Skip to content
Published on

AI間隔反復 & 記憶アプリ 2026 完全ガイド - Anki + AnkiHub · FSRS · RemNote AI · SuperMemo · Quizlet AI + Magic Notes · Brainscape AI · Mochi.cards · Anki Mobile · クラスカード · Memrise · 単語帳メーカー 徹底解説

🇰🇷KO🇺🇸EN🇯🇵JA
Split View필사 모드
Authors

はじめに — 2026年5月、間隔反復は「AI自動生成」の時代へ

2024年までは Anki を使うならカードを手で作るのが前提だった。2026年5月現在、その前提は揺らいでいる。AnkiHub の AI カード自動生成、RemNote AI、Quizlet Magic Notes、Brainscape AI が PDF 1 枚や講義音声からカード束を作り出す。一方でアルゴリズム自体も進化した。1988 年の SM-2 を 35 年ぶりに置き換えた FSRS(Free Spaced Repetition Scheduler) が 2023 年末の Anki 23.10 に取り込まれ、事実上のデフォルトになった。

この記事は「どのアプリを使うべきか」という表層の問いではなく、間隔反復のアルゴリズム系譜・ツールエコシステム・韓日のローカル動向・AI 自動生成の限界を一度に見る。米国 USMLE 対策から日本語の漢字学習、司法試験まで実際の使用パターンに触れる。

なぜ記憶アプリが2026年でも重要か — LLM 時代でも生き残る理由

「LLM が何でも答えてくれるのになぜ覚えるのか」という問いが 2024 年には多かった。2026 年 5 月時点の答えは明確だ。高速な想起(fast recall)は LLM が代替できない領域である。医学生が 5 秒以内に診断アルゴリズムを思い出す必要があるとき、同時通訳者が単語を瞬時に取り出すとき、弁護士が法廷で判例を呼び出すとき — LLM 呼び出しは遅すぎる。

加えて 再認定義務(recertification) が増えた。米国の医師ボード、会計士、弁護士の資格は N 年ごとに再試験が要る。一度覚えたものを維持するツールとして、間隔反復はいまだ 1 位だ。そこに LLM が自動でカードを作ってくれることで 入口の障壁が崩れた時期 が 2026 年である。

間隔反復アルゴリズムの系譜 — Leitner から FSRS まで

アルゴリズムは 6 世代に分かれる。

  1. Leitner System (1972) — Sebastian Leitner が提案した物理カード箱システム。5 つの箱を行き来する。デジタル化されたツールの直観モデル。
  2. SM-2 (1988) — Piotr Wozniak が SuperMemo 2 で導入。カードごとの「ease factor」と間隔計算。Anki のクラシックアルゴリズムとして 35 年の事実上の標準。
  3. SM-15 / SM-17 / SM-18 — SuperMemo シリーズの商用アルゴリズム。SuperMemo 15(2011)、17(2016)、18(2019)で漸進的に進化。カード単位のスカラーではなく DSR(Difficulty/Stability/Retrievability) の 3 変数で記憶痕跡を追う。
  4. HLR (Half-Life Regression, 2016) — Duolingo の Settles & Meeder が発表。機械学習で単語の「半減期」を予測。Duolingo インフラの基盤。
  5. FSRS (2023) — Jarrett Ye が発表したオープンソース ML アルゴリズム。DSR モデルを外部データセット(2000万件以上のレビュー)で学習。Anki 23.10 にデフォルト搭載。
  6. FSRS-5 / FSRS-6 (2025〜) — パラメータ 21 個に拡張。自分のレビューが 1 万件あれば fine-tune が意味を持つ。

最大の変化は SM-2 から FSRS への移行だ。SM-2 が「ease factor 1 つでカード難度を表現」していたのに対し、FSRS は 3 つの潜在変数(D/S/R) と ML 学習でより精度高く予測する。2025 年の Anki ユーザーテレメトリでは 80% が FSRS へ移行済みだった。

