最新的 SuperMemo 算法，可基于它的设计，用来总结自己的系统发展史。它也可以用来编写间隔重复的反事实历史。如果没有恐龙，人类可能不会出现，或者可能会有不同的外观。然而，即便进化树上恐龙一脉全部消失，人类在哺乳动物这一脉上的演化并不受太大影响。
以类似的方式，我们可以在间隔重复[1]和算法 SM-17 的出现中展示一个看似决定性的关联事件链。这可以用来证明 Biedalak 或 Murakowski 对间隔重复的历史比 Ebbinghaus 更重要。Anki 比 Pimsleur 更重要。Gary Wolf 比 William James 的影响更大。
尽管如此，间隔重复的影响力尚未达到顶峰，仍处于早期阶段，且受到各种外力的左右。具体而言，不容小觑的竞争对手层出不穷，唯有锐意创新，SuperMemo 才能维持它在间隔重复的核心地位（比如神经创造力[2]）
以下是我如何使用为这篇文章所写的历史构件来解释整个算法 SM-17：
- 长期保留的关键是计算最优间隔[3] (1985)
- 由于间隔取决于记忆复杂性[4]，我们首先需要将项目分为不同难度类别 (1987)
- 我们通过绘制遗忘曲线[5]找到最优复习时间，并找出保留率下降到可接受水平以下(1991)的时刻
- 为了在稀疏的数据中找到最优时间，我们需要使用近似手段，有助于得出遗忘的指数性质[6] (1994)
- 由于遗忘的速度取决于记忆稳定性，整个算法的设计必须以双组份记忆模型[7]为核心（1988）。缺乏对这一模型的考虑可能是竞争性间隔重复算法的开发者所犯的主要错误，例如一个利用神经网络方法[8]的间隔重复算法（1997）
- 双组分模型的关键力量是使计算复习时的记忆稳定性增长[9] (2005) 成为可能
- 该算法必须通过收集重复的数据来建立记忆模型。它必须能够适应现有信息[10] (1989)
- 在有数据之前，从通用记忆公式[11]开始是有帮助的（1990）
- 更多小调整和改进可以带来天壤之别[12]（1995），例如，遗忘后间隔、绝对难度、快速多维回归，等等。
- 需要实现通用度量以在未来算法中微调优化参数（2018）
就这样，一步一步，算法 SM-17 傲然矗立于间隔重复的进化树顶端。
总目录：0 目录《间隔重复的历史》
上一章：13 2005：稳定性增长函数
下一章：15 间隔重复的指数式普及
Thoughts Memo 汉化组译制
原文：2014: Algorithm SM-17
参考
1. 间隔重复 (spaced repetition) ./305651556.html2. 神经创造力 https://www.yuque.com/supermemo/wiki/neural_creativity
3. 1985：SuperMemo 的诞生 ./95111167.html
4. 记忆复杂性 ./304800091.html
5. 1991：启用遗忘曲线 ./441532847.html
6. 1994：遗忘的指数性质 ./445497724.html
7. 1988：记忆的两个组成成分 ./99505568.html
8. 1997：启用神经网络 ./456205621.html
9. 2005：稳定性增长函数 ./471760789.html
10. 1989：SuperMemo 适应用户记忆 ./205600711.html
11. 1990：记忆的通用公式 ./429504395.html
12. 1995：超媒体 SuperMemo ./447640544.html