FSRS vs Anki SM-2: 최신 간격 반복 알고리즘이 1980년대 방식을 압도하는 이유
2026. 9. 17.
간격 반복(spaced repetition)은 장기 어휘 습득의 기초입니다. 지난 40년 가까이 언어 학습 커뮤니티는 1987년 Piotr Woźniak가 개발하고 Anki로 널리 알려진 SM-2 알고리즘의 여러 변형에 의존해 왔습니다.
최근 몇 년 사이 인지 과학과 데이터 모델링은 큰 돌파구를 만들어 냈습니다. 바로 **FSRS(Free Spaced Repetition Scheduler)**입니다. FSRS가 SM-2 대비 한 세대를 앞선 도약인 이유, 그리고 실제 영상 몰입으로 습득한 어휘에 특히 잘 맞는 이유를 소개합니다.
SM-2의 문제: "이즈 팩터 지옥"
고전적인 SM-2 알고리즘은 **이즈 팩터(Ease Factor)**라는 단일 동적 배율로 기억을 모델링합니다(보통 250%에서 시작):
- 카드를 올바르게 답하면 다음 복습 간격이 이즈 팩터만큼 곱해집니다.
- 카드를 틀리면("Again") 간격이 1일로 초기화되고, 이즈 팩터가 15~20%포인트 낮아집니다.
- 어려운 표현을 반복해서 틀리면 이즈 팩터가 최솟값(130%)까지 떨어집니다.
이로 인해 Anki 파워 유저 사이에서 **이즈 팩터 지옥(Ease Factor Hell)**이라 불리는 잘 알려진 결함이 생깁니다. 한 번 어려워진 카드는 배율이 영구적으로 낮은 채로 남습니다. 몇 달 뒤에 단어를 완전히 익혔더라도 알고리즘은 며칠마다 그 카드를 계속 복습시키고, 중복 복습이 누적되다 결국 학습 번아웃으로 이어집니다.
| 구분 | 기존 Anki SM-2 (1987) | 최신 FSRS (2020년대) |
|---|---|---|
| 이론적 기반 | 휴리스틱 배율 | DSR(난이도 · 안정성 · 인출 가능성) 모델 |
| 기억 상태 | 이분법: 외웠거나 못 외웠거나 | 연속적인 회상 확률 곡선 |
| 실패 시 처리 | 이즈 팩터 영구 하락 | 이후 성장을 해치지 않고 안정성을 재계산 |
| 간격 정밀도 | 고정된 수학적 간격 | 목표 유지율(예: 90%)에 맞춘 동적 조정 |
| 지연 복습 처리 | 늦은 복습에 경직된 페널티 | 카드가 망가지지 않도록 경과 시간에 맞춰 동적 조정 |
| 복습 효율 | 시간이 지날수록 복습 피로 누적 | 같은 유지율에서 복습량 20~30% 감소 |
FSRS가 인간의 기억을 모델링하는 방식
FSRS는 임의의 배율을 쓰지 않습니다. 대신 DSR 모델이라 불리는 세 가지 심리 변수로 기억을 측정합니다:
- 난이도(Difficulty, $D$): 정보를 익히는 본질적인 어려움(1~10). "coffee" 같은 짧은 단어는 난이도가 낮고, "一期一会" 같은 관용 표현은 초기 난이도가 높습니다.
- 안정성(Stability, $S$): 회상 확률이 100%에서 90%로 떨어지는 데 걸리는 시간(일). 성공적으로 인출할 때마다 안정성이 증가합니다.
- 인출 가능성(Retrievability, $R$): 지금 이 순간 그 내용을 떠올릴 수 있는 실시간 확률. 마지막 복습 이후 시간이 지날수록 인출 가능성은 지수 형태의 망각 곡선을 따라 감소합니다.
FSRS는 간격을 감으로 정하지 않고, 인출 가능성이 목표 기준치(보통 90%)에 떨어지는 날짜를 정확히 계산합니다. 인출 가능성이 85%까지 떨어진 상태에서 카드를 성공적으로 떠올렸다면, FSRS는 기억이 압박 속에서도 잘 작동했다고 판단해 안정성을 크게 올려 줍니다.