Anki エコシステム — Damien Elmes による25年プロジェクト

Anki は日本語の「暗記」が語源だ。Damien Elmes が 2006 年に作り、現在もメンテナとして活動している。2026 年 5 月時点で Anki 24.06.3 が安定版。

エコシステムの構造は以下のとおり。

  • AnkiDesktop: Windows/Mac/Linux。GPL-3.0 のオープンソース。機能フル装備。
  • AnkiDroid: Android。無料。別コミュニティがメンテナンス。
  • AnkiMobile: iOS。有料(USD 24.99 の永久ライセンス)。この収益が Anki プロジェクトの資金源。
  • AnkiWeb: 無料のクラウド同期。ブラウザでもカードレビュー可能。
  • AnkiHub: 共同編集 SaaS(USD 6/月)。医学生コミュニティの標準。
  • AnkiHub AnKing デッキ: USMLE Step 1/2 対策の最大デッキ。35 万枚以上のカード。

Anki の強みは 拡張性 にある。1500 以上のアドオンがあり、ほぼあらゆるワークフローに対応できる。

Anki カードタイプ — Basic, Cloze, Image Occlusion

3 つの主要カードタイプで 90% を占める。

  • Basic: 表/裏。最も基本。
  • Cloze deletion: 穴埋め。"The capital of Korea is [...]" のような形式。医学学習で最も多い。
  • Image Occlusion Enhanced (IOE): 画像の一部を隠して当てる形式。解剖学・神経学・心電図の学習に必須。

Cloze カードの例の syntax は次のとおり。

The capital of {{c1::Korea}} is {{c2::Seoul}}.

この書き方をすると Anki が自動で 2 枚のカードを生成する。1 枚は「Korea」を隠し、もう 1 枚は「Seoul」を隠す。

FSRS を深掘り — DSR モデルの構造

FSRS はカードの記憶状態を 3 つの潜在変数で表現する。

  • D (Difficulty): カード固有の難しさ。スケールは 1 〜 10。
  • S (Stability): 記憶がどれだけ安定しているか。日(day)単位。S が大きいほど次のレビュー間隔が長い。
  • R (Retrievability): いま思い出せる確率。0 〜 1。

ターゲット保持率(target retention、既定 90%)に達する次のレビュー時点を次式で推定する。

next_interval = S * (R_target^(1/decay) - 1)

ユーザーが「Again/Hard/Good/Easy」の 4 段階で答えると D/S/R が更新される。Anki 内蔵の FSRS パラメータオプティマイザは自分のレビューログを学習データとして 21 個のパラメータを fine-tune できる。一般に 1 万レビュー以上で個別化の効果が見えてくる。

ソースコードは GitHub の open-spaced-repetition/fsrs4anki で公開されており、Python/Rust/JS のポートが揃う。RemNote、Trezo、Memo など他のアプリも FSRS を採用している。

AnkiHub & AnKing — 医学生学習の標準

AnkiHub は Anki カードを共同編集する SaaS だ。コア価値は 2 つ。

  • 公式メンテナデッキのライブ更新: 1 人の学生がカードを直すと、全購読者が同じ修正を受け取る。git に近いモデル。
  • コミュニティ検証: 医学ガイドラインが変わると医学生モデレータがカードを更新する。

最も有名なデッキが AnKing Step 1/Step 2 Deck。USMLE 対策のメガデッキで 35 万枚以上のカードを集約。2026 年 5 月時点で米国の医学生の 80% がこのデッキを使っているという非公式の調査がある。USD 6 〜 30/月の 4 段階サブスクで運営。

AnkiHub は 2025 年から AI カード生成 機能を追加した。学習者が講義スライド PDF をアップロードすると AI がカード案を作り、コミュニティ検証を経てメガデッキへ統合される。

