間隔反復を解説：努力なしの記憶を支えるアルゴリズム

試験のために一夜漬けして、1 週間後にはすべて忘れてしまった経験があるなら、あなたはすでに、間隔反復アルゴリズムが解決しようとしている問題に出会っています。間隔反復とは、各カードを忘れる直前 ―― 早すぎず、遅すぎず ―― に再提示するように、復習間隔を漸増させてスケジュールする学習テクニックです。

このガイドは、Anki、RemNote、SmartRecall のようなアプリの裏側で実際に何が起きているのかを理解したい学習者と開発者向けです。科学、歴史、4 つの主要アルゴリズム、そして紙の上でも追える実例を見ていきます。

1 分でわかるメンタルモデル

間隔反復は、認知心理学でしっかり再現された 2 つの発見の上に立っています。

• テスト効果。 記憶から情報を能動的に引き出すことは、再読やマーカー引きよりもその記憶を強化します。フラッシュカードをめくるたびに想起の試行が行われるため、総学習時間が同じでも、フラッシュカードは受動的な復習に勝ります。
• 分散効果。 復習を 1 セッションに詰め込むより、時間をかけて分散した方が記憶は強く定着します。10 分のセッション 2 回（1 日空ける）は 20 分の 1 セッションに勝り、1 か月にわたる 7 セッションは連続する 7 セッションに勝ります。

間隔反復アルゴリズムとは、この 2 つの考えを組み合わせたスケジューラに過ぎません ―― 学習 1 分あたりの長期記憶痕跡への効果が最大になるように、次の想起試行を いつ 行うかを決めるのです。

どこから来たのか：エビングハウスから SuperMemo まで

物語は 140 年と 3 つの大きな飛躍にまたがります。

• 1885 年 ― Hermann Ebbinghaus は自分自身を被験者にして体系的な記憶実験を行い、無意味綴りを覚えて想起が時間とともにどう減衰するかをプロットしました。得られた曲線 ―― 忘却曲線 ―― は、その後すべての経験的基礎です。
• 1932 年 ― C. A. Mace は『Psychology of Study』で、曲線に対抗するため拡張間隔で復習をスケジュールできると示唆しました。
• 1972 年 ― Sebastian Leitner は著書『So lernt man lernen』で Leitner ボックスシステムを発表 ―― 物理カードを箱に入れ、成功で遅い箱に昇格、失敗で降格させる方式です。
• 1985〜1987 年 ― Piotr Wozniak はポーランドの大学で自己実験を行い、最初の実用的な計算スケジューラ SM-2 アルゴリズムを発表しました。SM-2 は イーズファクター ―― カードごとの難しさに適応する乗数 ―― を導入しました。（1987 年論文）
• 1990〜2010 年代 ― SuperMemo SM-4 から SM-18 は、2 成分の記憶モデル、最適因子行列、安定性／想起可能性トラッキングを追加しました。多くはプロプライエタリのままです。
• 2006 年 ― Anki が SM-2+ の洗練されたオープンソース実装をリリースし、間隔反復を大衆に届けました。
• 2023〜2024 年 ― FSRS（Free Spaced Repetition Scheduler） Jarrett Ye による、SM-2 を直接対決ベンチマークで打ち負かした初の広く採用されたオープンアルゴリズム。Anki はバージョン 23.10 でビルトインオプションとして採用しました。

4 大アルゴリズムの比較

より詳しいベンチマークと移行ノートは SM-2 vs FSRS vs Leitner vs Anki — 2026 年比較 に。

1 回の復習がスケジュールをどう変えるか

具体的にするために、1 枚のカードを SM-2 で追ってみましょう。SM-2 はカードごとに interval（次の復習までの日数）、repetitions（連続成功想起数）、EF（イーズファクター、初期値 2.5）の 3 つの値を保持します。

Day 0   New card created.
        interval = 0, repetitions = 0, EF = 2.50

Day 0   First review → "Good" (q = 4)
        repetitions = 1 → interval = 1 day
        EF stays ≈ 2.50

