FSRS-5 مقابل SM-2: المقارنة التقنية الشاملة لخوارزميات التكرار المتباعد
SM-2 أم FSRS-5؟ مقارنة تقنية شاملة: نموذج الذاكرة، ease hell، التخصيص، بنشمارك Expertium 700 مليون مراجعة. FSRS-5 يقلل المراجعات بـ 25% بنفس مستوى الاحتفاظ.
1. SM-2 مقابل FSRS-5: الحكم في 30 ثانية
هيمنت SM-2 (Wozniak، 1987) على التكرار المتباعد لمدة 35 عامًا. FSRS-5 (Anderson & Ye، 2022-2024) جعلها متقادمة في كل المعايير القابلة للقياس تقريبًا.
SM-2 (SuperMemo، 1987)
خوارزمية بقواعد ثابتة، معاملات عامة، عامل سهولة ثابت.
- e-factor عام (لا نموذج ديناميكي لكل بطاقة)
- فترات زمنية محسوبة بقواعد ثابتة
- ease hell: حد أدنى e-factor بقيمة 1.3 لا رجعة فيه
- لا تخصيص تلقائي
- دقة الاحتفاظ ±15% في البنشمارك
FSRS-5 (2022-2024)
نموذج عصبي قابل للتفاضل، 3 معاملات لكل بطاقة، تعلم من التاريخ.
- الاستقرار + الصعوبة + قابلية الاسترداد لكل بطاقة
- دالة خسارة مُصغَّرة على تاريخك الحقيقي
- صفر ease hell: الاستقرار يُعاد حسابه ديناميكيًا
- تحسين مخصص على 1000+ مراجعة
- دقة الاحتفاظ ±5% في البنشمارك
الحكم: FSRS-5 يقلل عدد المراجعات اليومية بـ ~25% للاحتفاظ ذاته عند 90%. إذا كنت لا تزال تستخدم SM-2 اليوم، فأنت تراجع أكثر مما هو ضروري.
2. كيف تعمل SM-2 (ولماذا تُخفق)
نشر Piotr Wozniak SM-2 عام 1987 في سياق كان فيه للحواسيب الشخصية 640 كيلوبايت من الذاكرة. كان على الخوارزمية أن تكون خفيفة، محسوبة يدويًا، وتعمل دون تاريخ مفصّل.
المبدأ بسيط: لكل بطاقة e-factor (عامل سهولة)، مُهيَّأ عند 2.5. بعد كل مراجعة، تُقيّم إجابتك من 0 إلى 5. يُحسب الفاصل التالي هكذا:
- المراجعة 1 ← 1 يوم
- المراجعة 2 ← 6 أيام
- المراجعة n ←
الفاصل(n-1) × e-factor
يتحدث e-factor بناءً على التقييم: إذا ضغطت "صعب" (تقييم < 3)، ينخفض e-factor. وإذا وصل إلى 1.3 (الحد الأدنى)، تعود البطاقة كل بضعة أيام إلى الأبد، بغض النظر عن كم مرة راجعتها بنجاح.
هذا هو ease hell. مصطلح ابتكره مجتمع Anki لوصف ظاهرة تراكم مئات البطاقات عالقة عند e-factor 1.3، تُشبع جلسات المراجعة دون أن تتقدم نحو فترات أطول.
SM-2 لها عيب بنيوي آخر: معاملاتها عامة. تطبّق الخوارزمية القواعد ذاتها على جميع بطاقاتك، بغض النظر عن ملفك الذاكري الشخصي. طالب طب يراجع 500 بطاقة يوميًا وتلميذ ثانوي يراجع 20 بطاقة يتلقيان نفس الفترات الزمنية المحسوبة بنفس الصيغ.
المتغيرات الثلاثة الرئيسية للذاكرة (نموذج DSR)
تستند FSRS إلى نموذج DSR (Difficulty-Stability-Retrievability)، صيغه Averell و Heathcote (2011) ونفّذه Jarrett Ye (2022):
- الاستقرار (S): المدة التي تبقى فيها ذاكرتك فوق عتبة الاسترداد. بطاقة مستقرة = فترات طويلة ممكنة.
- الصعوبة (D): خاصية جوهرية للبطاقة، مستقلة عن وقت المراجعة. تتعدّل ببطء مع الزمن.
- قابلية الاسترداد (R): احتمال تذكر البطاقة الآن، بدلالة الوقت المنقضي منذ آخر مراجعة والاستقرار S.
SM-2 لا تُنفّذ أيًا من هذه المفاهيم الثلاثة صراحةً. e-factor تقريب خشن لـ D، والفترات الزمنية تقريب لـ S. R غائبة من SM-2 كليًا.
3. لماذا FSRS-5 يتفوق على SM-2: 4 أسباب تقنية
1. نموذج ذاكرة مبني على العلم
FSRS-5 تُنفّذ معادلات تراجع الذاكرة المستندة إلى نموذج DSR. لكل بطاقة استقرارها وصعوبتها وقابلية استردادها المحسوبة بدقة. SM-2 تستخدم e-factor واحدًا للبطاقة دون أساس نظري صارم.
2. تخصيص على تاريخك الشخصي
FSRS-5 تُحسّن معاملاتها الـ 17 الداخلية على تاريخك الشخصي عبر نزول التدرج. الخوارزمية تتعلم كيف تعمل ذاكرتك. SM-2 تستخدم ثوابت Wozniak عام 1987 للجميع.
3. صفر ease hell
في FSRS-5، يُعاد حساب الاستقرار عند كل مراجعة بناءً على نتيجتك الفعلية. البطاقة الصعبة لا تبقى عالقة إلى الأبد: إذا أتقنتها، يرتفع استقرارها وتطول فترتها. حد e-factor في SM-2 غير موجود.