영상 어휘 학습에는 FSRS가 필요한 이유
단어장으로 단어를 외우면 카드는 고립되고 획일적입니다. 하지만 일본어 브이로그나 영어 인터뷰 같은 실제 YouTube 영상에서 어휘를 습득하면, 단어는 풍부하고도 무질서한 맥락 속으로 들어옵니다. know나 think 같은 고빈도 단어 페이지를 열면 등장 횟수가 집계된 정확한 영상 문장을 확인할 수 있습니다:
- 초기 노출량의 편차: 어떤 단어는 브이로그 하나에서 다섯 번 들리고, 어떤 단어는 지나가듯 한 번만 등장합니다. FSRS는 적응형 난이도 파라미터로 이런 편차를 정확히 모델링합니다.
- 자연스러운 맥락의 닻: 표정, 목소리 톤, 스토리라인과 함께 묻힌 단어는 여러 갈래의 신경 회로를 만듭니다. FSRS를 쓰면 생생한 영상 장면 하나를 기억에 새기는 데 수백 번의 복습이 필요하지 않습니다.
- 불규칙한 학습 습관: 현실에는 놓친 날이 있습니다. SM-2에서는 주말 이틀만 쉬어도 수백 장의 밀린 카드가 쏟아집니다. FSRS는 마지막 복습 이후의 추가 시간이 회상에 성공하면 오히려 더 강한 기억 강화로 이어진다는 점을 반영해, 밀린 카드 공포를 막아 줍니다.
LingoDew의 FSRS 구현
LingoDew에서 조회한 모든 단어는 모바일에 내장된 FSRS 스케줄러로 바로 흘러갑니다:
- 자막에서 단어를 탭하면 LingoDew는 표제어, 표준 독음, 번역된 문장, 정확한 오디오 타임스탬프를 함께 저장합니다.
- 복습할 때는 잊음(Forgot), 어려움(Hard), 기억남(Remembered), 쉬움(Easy) 네 가지 버튼으로 카드를 채점합니다.
- 단어는 Unseen(아직 못 본), Queried(조회함)에서 Learning(학습 중)을 거쳐 Mastered(마스터)에 이릅니다.
- 단어가 Mastered에 도달하면 복습 대기열에 더 이상 나타나지 않아, 학습 시간을 새로운 어휘에 쓸 수 있습니다.
실제 영상이라는 입력에 FSRS의 통계적 엄밀함을 결합하면 교과서의 지루함과 플래시카드 번아웃을 모두 없앨 수 있습니다.
FAQ
간격 반복에서 FSRS란 무엇인가요?
FSRS(Free Spaced Repetition Scheduler)는 Jarrett Ye가 개발한 최신 오픈소스 간격 반복 알고리즘입니다. DSR(난이도, 안정성, 인출 가능성) 기억 모델을 기반으로 실증적인 망각 곡선을 계산해 회상 확률을 정확히 예측하며, 구형 SM-2 알고리즘을 능가합니다.
FSRS가 Anki 기본 SM-2 알고리즘보다 나은 이유는 무엇인가요?
SM-2는 휴리스틱한 이즈 팩터에 의존하기 때문에 어려운 카드가 영구적으로 불이익을 받고, 카드가 비정상적으로 쌓이는 '이즈 팩터 지옥'이 생깁니다. FSRS는 난이도와 안정성을 독립적으로 모델링해, 늦어진 복습이나 잊은 단어가 학습 일정을 망가뜨리지 않습니다.
LingoDew는 영상 단어 학습에 FSRS를 어떻게 활용하나요?
LingoDew는 모바일 기기에 FSRS 스케줄러를 기본 내장하고 있습니다. YouTube 영상에서 단어를 저장하면 회상 등급에 따라 복습 일정이 잡히고, 각 카드는 원래의 자막 문장과 오디오 구간으로 다시 연결됩니다.