Day 1   Second review → "Good" (q = 4)
        repetitions = 2 → interval = 6 days
        EF ≈ 2.50

Day 7   Third review → "Good" (q = 4)
        repetitions = 3 → interval = round(6 × EF) = round(6 × 2.5) = 15 days
        EF ≈ 2.50

Day 22  Fourth review → "Good" (q = 4)
        interval = round(15 × 2.5) = 38 days

「Hard」(q = 3) で答えた場合、EF はわずかに下がり、次の間隔は短くなります。「Again」(q < 3) の回答は repetitions を 0 にリセットし、カードは学習キューに最初から入り直します ―― これがラプスペナルティです。

SmartRecall が使う厳密な定数と式は SmartRecall における SM-2 の仕組み にあります。

自分に合ったツールの選び方

唯一最良のアプリはありません。それぞれが異なるユーザーに最適化されています。

• Anki ―― 無料、オープンソース、FSRS 対応、無限にカスタマイズ可能。スティープな UX を厭わないハードコアユーザー（医学生、語学学習者）に最適。iOS のモバイルアプリは買い切り $25。
• RemNote ―― ノート＆アウトライナーのワークフローに間隔反復が組み込まれています。フラッシュカードを別途作るのではなく、ノートから 自然に立ち上がる ようにしたい場合に最適。
• SmartRecall ―― テキスト、PDF、音声から AI 支援でカードを生成。SM-2 スケジュールとクリーンなモバイルファースト UI 付き。手作りのカード作成を省きたく、スマホで学習したい場合に最適。無料プランあり。
• Quizlet ―― 巨大な共有ライブラリ、ソーシャル学習モード、カジュアルユーザー向けに最適。間隔反復の層（Learn モード）は他より弱め ―― 短期試験対策には十分ですが、長年にわたる定着には向きません。

すでにカード作りを楽しんでいるなら Anki から始めましょう。これまであなたを止めてきたボトルネックがカード作成だったなら、AI 支援ツールを試してみましょう。

FAQ

間隔反復は本当に効きますか？ はい。分散効果は認知心理学でもっとも多く再現された発見のひとつで、1 世紀以上にわたる研究のメタ解析があります。実世界の学習（語彙、医学事実、コード API）における実用上の効果量は大きく、典型的には集中再読と比べて学習 1 時間あたり 2〜3 倍多く定着します。

1 日にどれくらい時間をかけるべきですか？ ほとんどのユーザーは 1 日 15〜30 分を維持します。アルゴリズムは自己調整します ―― 新カードを追加し続ければ毎日の復習時間は伸び、追加をやめれば 0 に近づきます。良い原則は、毎日の復習が目標時間予算内に収まるペースでのみ新カードを追加することです。

アプリなしで間隔反復をできますか？ はい ―― Leitner ボックスシステムは物理カードの 5 つの箱を使い、数百枚までなら問題なく機能します。それ以上では手動スケジュールが手間になり、アプリは 1 週間で元が取れます。

FSRS は SM-2 より優れていますか？ 公開ベンチマークでは、FSRS は同じ保持率に対して復習が約 20〜30% 少なくて済みます。ほとんどの学習者にとっては 1 日あたり数分の節約に相当します。SM-2 は依然として十分妥当なデフォルトです ―― 差が最も意味を持つのは、数千枚の成熟カードを持つユーザーです。

初心者にとって最良の間隔反復アプリは？ 完全な初心者には、カード作成の摩擦を取り除くツールをおすすめします。ほとんどの人が止まるのは復習フェーズではなくカード作成フェーズです。SmartRecall、RemNote、Quizlet はいずれも該当します。Anki は優れていますが、エディタを楽しめることが前提です。

手作りせずに科学に裏付けされた復習スケジュールを試す準備はできましたか？ SmartRecall の無料アカウントを作成 して、あらゆる文書から 1 分以内に最初のデッキを生成しましょう。無料プランの内容は pricing でご確認ください。