990：记忆的通用公式 https://zhuanlan.zhihu.com/p/429504395⏎
12. 1995：超媒体 SuperMemo https://zhuanlan.zhihu.com/p/447640544⏎