Zanim na poważnie wpadłem w objęcia nauki o pamięci i zacząłem pochłaniać badania naukowe i podręczniki akademickie z tej dziedziny, moją pierwszą miłością w tym świecie były bez cienia wątpliwości mnemotechniki.
Były one niczym otwarcie magicznych wrót do umysłu. W końcu znalazłem coś, co pozwalało mi zapamiętać pozornie nieskończoną ilość informacji i bez trudu przechowywać je w głowie. Była to obietnica tak ponętna, że ciężko ją było zignorować.
Tym bardziej, jeśli widziało się, jakimi możliwościami zapamiętywania wykazali się uczestnicy mistrzostw świata w tej dziedzinie. Jawili mi się oni niczym nadludzie na tamtym etapie życia.
Każda miłość ma jednak to do siebie, że okres miodowy kiedyś się kończy. Mój trwał dosyć długo, bo parę długich lat. Niemniej, w pewnym momencie doszedłem do ściany i zacząłem zauważać całe mnóstwo ograniczeń mnemotechnik. Ograniczeń, których praktycznie nie miało być, bo tak obiecywali praktycznie wszyscy autorzy kursów oraz książek z tej dziedziny.
Pisałem o nich szeroko w artykule „Mnemotechniki — złoto głupców”. Nie jest jednak tak, że byłem zamknięty na inne metody nauki. Stosowałem wcześniej programy pokroju Profesora Henry’ego czy SuperMemo, ale długo nie byłem do nich przekonany. Wydawały mi się nudne, mechaniczne, zbyt szkolne. Czyż mogło być inaczej? Używając mnemotechnik, tworzyłem odjechane obrazy, gdzie smok pierdział tęczą, a potem wjeżdżał w górę zrobioną z pączków. Jakież nudne wydają się programy z fiszkami w porównaniu do tych technik!
A jednak w pewnym momencie coś się zmieniło. Rozczarowanie mnemotechnikami przybrało na tyle duży rozmiar, że czułem, iż muszę znaleźć inną ścieżkę. Algorytmy te były dla mnie naturalnym krokiem. Bazowały w końcu na nauce i tak zwanej krzywej Ebbinghausa, która pokazuje, kiedy dokładnie powinienem powtórzyć daną informację, żeby nie stracić jej z pamięci.
Na dokładkę zacząłem więcej czytać o samym twórcy tego programu — Woźniaku. Nie, nie tym od Apple. Chodzi o Piotra Woźniaka — polskiego badacza i twórcę SuperMemo, człowieka, który przez lata próbował rozpracować problem zapamiętywania. Absolutnie mnie zafascynował.
W internetowej czeluści znalazłem człowieka, z którym czułem dziwną, siłą rzeczy jednostronną, ale bardzo silną więź. Oboje zdawaliśmy się być nieodwracalnie skażeni ideą tego, jak przeciętny człowiek może osiągnąć pamięć doskonałą.
KRÓTKA HISTORIA SUPERMEMO
Historia SuperMemo zaczęła się tak, jak zaczyna się całe mnóstwo historii i różnego rodzaju filmów. Frustracja jednego człowieka stała się jego siłą napędową, aby rozwiązać problem, jak zapamiętywać więcej, lepiej i na dłużej.
Piotr Woźniak w latach 80. był studentem w Poznaniu i mierzył się z problemem, który zna praktycznie każdy uczący się człowiek: materiału za dużo, pamięć zawodna, a tradycyjne metody nauki nie pomagają w żaden sposób.
Według historii opisywanej przez SuperMemo, Woźniak już na początku lat 80. zaczął eksperymentować z aktywnym przypominaniem i odstępami między powtórkami, a w 1985 roku sformułował pierwszy zarys metody, która później stała się SuperMemo.
Sedno było proste — nie chodzi tylko o to, żeby powtarzać. Chodzi o to, żeby powtarzać w odpowiednim momencie. Więcej o tym przeczytasz w artykule pt. „Najlepszy sposób powtarzania informacji, aby uczyć się jak najszybciej i jak najwięcej”.
W późnych latach 80. SuperMemo stało się jednym z pionierów komputerowego zastosowania powtórek rozłożonych w czasie. W 1987 roku powstała pierwsza komputerowa wersja tego programu dla DOS-a, a później kolejne wersje algorytmu były rozwijane i modyfikowane. W latach dziewięćdziesiątych i dwutysięcznych można było znaleźć płyty z tym programem praktycznie wszędzie. Ze świecą było szukać osoby, która miała ambicje dotyczące efektywnej i szybkiej nauki, i go nie znała.
