開発者の脳にはガベージコレクターがある——今この瞬間も語彙を削除している

先週学んだ単語は、今どこにあるのか

月曜日、新しい英語の技術用語を30語学んだとします。火曜日に復習した。良い感触があった。

金曜日——残っているのは8語、もしかするともっと少ない。

ここで多くの開発者が出す結論が間違っています。「自分は記憶力が悪い」「語学のセンスがない」——いずれも違います。

これはスケジューリングのバグです。記憶力の問題ではありません。

語彙が消えるのは、あなたの脳が弱いからではありません。脳が設計通りに動いているからです——つまり、保持する理由が見当たらない情報に対してガベージコレクターを積極的に実行しているのです。

ヘルマン・エビングハウスはこのメカニズムを1885年に発見しました。140年後の今も、その発見は認知科学で最も重要な知見の一つとして評価されています。そして、開発者が使う語彙ツールの大多数が、このメカニズムを完全に無視して設計されています。

エビングハウスの忘却曲線とは？ エビングハウスの忘却曲線は、学習後に記憶が指数関数的に衰退する様子を表したグラフです。1885年にヘルマン・エビングハウスが発見し、その後何百もの研究で再現されています。学習後24時間以内に脳が学んだ内容の約67%を削除することが分かっています。解決策：忘却直前に適切なタイミングで復習する「間隔反復（Spaced Repetition）」。（最終更新：2026年7月）

忘却曲線が実際に示すもの

1885年、ドイツの心理学者ヘルマン・エビングハウスは独自の方法で人間の記憶を研究しました。自分自身を被験者として、何千もの無意味な音節を暗記してはテストするという作業を何年にもわたって繰り返したのです。

その結果導き出されたエビングハウスの忘却曲線は、それ以来何百もの研究で再現されてきました：

24時間以内に、学習内容の3分の2が消えます。1週間では4分の3が消えます。

これは設計上の欠陥ではありません。脳は体重の約2%にすぎないにもかかわらず、体のエネルギーの約20%を消費します。使われない情報を積極的に削除するガベージコレクションは、代謝的な最適化——バグではなく機能です。

エビングハウスの第二の発見こそが、すべてを変えます： 完全に忘れる前に記憶を正常に想起するたびに、忘却曲線がリセットされます——ただし、より緩やかな傾斜で。各成功した想起によって、記憶は減衰に対する抵抗力を高めていきます。

つまり、より多く学ぶことが解決策ではありません。適切なタイミングで復習することが解決策です。

コードアナロジー：ガベージコレクター付き分散キャッシュとしての記憶

長期記憶をアグレッシブなガベージコレクター付きの分散キャッシュとして捉えてください。

interface MemoryEntry {
  item: string;
  ttl: number;        // Time To Live — GCによるプルーニングまでの日数
  strength: number;   // ガベージコレクションへの耐性
  lastReviewed: Date;
}

function onSuccessfulRecall(entry: MemoryEntry): void {
  // 各想起がTTLをリセットしてGC耐性を強化
  entry.ttl = entry.ttl * entry.strength;
  entry.strength = entry.strength * 1.3;  // SM-2のease factorに相当
  entry.lastReviewed = new Date();
}

function onFailedRecall(entry: MemoryEntry): void {
  // 想起失敗：TTLを1日にリセット、strengthをフロアに引き下げ
  entry.ttl = 1;
  entry.strength = Math.max(entry.strength * 0.75, 1.3);
}

強化がなければ、脳のGCがスケジュール通りに実行してエントリを削除します。GCが実行される前に正常に想起するたびに、TTLとstrengthが増加し——次のレビューインターバルが長くなります。

これが間隔反復（Spaced Repetition）の核心的なメカニズムです：GCが実行される直前の最後のタイミングでレビューをスケジュールすること。

学習直後（早すぎ——想起が簡単すぎて記憶が強化されない）でもなく、すでに忘れた後（遅すぎ——GCがすでに実行済み）でもなく、ちょうど「望ましい困難」が最大になる転換点を狙います。