Anki アドオン — AI 自動生成 & TTS

2026 年 5 月時点で人気の AI 関連アドオンは次のとおり。

  • Anki Card Generator GPT: ChatGPT API を呼んでテキストから自動生成。PDF アップロード対応。
  • AwesomeTTS: 単語を自動で TTS 音声に変換。Google/Azure/Amazon Polly/ElevenLabs バックエンド対応。語学学習の必需品。
  • Image Occlusion Enhanced: 画像マスキングカード。先述 IOE の本家。
  • HyperTTS: ElevenLabs 統合を強化した派生版。
  • Review Heatmap: GitHub の contribution graph のようにレビュー活動を可視化。

RemNote — ノートとフラッシュカードを統合したツール

RemNote は「ノートとフラッシュカードの合体」を掲げる。Notion のように outline を書きながら同時にその中にインラインでフラッシュカードを埋め込む。医学生を 1 次ターゲットにした結果、2026 年 5 月時点で約 USD 200 万 ARR、医学学習市場で Anki に次ぐ 2 位のシェア。

主な特徴:

  • インラインフラッシュカード: Term :: Definition のような 1 行 syntax でノート内にカードを作る。
  • RemNote AI: 講義音声を STT に通して自動的にカードと要約を生成。2025 年リリース。
  • FSRS 採用: 2024 年に SM-2 から FSRS にデフォルト切替。
  • Daily Doc, Backlinks: Roam Research スタイルの双方向リンク。
  • 数式・コードブロック・ダイアグラム: 技術系学習にも対応。

価格: Free / Pro(USD 12/月) / AI(USD 19/月) の 3 段。

SuperMemo 19 — Wozniak の本家ツール

SuperMemo は Piotr Wozniak が 1985 年に始めた間隔反復の本家。2026 年 5 月時点で SuperMemo 19(Windows デスクトップ)と SuperMemo Web が運用されている。アルゴリズムは SM-18。

長所:

  • Incremental Reading: PDF やウィキ記事を部分的に読みながら自動でカードを作成。1990 年代からある機能で他ツールには本物の同等品がない。
  • 理論の深さ: Wozniak が毎年アルゴリズム白書を公開。SM-18 の DSR モデル文書は学術的に引用可能。

短所:

  • モバイルが弱い: SuperMemo Mobile(iOS/Android)はあるがデスクトップ比で機能が削られる。
  • UI が 1990 年代のまま: 学習曲線が急。
  • 商用: 永久ライセンス USD 60 〜 90。

真剣な学習者(研究者、ポリマス、メガデッキ運営者)には今でも 1 位だが、一般ユーザーには Anki の方が入りやすい。

Quizlet + Magic Notes + Q-Chat — AI で復活した古豪

Quizlet は 2005 年に高校生 Andrew Sutherland が作った米国式フラッシュカードツール。一時は USD 18 億の評価額まで達したが Anki に押される傾向だった。2024 年から Magic Notes と Q-Chat(AI チューター)で AI 学習プラットフォームに再ポジショニング。

  • Magic Notes: 講義ノートをアップロードすると AI が自動でフラッシュカード・要約・クイズ・マインドマップを生成。
  • Q-Chat: カードを基にした対話型 AI チューター。ソクラテス的な質問を投げる。
  • Learn モード: 適応学習 — Anki の FSRS と似ているが独自アルゴリズム。
  • Free + Plus(USD 7.99/月): AI 機能は Plus 必須。

EdTech 市場分析は別記事(iter83)で扱った。SR の観点だけ見ると、Quizlet の SR アルゴリズムは Anki/FSRS ほど精緻ではない。ただ UX とカード共有ライブラリ(5 億以上のデッキ)は圧倒的。高校生・大学学部生の 1 次ツール。

Brainscape — Confidence-Based Repetition (CBR)

Brainscape は 2010 年創業の米国企業。アルゴリズムが Anki/FSRS と違い CBR(Confidence-Based Repetition) を採用する。カードを見た直後にユーザーが「1 〜 5 の confidence」を付け、それで間隔を調整。シンプルだが導入が速い。

