FSRS: Un algoritmo moderno y eficiente de repetición espaciada
Un nuevo algoritmo de repetición espaciada llamado FSRS está despertando interés entre usuarios de Anki y entusiastas del aprendizaje de idiomas, que informan necesitar entre un 20 y un 30% menos de repasos en comparación con la programación clásica basada en SM‑2. Los comentaristas destacan que, aunque FSRS y modelos similares pueden adaptarse al contenido del mazo y al rendimiento individual, las mayores ganancias a menudo provienen de cómo se diseñan las tarjetas: favoreciendo tarjetas más fáciles, atómicas y ricas en contexto frente a otras densas o abstractas. Muchos ven SRS solo como un componente del aprendizaje eficaz, y sostienen que funciona mejor cuando se combina con inmersión, mejores herramientas para crear tarjetas y práctica variada del mundo real, en lugar de depender solo de la memorización mecánica.
Ventajas percibidas de FSRS frente a los algoritmos clásicos
- Los puntos de referencia citados afirman que requiere un 20–30% menos de repasos en comparación con el Anki/SM‑2 clásico, manteniendo la retención objetivo.
- Los usuarios informan que elimina gran parte de los ajustes manuales necesarios con SM‑2, especialmente para mazos con distintos niveles óptimos de retención.
- Se dice que FSRS gestiona con gracia los repasos tardíos, actualizando la estabilidad según el recuerdo real en lugar de penalizar el retraso.
Implementaciones, ecosistema e integración
- Existen múltiples bibliotecas de código abierto (JS, Go, Rust, Python, Clojure, Swift, Elixir), todas con licencia MIT, lo que hace que FSRS sea fácil de integrar en aplicaciones personalizadas.
- FSRS está integrado en Anki (con funciones de reentrenamiento/recomputación) y es estable en Anki para iOS, además de estar disponible en compilaciones alfa de AnkiDroid.
- Algunos desarrolladores están considerando cambiar sus propias herramientas de SRS de SM‑2 a FSRS.
Experiencias y escepticismo sobre los puntos de referencia
- Los usuarios intensivos informan una mejor experiencia y menos “ease hell”, aunque se dice que los beneficios aparecen sobre todo después de miles de repasos.
- Se comparten comparaciones frente a SM‑17; algunos participantes cuestionan la significación estadística y piden un análisis más riguroso y evidencia revisada por pares.
- Existe interés en comparar FSRS con el SM‑18 más reciente de SuperMemo, pero las herramientas y API actuales lo dificultan.
El diseño de las tarjetas y la estrategia de aprendizaje importan más que los algoritmos
- Muchos sostienen que las mayores ganancias provienen de una mejor formulación de las tarjetas, no de mejoras marginales del algoritmo.
- Se hace un fuerte énfasis en: hacer las tarjetas más fáciles/atómicas, eliminar o suspender agresivamente las tarjetas malas, usar cloze deletions (incluyendo clozes de palabras parciales) y minimizar las repeticiones.
- Se hace referencia a los “20 rules” de SuperMemo y a otras guías sobre cómo escribir buenos prompts.
- Hay consenso en que los mazos abrumadores y las tarjetas complicadas a menudo hacen que la gente abandone SRS por completo.
Casos de uso para el aprendizaje de idiomas y herramientas
- Se discute extensamente sobre tarjetas de oraciones/cloze, tarjetas ricas en contexto y repasos “lazily graded” para mantener el impulso.
- Se mencionan varias herramientas y startups: minería automática de oraciones, canalizaciones de YouTube a Anki, importadores de libros electrónicos/subtítulos y sistemas que combinan programación al estilo FSRS con un suministro continuo de nuevas tarjetas en lugar de fechas de vencimiento estrictas.
- Hay opiniones divergentes sobre Duolingo frente a SRS: algunos consideran que las tarjetas son mucho más efectivas, mientras que otros argumentan que cumplen funciones distintas y deberían combinarse.
Aplicaciones no lingüísticas y modelos alternativos
- Los usos incluyen indicaciones para practicar guitarra, teoría musical, demostraciones matemáticas, geografía, letras de canciones, conceptos de programación y trivialidades (con elaborados sistemas de imágenes mnemotécnicas).
- Algunos quieren algoritmos sin fechas de vencimiento rígidas, usando en su lugar muestreo basado en probabilidad; otros sostienen que sin una programación alineada con las curvas del olvido, la eficacia disminuye.
- Se discuten como una dirección deseable arquitecturas modulares que separen las tarjetas, el historial y los programadores “just-in-time”.