ほとんどの学習法が抱えるスケジューリングバグ

語彙学習法のほとんどに潜む根本的なバグを、コードとして表現すると：

// ❌ ほとんどのアプリと学習習慣がしていること
function scheduleNextReview(word, daysSinceStudied) {
  return "tomorrow"; // 固定インターバル——メモリ状態を完全に無視
}

// ❌ 詰め込み学習（cramming）がしていること
function crammingSchedule(wordList) {
  // 個別のリコールパフォーマンスに関係なく全単語を一度に復習
  return wordList.map(word => reviewNow(word));
  // 結果：短期的な保持は良いが、1週間後にはほぼゼロ
}

バグの本質：固定インターバルのレビューはすべての語彙を同等に扱います。すでに習得した単語を過剰にレビューし（時間の無駄）、繰り返し忘れている単語を不十分にレビューします（消えていく）。

// ✅ 間隔反復がしていること
function scheduleNextReview(word, recallPerformance, currentEaseFactor) {
  if (recallPerformance < 0.6) {
    return 1; // 想起失敗：明日もう一度
  }

  // 想起成功：ease factorに従って指数関数的に成長
  const nextInterval = Math.round(word.lastInterval * currentEaseFactor);
  return nextInterval;
}

// "Good"評価が続いた場合のインターバル（ease factor = 2.5）：
// 1日目 → 3日目 → 8日目 → 21日目 → 53日目 → 132日目 → 330日目...

// 継続して失敗した場合（ease factor がフロア1.3に低下）：
// 1日目 → 1日目 → 1日目 → ... (正確に想起できるまで毎日)

間隔反復はスケジューリングバグへのパッチです。 単語ごとの実際のリコールパフォーマンスに基づいた、個別にパーソナライズされたスケジュールを提供します。

SM-2アルゴリズム：解決策を実装するスケジューラー

現代の間隔反復はSM-2（SuperMemo 2）を使用します。1987年にPiotr Woźniakが開発したこのアルゴリズムは、Anki・SuperMemo・Wordropの基盤となっています。

語彙リストのすべての単語には、2つの値があります：

各レビュー後、想起の評価を行います：

"Good"評価が続いた場合（EF = 2.5）のインターバル推移：

レビュー1：1日目
レビュー2：3日目   (1 × 2.5 → 2.5)
レビュー3：8日目   (3 × 2.5)
レビュー4：21日目  (8 × 2.5)
レビュー5：53日目  (21 × 2.5)
レビュー6：132日目 (53 × 2.5)
レビュー7：330日目 ← ほぼ永続的な長期記憶

重要な設計原則：SM-2は、実際に学んでいない単語を「修了」させません。 固定スケジュールでは不可能な形で、個別のリコールパフォーマンスに正直です。

逆説的な発見：苦労すること自体がメカニズムである

認知科学からの直感に反する発見があります：

想起が困難なほど、形成される記憶は強い——たとえ精度が低くても。

これは望ましい困難効果（Bjork, 1994）と呼ばれます。想起が簡単な場合（昨日復習したばかりの単語）、そのリコール行為自体が軽量で、記憶はほとんど強化されません。想起が困難な場合（3週間ぶりに見る単語）、そのリコール行為は高コストで、記憶が大幅に強化されます。

# 望ましい困難の簡略化モデル
def memory_strengthening(recall_effort: float) -> float:
    """
    recall_effort: 0.0（努力不要）から1.0（最大の苦労）
    returns: 獲得される記憶強度（非線形）
    """
    return 0.3 + (0.7 * recall_effort ** 0.5)

# 簡単な想起——昨日の単語
easy = memory_strengthening(0.1)   # → 0.52（最小限の強化）

# 困難な想起——3週間ぶりの単語
hard = memory_strengthening(0.8)   # → 0.93（ほぼ最大の強化）

実践的な含意： 語彙レビューを簡単にしようとしないでください。困難さこそがメカニズムです。難しく感じる単語を"Easy"と評価して気持ちよくなることは、システム全体を破壊します。

技術的な語彙に特に重要な理由

日本語を母語とする開発者が英語の技術語彙を学ぶ場合、このバグは特に深刻に現れます。

英語の技術用語——idempotent（冪等性）、throughput（スループット）、graceful degradation（グレースフルデグレード）、sharding（シャーディング）——は特定のコンテキストで集中して登場する傾向があります：APIドキュメントを読む週、アーキテクチャレビューの集中期間、コードレビューのやり取り。