  • AI Tutor: 2025 年から GPT-4 ベースのチューターを追加。カード説明や難概念の解説。
  • Smart Cards: AI がユーザーのノートからカードを自動生成。
  • Free + Pro(USD 9.99/月)。
  • Class plan: 学校単位のライセンス。GMAT、MCAT、医学 1 年生向け市場に強い。

Mochi.cards — Markdown 第一のモダンツール

Mochi はカナダのソロ開発者 Anthony Bullard が作ったモダンなフラッシュカードアプリ。最大の差別化は Markdown 第一 である。

# Korea Capital
What is the capital of Korea?
---
Seoul

このように Markdown ファイルでカードを管理する。Anki の SQLite DB に比べると、カードライブラリを GitHub で管理しやすい。

  • FSRS 採用: 2024 年から。
  • AI カード生成: ChatGPT API 連携。
  • Lite + Pro(USD 5/月)。
  • 数式・コード・表・LaTeX を一級サポート。

技術系の学習者(エンジニア、医学生)の間で利用が増えている。Anki ほど強力ではないが、よりすっきりした UX を望むなら。

Memrise — 語学専用にピボット

Memrise は 2010 年に Ed Cooke が創業。元は汎用 SR ツールだったが 2022 年に 語学専用 へピボット。アルゴリズムは独自 SR + AI 会話練習。

  • MemBot: AI 会話パートナー。GPT-4 ベース。
  • Native Speaker Videos: ネイティブの動画クリップで発音と文化を学ぶ。
  • Free + Pro(USD 8.99/月)。

語学学習以外ではもう推奨されない。TinyCards(Duolingo, 2017〜2020) も似た運命をたどった — 汎用 SR 市場は事実上 Anki の独占。

Pimsleur, Duolingo, WaniKani, Bunpro — 語学特化ツール

語学学習で SR がどう使われているかを押さえておく。

  • Duolingo: HLR(Half-Life Regression)で単語の露出タイミングを決定。ゲーミフィケーション + AI(Duolingo Max、GPT-4)を組み合わせ。
  • Pimsleur: 1960 年代からあった graduated interval recall を基盤にする音声コース。リスニング/発話に SR を適用した本家。
  • WaniKani: 日本語の漢字専用。SR のレベル 1 〜 9。Tofugu が運営。USD 9/月または USD 299 の永久ライセンス。
  • Bunpro: 日本語文法専用 SR。JLPT N5 〜 N1 の進捗管理。
  • iKnow!: DMM が運営する日本語学習 SR。日本国内市場で 1 位。

これらは汎用 SR ツールではなく、語学に特化したコンテンツ + SR を束ねて売るモデルだ。Anki + Core 6k のような無料の組み合わせに対して、コンテンツのキュレーションが価値になる。

韓国語学習ツール — クラスカード対 Quizlet Korea

韓国市場は クラスカード(Classcard) が 1 位。2014 年に NHN エデュが買収して運営。中高生市場で圧倒的なシェア。

  • クラスカードのマッチング/暗記/リコールモード: 4 段階のゲーム型学習。
  • AI 自動カード生成: 英文から単語帳を自動抽出。
  • 教師-生徒の協業: 学院/公教育インフラと統合。
  • Free + プレミアム(月 9,900 ウォン)。

代替:

  • Quizlet Korea: Quizlet の韓国市場。大学生中心。
  • 단어공부(Wordboard): ソロ開発者によるアプリ。単純さが長所。
  • MEMRISE Korean: 韓国語学習者(外国人)向け。韓国人の英語学習には使わない。