W POSZUKIWANIU IDEALNEGO ALGORYTMU
Więź, którą czułem między mną a Piotrem Woźniakiem, bazowała w dużej mierze na obsesji. Nie był to człowiek, który zdawał się być zadowolony z któregokolwiek algorytmu, który stworzył. Oto jak wygląda historia ich rozwoju:
- Pierwsza wersja SuperMemo z 1985 roku była jeszcze papierowa. Opierała się na stałej tabeli interwałów, czyli na z góry ustalonych odstępach między powtórkami.
- Przełom przyszedł w 1987 roku wraz z SM-2, czyli pierwszą komputerową wersją algorytmu. To właśnie tutaj materiał został podzielony na pojedyncze elementy, a każdy z nich mógł dostać własny współczynnik łatwości — tzw. E-Factor. Innymi słowy: algorytm zaczął rozróżniać, że jedna fiszka jest łatwa, druga trudna, a trzecia wraca jak zaklęta, choć wydawało się, że już ją znamy.
SM-2 stał się później fundamentem wielu innych systemów powtórkowych, w tym programu Anki, z którego korzystam do tej pory. Warto jednak wspomnieć, że algorytm ten został później zmodyfikowany przez autora tego programu.
Potem zaczęły powstawać kolejne wersje SuperMemo. I każda z nich próbowała poprawić jakiś konkretny problem.
- SM-4 zaczął modyfikować funkcję optymalnych interwałów na podstawie wyników ucznia.
- SM-5 zastąpił macierz optymalnych interwałów macierzą optymalnych współczynników, czyli relacji między kolejnymi odstępami.
- SM-6 zaczął wykorzystywać krzywe zapominania i regresję, żeby lepiej dopasowywać model do realnych danych użytkownika.
- SM-8 próbował szybciej szacować trudność elementów, zanim system zdążył zebrać dużo danych.
- SM-15 lepiej radził sobie z dużymi opóźnieniami w powtórkach.
- SM-18 poprawiał sposób szacowania trudności elementu.
- SM-19 poprawiał m.in. szacowanie stabilności po zapomnieniu.
- SM-20 poszedł jeszcze dalej: według dokumentacji SuperMemo jest algorytmem opartym na teoretycznym modelu pamięci, którego parametry są wyliczane z użyciem uczenia maszynowego.
W tym samym kierunku poszedł też program Anki. Obecnie, obok algorytmu opartego na SM-2, Anki oferuje także FSRS. FSRS opisuje stan pamięci za pomocą trzech zmiennych: retrievability, czyli prawdopodobieństwa przypomnienia; stability, czyli stabilności śladu pamięciowego; oraz difficulty, czyli trudności danej informacji. Algorytm analizuje historię powtórek użytkownika i próbuje dobrać parametry tak, by lepiej przewidywać przyszłe zapominanie.
INNY PRZEDSTAWICIEL NURTU "LICZY SIĘ TYLKO ALGORYTM"
Historia zna wielu innych twórców, którzy zainspirowani SuperMemo poszli właśnie tą ścieżką — poszukiwania idealnego algorytmu nauki. Czytając wywiady z nimi, ciężko nie ulec wrażeniu, że większość z nich była absolutnie przekonana, iż to właśnie im udało się znaleźć to optymalne rozwiązanie.
Dobrym przykładem jest model Duolingo Half-Life Regression Burra Settlesa i Brendana Meedera. Ich model próbował przewidywać „okres półtrwania” słowa lub pojęcia w pamięci ucznia, łącząc psycholingwistykę z uczeniem maszynowym. Autorzy raportowali ponad 45% niższy błąd przewidywania przypominania niż w przypadku porównywanych metod (research.duolingo.com). Brzmi fascynująco? No raczej.
Jednocześnie ktokolwiek, kto uczył się z Duolingo rok albo dwa i próbował zacząć używać tego języka, albo widział kogoś, kto próbował zrealizować to zadanie, wie, że cokolwiek pokazywały dane ze sponsorowanych przez nich badań, nie miało i nie ma żadnego związku z rzeczywistością. Precyzyjny opis prób wykrzesania z siebie więcej niż paru słów przez takie osoby można przyrównać do psa z zatwardzeniem, który właśnie próbuje zagryźć łyżkę cynamonu styropianem.
Akademickimi odpowiednikami tej obsesji byli też Philip Pavlik Jr. i John R. Anderson, którzy wykorzystywali model poznawczy ACT-R do wyliczania optymalnego harmonogramu ćwiczeń. (digitalcommons.memphis.edu)
Do tego nurtu pasują również Hedderik van Rijn, Florian Sense i MemoryLab/SlimStampen, gdzie system adaptacyjny szacuje tempo zapominania dla ucznia i materiału na podstawie poprawności odpowiedzi oraz czasu reakcji (PubMed). Podobną logikę miało ARTS Mettlera, Masseya i Kellmana: system wykorzystywał dokładność i czas odpowiedzi do dynamicznego ustawiania kolejności oraz odstępów między kolejnymi ekspozycjami materiału.