それらを1週間集中して見た後、1ヶ月そのコンテキストから離れると：

月曜日：APIドキュメントで "idempotent" を読む → 理解 → 
3週間後：PRレビューコメントで再び登場 → ブランク → 
また調べる → 「また忘れてしまった...」

このループは記憶力とは無関係です。適切なタイミングで次のレビューがスケジュールされていなかっただけです。

対処法：技術的な語彙をコードの依存関係と同じように扱ってください。壊れるまで待つのではなく、積極的にメンテナンスする。同じロジックが語彙にも適用されます。

最適な復習スケジュール（忘却曲線に基づく）

アルゴリズムなしで手動でスケジュールを設計する場合、研究が示す最適なタイミングは：

各インターバルはease factorが蓄積されるにつれて長くなります。5〜7回の成功した復習を3〜6ヶ月に分散させると、その単語はほぼ永続的に定着し、時折の強化だけで維持できます。

複利効果と同じです——適切なタイミングの小さな一貫した行動が、不規則な大きな努力よりも指数関数的に優れた結果を生みます。

エンジニアリングの原則：GCが実行される前にレビューを走らせる

すべてをひとつにまとめると：

忘却の閾値の直前に復習する——学習直後でも、すっかり忘れた後でもなく、望ましい困難が最大になる転換点で正確に。

適切に調整された間隔反復システムは、毎日10〜20分のレビューで85〜95%の語彙保持率を維持します。従来の学習法では10倍の時間をかけても20〜40%の保持率しか達成できません。

差は努力量ではありません。スケジューリングです。

あなたの脳にはガベージコレクターがあります。忘却曲線はそのスケジュールを記述します。間隔反復は、GCが実行される前にレビューを走らせるキャッシュ戦略——単語が削除される代わりに記憶の中に留まるように。

日常のワークフローに語彙学習を組み込む方法については、こちらを参照してください：開発者が勉強セッションなしで1,000語を身につける方法 →

WordropでSpaced Repetitionを実践する →

よくある質問

エビングハウスの忘却曲線は現代の認知科学でも有効ですか？

はい。指数関数的な減衰パターンは、異なる素材・集団・時間スケールにわたって何百もの研究で再現されています。特定の保持率の数値は素材の難易度と個人差によって異なりますが、指数関数的な減衰の形状とタイミングを合わせた想起の安定化効果は、心理学で最も強固な発見の一つです。

なぜ脳はすべての情報を保持しないのですか？

エネルギー効率のためです。脳は体重の約2%を占めるにすぎないにもかかわらず、体のエネルギーの約20%を消費します。エンコードされたすべての情報を保持することは、代謝的に持続不可能です。ガベージコレクション——忘却——は欠陥ではなく最適化機能です。

忘却曲線について知っていても、なぜ単語を忘れてしまうのですか？

忘却曲線について知ることは、自動的に復習スケジュールを生成しないからです。曲線は何が起こるかを教えます。間隔反復アルゴリズムはいつ復習するかを教えます。自動スケジューリングなしでは、適切なタイミングで復習するために意志力に頼ることになります——それは実際の仕事のプレッシャー下では一貫して失敗します。

SM-2は日本語の語彙学習にも使えますか？英語専用ではないですか？

SM-2は言語に依存しません——どの言語のアイテムであっても、リコールパフォーマンスに基づいてレビューをスケジュールします。実際、日本語は最も多く使われるSRSのユースケースの一つです（漢字・語彙・読み方の記憶負荷が高いため）。Wordropは英語と日本語の両方の語彙セットをサポートしています。

1日に何語追加すればよいですか？

ほとんどの学習者にとって1日5〜10語が持続可能な出発点です。このペースで、毎日の復習キューは15〜25アイテム程度になり、ワークフローの隙間に分散して10〜20分かかります。実際に復習できる以上の単語を追加するとバックログが蓄積し、モチベーションを低下させます。キューが大きすぎると感じたら、新しい単語の追加を一時停止してバックログを先に消化してください。