大学生以上は Anki + Core 2k/6k Korean のような無料の組み合わせに移行する傾向がある。

日本語学習の流れ — 単語帳メーカー・iKnow・WaniKani

日本市場は分化している。

  • 単語帳メーカー(Tangocho Maker): iOS/Android の無料アプリ。日本の学生の受験対策の標準。極めてシンプルな UI。
  • iKnow!: DMM が運営。JLPT 対策のコンテンツキュレーション。USD 9.99/月。
  • WaniKani: 外国人による日本語漢字学習用。SR + ニーモニックの組み合わせ。
  • Anki + 日本語メガデッキ: Core 2k/6k、Tango N5 〜 N1、JLPT Tango。すべて無料。
  • AnkiWeb 日本語アドオン: 日本語形態素解析(MeCab)、ふりがな自動付与。

学生市場は単語帳メーカー、社会人市場は iKnow、外国人学習者は WaniKani + Anki に分かれる。Core 6k のようなクラシックデッキは 2007 年の公開以来 100 万人以上が使った推定がある。

医学 / 専門職資格学習 — AnKing, Pixorize, Sketchy

専門職市場の SR ツールは別トラックだ。

  • AnKing: USMLE 医学メガデッキ(上で扱った)。
  • Pixorize: 医学の生化学・薬理学向けビジュアルニーモニック。SR と組み合わせ。
  • Sketchy: ビジュアルストーリーテリングに基づく医学学習。SR + 映像。
  • UWorld: 医学 + 他資格の Q-Bank。SR 統合は弱い。
  • Kaplan: 古典的な対面塾 + デジタルカード。
  • AdaptiBar: 米国弁護士試験(MBE)向け SR。
  • BarMax: 弁護士試験対策。ハーバード・ロースクール教員によるコンテンツ。

これらはツールというよりも コンテンツ + SR インフラ だ。価格は USD 200 〜 2000/年で汎用ツールより一桁高い。

Notion · Obsidian · LogSeq 統合プラグイン

PKM(Personal Knowledge Management)ツールと SR を統合する流れが強い。

  • Notion Flashcards: Notion データベースの行をカードとして公開。非公式プラグインが多い。
  • Obsidian Spaced Repetition: st3v3nmw による人気プラグイン。FSRS 採用。ノート内のカードを直接レビュー。
  • Obsidian to Anki: Obsidian のノートから Anki へカードを export。
  • LogSeq spaced repetition: LogSeq の組み込み機能。cloze syntax サポート。
  • Roam Research Anki: Roam → Anki 同期プラグイン。

PKM と SR を 1 つのツールで完結させる流れの核心は「カードを作る時点 = ノートを書く時点」という発想だ。Anki を別途立ち上げる必要がなくなり、摩擦が下がる。

AI カード自動生成 — PDF 1 枚から 100 枚のカードへ

2026 年 5 月時点の AI 自動生成の実用度を見る。

  1. PDF/スライドのアップロード: 講義スライドや教科書のチャプター PDF。
  2. AI が核心命題を抽出: LLM が命題単位で分解。
  3. Cloze deletion の自動生成: 核心語を穴埋めに。
  4. 画像 occlusion の自動検出: OCR + 物体検出でラベルボックスを隠す。
  5. TTS で音声追加: 単語の発音を自動生成。

代表サービス:

  • AnkiHub AI Generator(USD 6 〜 30/月)
  • RemNote AI(USD 19/月)
  • Quizlet Magic Notes(USD 7.99/月)
  • Mochi AI(USD 5/月)
  • Brainscape AI Tutor(USD 9.99/月)
  • ローカル解: Ollama + Anki Card Generator GPT アドオンでローカル GPT-OSS からカードを生成可能。

ただし AI が作るカードの品質は依然 50 〜 70% にとどまる。医学生ユーザーへのインタビューでは、50% はそのまま使え、30% は修正が必要で、20% は捨てるという。AI 生成を初稿 → 人間レビューの流れが標準。

