Co zmieniło się w FSRS-6

Odpowiadasz poprawnie i widzisz nową datę powtórki słowa. Aktualizacja algorytmu może zmienić tę datę, choć twoja odpowiedź pozostaje taka sama. Co nowa wersja nauczyła się opisywać inaczej?

FSRS-6 zmienia dwa elementy modelu: spadek przewidywanego prawdopodobieństwa przypomnienia wraz z czasem oraz wpływ powtórek w krótkich odstępach na stabilność. Cel pozostaje znajomy: oszacować stan elementu, a potem obliczyć przydatny termin kolejnej powtórki.

Krzywa o tempie spadku dopasowywanym do danych

FSRS-6 ma 21 parametrów modelu, a FSRS-5 miał ich 19. Jeden z nowych parametrów steruje tempem opadania krzywej zapominania. To współczynniki modelu, nie 21 osobnych ocen zapisywanych dla każdego słowa.

Podczas optymalizacji parametrów na podstawie historii powtórek można dopasować tempo spadku zamiast zachowywać wcześniejszą stałą wartość. Algorytm korzystający z parametrów domyślnych nadal używa określonej wartości. Nie uczy krzywej od nowa po każdej odpowiedzi.

Stabilność zachowuje ten sam punkt odniesienia: odstęp, po którym przewidywane prawdopodobieństwo przypomnienia osiąga 90%. Możliwość dopasowania tempa spadku nie zmienia stabilności w inny rodzaj miary.

Zmiany opisuje oficjalna specyfikacja algorytmu. Parametr, który można wyuczyć, daje możliwość dopasowania modelu. Nie dowodzi, że konkretna aplikacja już robi to osobno dla każdego użytkownika.

Krótkie odstępy inaczej zmieniają stabilność

FSRS-5 miał już regułę dla krótkich powtórek w ciągu dnia. FSRS-6 dodaje zależność od dotychczasowej stabilności elementu. Przy pozostałych danych wejściowych bez zmian współczynnik względnego wzrostu jest większy dla małej stabilności, a mniejszy dla dużej.

Pomyśl o nowym słowie napotkanym ponownie chwilę po nauce i o dobrze znanym słowie powtórzonym równie szybko. Zmieniona reguła pozwala modelowi potraktować te historie inaczej. To objaśnienie wzoru, nie twierdzenie, że natychmiastowe powtarzanie któregokolwiek słowa jest najlepszym sposobem nauki.

Aplikacja nadal decyduje, które działania stanowią dane dla planowania. Modelowanie krótkiego odstępu i odfiltrowanie przypadkowego duplikatu to osobne zadania.

Co nie zaczęło się od wersji 6

Aktualizacja trudności z tłumieniem liniowym występuje już w specyfikacji FSRS-5. Ta reguła zmniejsza wielkość korekty trudności w pobliżu jej górnej granicy. Należy do opisu modelu, ale nie jest nowością FSRS-6.

Jeśli interesuje cię tylko termin jutrzejszej powtórki, różnica może wydawać się drobna. Ma jednak znaczenie, gdy wyjaśniamy zmiany między wersjami. Więcej parametrów samo w sobie nie dowodzi lepszych wyników nauki, a rozwiązanie warto przypisać wersji, w której się pojawiło.

Aktualizacja elementu a dopasowanie modelu

Zwykła powtórka aktualizuje trudność i stabilność danego elementu. Optymalizacja parametrów to osobny proces: korzysta z historii powtórek, żeby dopasować reguły tych aktualizacji.

Aplikacja może więc dostosowywać harmonogram każdego elementu, używając jednego domyślnego zestawu parametrów dla wielu osób. Później może dopasować parametry użytkownika i dalej aktualizować elementy za pomocą dopasowanego modelu.

Dla ciebie to praktyczna różnica. Zmiana daty może wynikać z nowego oszacowania jednego słowa. Sama w sobie nie oznacza, że aplikacja ponownie wytrenowała cały model na podstawie twojej historii.

OOWN wykorzystuje FSRS-6 w implementacji planowania. Nie wszystkie ćwiczenia mają jednak postać czterech przycisków oceny. W finale serii prześledzimy, jak wynik ćwiczenia staje się sygnałem zrozumiałym dla algorytmu.