间隔重复的适用性The Applicability of Spaced Repetition

间隔重复法有一个自然的应用领域：那些以明确键值对形式系统组织的信息，其键和值都较短。闪卡界的“Hello, world!”就是北约音标字母表：A → alpha，B → bravo，等等。类似地，元素周期表也可以看作是一系列映射关系的集合：元素名称 ↔ 符号，元素名称 ↔ 原子序数，等等。你可以直接死记硬背这些卡片上的事实，而无需先理解或构建概念模型。

对于这类信息，应用间隔重复法非常简单。正因如此，大多数使用间隔重复法的人要么是语言学习者，要么是医学生。在生物学中，你需要的主要直觉是“三维形状在布朗运动中四处碰撞”——这已经内置于你的大脑之中；之后的大部分内容就只是需要记忆的事实。语言学习也类似：你已经有语言中枢，只需要反复练习词汇和语法即可。

而且，当你越远离这个应用领域，就越难将间隔重复法付诸实践。

高度概念化的知识（如数学）很难编码。你必须花大量时间先理解信息，并在脑海中构建一个概念模型，然后才开始制作闪卡来巩固这个模型，就像对某个复杂物体进行断层扫描一样。从这种高度抽象的知识中提炼出好的问题（简短、无歧义等）作为闪卡非常困难。很多时候你面对的是一个看似简单的断言，但很难将其直接编码为一张有效的闪卡，因此你不得不“绕道而行”，通过提问来假设或要求掌握该知识（例如问“为什么X成立？”），并寄希望于通过反复练习这些题目，你的大脑能记住真正要掌握的目标。

一般来说，关系型事实更容易编码，因为像 $\text{Property}(\text{Object}, \text{Value})$ 这样的二元谓词很容易转化为一个问题。“咖啡因由细胞色素1A2代谢”在Prolog中表示为 $\text{Metabolism}(\text{Caffeine}, \text{CYP1A2})$，可转化为“Q: 哪种细胞色素代谢咖啡因？A: 1A2”。但你如何编码像“所有酉矩阵都可逆”这样的独立断言呢？你可以把它做成是非题，但这毫无用处，因为理性上你会预期这类问题偏向肯定答案。无论是“酉矩阵有什么性质？”还是“哪些类型的矩阵是可逆的？”都无用，因为它们有数百个同样有效的答案，因而具有歧义性。你必须发挥创造力，想出各种技巧和策略来“绕开”这些知识进行编码。

顺便说一句：我认为，这就是为什么用AI生成闪卡常常误入歧途的原因。在高度系统化的领域中，你根本不需要AI，因为除了把CSV文件导入Anki之外，AI无事可做。而在高度概念化和抽象的领域，你不是在记忆一组客观可知的事实，而是在努力巩固一个通过阅读、思考和解决问题所构建的私人内部心理模型。你可以给AI提供各种关于如何编写优质闪卡的通用规则，但AI无法洞察你的内心，不知道哪些对你而言是重点，哪些你已经掌握，哪些知识点可以用少量闪卡轻描淡写地带过，哪些又需要更多强化和更全面的覆盖。

这种情况能否改善，还是说这仅仅是间隔重复系统固有的局限性？我不知道。但可以合理推测，即使有限的改进也是可能的。我认为，在这些更“概念性”的领域中使用间隔重复的人并不多，而根据社区中大多数人是潜水者的规律，这些人中更少有人会详细记录并分享他们的知识。很多人已经写过关于如何制作优质闪卡的一般性建议，而我更想看到的是类似迈克尔·尼尔森这样的案例研究——即某人如何坐下来，将一本书（最好是教科书）中的内容转化为闪卡，并描述这一过程。如果我们能收集到一系列类似的案例研究，或许就能提炼出一些通用规则：不是教人如何写出有效的闪卡，而是如何将复杂、概念性的知识编码为问答形式。