4. تحسين بدالة خسارة
FSRS-5 تُصغّر دالة خسارة تقيس الانحراف بين قابلية الاسترداد المتنبَّأ بها والنتيجة الملاحظة (تذكّر / نسيان). هذا نهج تعلم آلة كلاسيكي. SM-2 تعدّل معاملاتها بقواعد if/then محددة يدويًا منذ 37 عامًا.
النقطة الرابعة تستحق التوسع. SM-2 في جوهرها نظام خبير بقواعد: إذا كان التقييم ≥ 4، ارفع e-factor بمقدار 0.1. إذا كان التقييم < 3، اخفضه بـ (0.8 - 0.28 × q + 0.02 × q²). هذه القواعد مُعايَرة على بيانات Wozniak الشخصية.
FSRS-5 تتناول المسألة بشكل مختلف: تُعرّف بنية شبكة قابلة للتفاضل، تُهيئ معاملات افتراضية مُدرَّبة على ملايين المراجعات المجهولة، ثم تُحسّنها على بياناتك الشخصية. لهذا تتحسن FSRS مع الوقت بينما تبقى SM-2 راكدة.
4. بنشمارك Expertium: 700 مليون مراجعة
نشر Expertium في 2023-2024 تحليلًا مقارنًا لخوارزميات التكرار المتباعد على مجموعة بيانات من 700 مليون مراجعة Anki مجهولة الهوية. هذا أصرم بنشمارك عام متاح حتى اليوم.
المقاييس المستخدمة:
- Log-loss: مدى دقة الخوارزمية في التنبؤ بما إذا كنت ستتذكر أو تنسى بطاقة
- RMSE (جذر متوسط مربع الخطأ) على الاحتفاظ المتنبَّأ مقابل الملاحَظ
النتائج الرئيسية للبنشمارك:
| الخوارزمية | Log-loss | RMSE الاحتفاظ | |---|---|---| | SM-2 | 0.354 | 16.2% | | FSRS-4.5 | 0.298 | 6.1% | | FSRS-5 | 0.291 | 5.3% |
ما يعنيه ذلك عمليًا: للحفاظ على احتفاظ مستهدف عند 90%، تُجدول FSRS-5 المراجعات الصحيحة في الوقت الصحيح بدقة ±5.3%. SM-2 تنحرف بـ ±16.2%. هذه الدقة المتدنية تُترجَم إلى مراجعات متكررة جدًا على البطاقات السهلة (إضاعة وقت) ونسيان على البطاقات التي تُقدَّر فترتها بأقل من اللازم.
احتسب Expertium أيضًا التأثير على حجم المراجعات: مع FSRS-5 المُحسَّن، نلاحظ في المتوسط ~25% مراجعات أقل يوميًا للاحتفاظ ذاته عند 90%. على حزمة بها 2000 بطاقة مع 100 مراجعة يومية تحت SM-2، هذا يعني ~25 مراجعة موفّرة كل يوم — أي نحو 15 دقيقة.
ما تقوله Anki رسميًا
منذ الإصدار 23.10، توصي Anki بـ FSRS كخوارزمية افتراضية وتُشير في وثائقها الرسمية: "FSRS can improve memory efficiency, allowing you to remember more with fewer reviews." الترحيل تلقائي للملفات الشخصية الجديدة.
“هذا التطبيق يوفر لي الكثير من الوقت في مراجعاتي ويجعلها ملموسة ونشطة! البطاقات التي يُنشئها شاملة دون أن تفوت شيئًا، البطاقات وثيقة الصلة.”
tinitoumasun, App Store FR · 5★ · يناير 2026 (مترجم)
5. أي خوارزمية تختار حسب حالتك؟
الجواب دائمًا تقريبًا FSRS-5. إليك الاستثناءات الحقيقية:
تبقى مع SM-2 إذا:
- كنت تستخدم برنامجًا قديمًا (SuperMemo < v16، أو إضافات Anki قديمة جدًا) لا يدعم FSRS
- كان لديك تاريخ مراجعات SM-2 على عدة سنوات لا تريد الإخلال به — في هذه الحالة انتقل تدريجيًا
تنتقل إلى FSRS-5 إذا:
- كنت تبدأ حزمة جديدة (لا سبب لبدء SM-2 في 2026)
- كنت تعاني ease hell (بطاقات عالقة عند e-factor 1.3 لا تتقدم)
- كانت جلسات مراجعاتك تستغرق أطول مما هو متوقع دون تقدم ملموس
- أردت فترات زمنية متكيفة مع ملفك الذاكري الشخصي
Diane AI تُبسّط عليك الاختيار: FSRS-5 نشط افتراضيًا، بدون أي ضبط. تحسين المعاملات يُطلَق تلقائيًا في الخلفية مع تراكم مراجعاتك. لا تحتاج للاختيار بين الخوارزمية والتطبيق — الأمر مُدار.
للتعمق في الأسس النظرية، اقرأ دليلنا عن التكرار المتباعد، وصفحتنا المخصصة لـ طريقة FSRS، أو مقارنة بدائل Anki إذا كنت لا تزال مترددًا بين الأدوات.
وإذا أردت أن تفهم لماذا الاسترجاع النشط بالتوازي مع FSRS هو ما يُحدث الفرق الحقيقي، اقرأ أيضًا دليلنا عن active recall.
6. أسئلة شائعة
راجع بذكاء مع FSRS-5
Diane AI تستخدم FSRS-5 افتراضيًا. أنشئ بطاقاتك في ثوانٍ ودع الخوارزمية تُحسّن مراجعاتك تلقائيًا.
جرّب Diane AI مجانًا