ブラウザ拡張 — Polar Bookshelf, Readwise からカードへ

「読んだもの」からカードを作る流れも自動化されている。

  • Polar Bookshelf: PDF/EPUB リーダー + ハイライトから Anki への自動 export。オープンソース。
  • Readwise: ハイライト集約 SaaS。Kindle、Pocket、Twitter 等 → Readwise Mastery → Anki/Mochi/RemNote への export。RSS/リーダー記事(iter102)でも触れたツール。
  • Hypothes.is: ウェブページ注釈ツール。注釈 → Anki への変換プラグイン。

これらは SR が主目的ではなく ハイライト保存 + SR オプション だ。本 1 冊から要点 30 枚を自動生成する流れ。

学術研究 — SR の科学的基盤

SR が効く理由を学術研究で押さえておこう。

  • Pavlik & Anderson (2008): ACT-R 認知アーキテクチャに基づくメモリモデル。SR アルゴリズムの学術ベース。
  • Settles & Meeder (2016): Duolingo HLR 論文。ACL 2016 で発表。機械学習 + SR の起点。
  • Lindsey, Shroyer, Pashler, Mozer (2014): MOI(Memory Optimization through Interleaved practice)。Carnegie Learning が採用。
  • Bjork's "Desirable Difficulty": Robert Bjork(UCLA)の学習理論。SR の科学的根拠。
  • Karpicke & Roediger (2008): testing effect 研究。再読より想起が強いという証拠。

これらの研究は SR が単なる技術ではなく 認知心理学数十年の結晶 であることを示す。

組み合わせパターン — 実際の学習者はどう組むか

学習目的別の推奨スタック。

  • 医学本科 + USMLE: AnkiHub(AnKing) + Anki Mobile + Image Occlusion Enhanced + AwesomeTTS。
  • 司法試験: AdaptiBar + Anki + BarMax コンテンツ。
  • 日本語 N3 〜 N1: WaniKani + Bunpro + Anki(Tango N3 〜 N1)。
  • 韓国の塾生: クラスカード + 塾独自のコンテンツ。
  • 研究者/ポリマス: SuperMemo 19 Incremental Reading + 補助の Anki。
  • 技術系学習者: Mochi + Obsidian Spaced Repetition + AI 自動生成。
  • 一般の大学生: Quizlet Magic Notes + 学科のカードライブラリ。

純粋に SR 効率だけ見れば Anki + FSRS が最強だが、開始の摩擦 と コンテンツのキュレーション がツール選定の実際の変数だ。

導入ロードマップ — 0 から始める学習者

初めて SR を始める人向けの段階。

  1. 2 週目: Anki Mobile または Quizlet で 50 枚程度のカードを作って毎日レビュー。習慣化が 1 位。
  2. 1 か月目: カードのカテゴリ分離(語学、業務知識、一般教養)。レビュー時間を計測。
  3. 3 か月目: FSRS への移行(Anki 23.10+ で自動)と、パラメータオプティマイザを 1 回実行。
  4. 6 か月目: AI 自動生成ツールを 1 つ追加。PDF 1 枚からカード束を作ってみる。
  5. 1 年目: Image Occlusion、Cloze 上級 syntax、画像 + TTS の総合カード。
  6. 2 年目: 自分の学習領域のメガデッキを 1 つ完成。1 万枚以上。

ツール選定よりも 毎日 15 〜 30 分のレビュー習慣 の方が圧倒的に重要だ。Anki ユーザーの平均日次レビュー時間は 25 分。

おわりに — 2026年5月、「SR はアルゴリズムでなく習慣」

この記事ではアルゴリズムとツールを詳しく見たが、最後の結論はシンプルだ。SR の 90% は毎日アプリを開く習慣である。FSRS が SM-2 より 10% 正確だとしても、毎日開かなければ 0% だ。

AI 自動生成は入口の障壁を下げた。2024 年の「カードを作るのが面倒」という言い訳は 2026 年には通用しない。PDF 1 枚からカード束を自動で作れる時点まで来ている。

ツール選びは 1 週間程度の比較で決めて、その後は忘れよう。本当の仕事は毎日 25 分のレビューだ。

References

Discuss on Twitter • View on GitHub