IDEALNA APLIKACJA, IDEALNY ALGORYTM, FATALNE ROZUMOWANIE
Najtragiczniejsze wydaje się to, że wnioski w ogóle nie zostały wyciągnięte. Nie chodzi tylko o nonsens szukania idealnego algorytmu, ale również idealnej aplikacji. Obecnie chyba najbardziej wychwalaną z nich jest Obsidian.
Lata zmieniają się w dekady, linijki kodu pod maską tych programów morfują, jakby były bakteriami lekoopornej rzeżączki w tajlandzkim burdelu, ale jedno pozostaje stałe — naiwna wiara, że jest to podejście, które rozwiąże problem z zapamiętywaniem.
Chcę, żebyś zrozumiał mnie bardzo dobrze — algorytmy są nieodłączną częścią efektywnej nauki. Jest to jednak zaledwie jej fundament. Jest to niczym białe płótno, które będzie podstawą Twojego dzieła. Tylko tyle i aż tyle.
Nie powinno więc dziwić, że w internecie można napotkać bardzo popularne filmiki, jak i artykuły, w których autorzy, cytując siebie jako przykład, podają, że programy tego typu to absolutna bzdura.
Efektem ich używania były frustracja, nuda, mnóstwo straconego czasu oraz inne frustracje tego pokroju. Wiele osób zdaje się nie rozumieć, że oskarżenia te są absolutnie prawdziwe, a frustracje są uzasadnione. Kłopotem nie jest jednak którykolwiek z algorytmów lub programów. Kłopotem jest błędne przekonanie, że to właśnie one przyniosą kres problemowi zapamiętywania.
Już wiele lat temu pisałem, że zapominanie to najważniejsza informacja zwrotna w nauce.
Problemem większości osób uczących się jest natomiast tępe klepanie tej samej powtórki raz za razem, zgodnie z algorytmami.
Aby nie być gołosłownym, chciałbym pokazać Ci coś. Istnieją szeroko zakrojone badania, które pokazują bezsens uganiania się za algorytmami.
Przykładem jest metaanaliza Latimier, Peyre’a i Ramusa z 2021 roku. Autorzy przeanalizowali 29 badań nad spaced retrieval practice, tj. przywoływaniem informacji w odstępach czasowych. Wynik był dość paradoksalny: powtórki rozłożone w czasie wyraźnie działały lepiej niż powtórki skomasowane, ale gdy porównano harmonogram rosnących odstępów z harmonogramem równych odstępów, różnica była praktycznie zerowa i statystycznie nieistotna: g = 0,034. Autorzy pisali otwarcie, że wyniki nie wspierają popularnego przekonania, iż odstępy między powtórkami muszą być progresywnie zwiększane aż do testu końcowego.
Kolejnym badaniem, które to pokazało, jest badanie Kanga, Lindsey, Mozera i Pashlera z 2014 roku. Uczestnicy uczyli się słownictwa obcego przez 4 tygodnie. Po 8 tygodniach od treningu rosnące odstępy dały wynik końcowy równoważny z równymi odstępami, choć harmonogram rosnący dawał wyższą średnią „dostępność” słów w trakcie samego okresu nauki.
Jeszcze mocniej widać to w pracy Karpickego i Bauernschmidta z 2011 roku. Autorzy podsumowują wcześniejsze badania tak: część pokazywała przewagę rosnących odstępów, część — brak różnic, a część — przewagę równych odstępów. W ich własnych eksperymentach manipulowanie względnym układem odstępów — rosnącym, równym, malejącym — nie miało mierzalnego wpływu na długoterminowe zapamiętanie, o ile kontrolowano całkowitą długość odstępów między powtórkami.
Moja droga do dobrej pamięci zaczęła się na dobre dopiero wtedy, gdy zrozumiałem mądrość, która jest przesłaniem tego artykułu:
Pamięć jest zjawiskiem zbyt zmiennym, żeby dało się ją całkowicie zamknąć w idealnym wzorze.
Skuteczność zapamiętywania bazuje przede wszystkim na skuteczności i istotności kodowania informacji oraz ich relacji między sobą. Nie jest to coś, co da się w jakikolwiek efektywny sposób zaprogramować. Jest to proces, który wymaga aktywnego wysiłku z Twojej strony. I na tym niestety polega problem...
Ahhh… Supermemo i Profesor Henry, jeszcze był Profesor Klaus do niemieckiego! Nie pamiętałem, że sam się tym bawiłem lata temu 😀
Człowiek klepal, jak szalony! 😀