ThinkChat🤖让你学习和工作更高效,注册即送10W Token,即刻开启你的AI之旅 广告
# 1991:启用遗忘曲线 [TOC=2,5] ## SuperMemo World 在苦痛中诞生(1991) 1991 年是 [SuperMemo](https://supermemo.guru/wiki/SuperMemo) 诞生以来最重要的一年。这一年有重大决定,有压力,有大惊小怪、有新发现,更少不了勤勉耕耘。新年伊始,SuperMemo 迎来三个最大的信徒:[Biedalak](https://supermemo.guru/wiki/Krzysztof_Biedalak),[Murakowski](https://supermemo.guru/wiki/Janusz_Murakowski) 和[我自己](https://supermemo.guru/wiki/Piotr_Wozniak)。我们都立足于人生旅途上的同一位置:从大学中无忧无虑的岁月走出来,迎面是独立成年生活的不确定性。我们自然而然都梦想着在美国搞高深的科学。Biedalak 梦想研究人工智能,Murakowski 渴望参透量子物理,而我想破解[分子层面记忆](https://supermemo.guru/wiki/Neurostatistical_Model_of_Memory)的秘密。现在回想起来,只要有可喜的成绩单,优秀的标准化考试成绩,以及背景厚实的推荐信,来自东欧国家的研究生在美国是相当受欢迎的。然而如果这些研究生要求全额资助,事情就会变得更加复杂。我身无分文。此外,美国人只把孜孜以求的东方人当成尽职的劳工,对他们自己项目的热情和满腔愿景可能不那么受欢迎。我将永远不会知道。三位信徒对 [SuperMemo](https://supermemo.guru/wiki/SuperMemo) 都有不同的愿景。 1991 年 1 月 3 日,我开始为 [SuperMemo 6](https://supermemo.guru/wiki/SuperMemo_6) 实现新的[间隔重复](https://supermemo.guru/wiki/Spaced_repetition)算法。在这同一天,Murakowski 前往伦敦,在那里他将追求他的教育梦想,同时试图销售 [SuperMemo 2](https://supermemo.guru/wiki/SuperMemo_2)。他不会通过分销渠道或在商店里销售。他只是挨家挨户地解释程序的优点,好的话能拿到一些钱,不至于丧失信心。 在此期间,我和 Biedalak 定时约着去慢跑 10 公里和冬泳,并在回家的路上一起[头脑风暴](https://supermemo.guru/wiki/Brainstorming)(我们称之为**走谈**)。我们主要谈到在美国的学习生涯和如何销售 [SuperMemo](https://supermemo.guru/wiki/SuperMemo)。在讨论中,开一家[我们自己的公司](https://supermemo.guru/wiki/SuperMemo_World)的想法屡屡冒出来,而且愈发频繁。 我开始研发新的[间隔重复](https://supermemo.guru/wiki/Spaced_repetition)算法,脑子里有一些想法将永远改变 SuperMemo. SuperMemo 6 中使用的[SM-6 算法](https://supermemo.guru/wiki/History_of_spaced_repetition_(print)#Algorithm_SM-6) 是一大突破,这一算法将在之后的 25 年里继续推动软件发展。SM-6 算法将重新采用在 [1985](https://supermemo.guru/wiki/Birth_of_SuperMemo) 中引导[间隔重复](https://supermemo.guru/wiki/Spaced_repetition)发现的简单实验程序,但现在能够自动运行这一实验,收集评分数据,选择最优复习时机:算法将绘制用户的[遗忘曲线](https://supermemo.guru/wiki/Forgetting_curve)。这也意味着,用户将能够决定每一个项目可接受的[遗忘](https://supermemo.guru/wiki/Forgetting)概率(即保留率-工作量的最优权衡)。 当时,我仍然受限于 360 kB 的软盘([5.25 英寸软盘](https://en.wikipedia.org/wiki/Floppy_disk#5¼-inch_floppy_disk))。因此,SuperMemo 仍然无法保存所有的重复历史,无法大规模地完全复制 [1985](https://supermemo.guru/wiki/Birth_of_SuperMemo) 年的方法。然而,在 1990 年 1 月 6 日,我冒出一个简单的想法:我可以只针对不同[难度](https://supermemo.guru/wiki/Difficulty)和[稳定性](https://supermemo.guru/wiki/Stability)类别下的[项目](https://supermemo.guru/wiki/Item)收集[遗忘曲线](https://supermemo.guru/wiki/Forgetting_curve)数据。我无需维护完整记录,只需要计算即在给定的时间(即在给定的[可提取性](https://supermemo.guru/wiki/Retrievability)水平上),在一个给定的类别中,有多少项目[留存](https://supermemo.guru/wiki/Retention)在记忆中,即可实现类似效果。这个想法作为 [SuperMemo](https://supermemo.guru/wiki/SuperMemo) 的核心延续至今。即使今天有了重复历史的完整记录,SuperMemo 仍然可以立即知道某个类别中的项目的预期[可提取性](https://supermemo.guru/wiki/Retrievability)。 我不断学习,在自由与不确定性交织的氛围中,为 [SuperMemo](https://supermemo.guru/wiki/SuperMemo) 研究新想法。对我来说,不确定性是能量的源泉。然而,1991 年 2 月 12 日,我得知我母亲确诊为癌症晚期。在自由和不确定性的混合中,这个噩耗平添了一股沉郁气氛。对我来说,沉郁气氛也可以是能量的圆圈。我把学习的时间增加到三倍,全心全意研究癌症,希望能自己找出一些神奇的疗法。看来不合理的乐观主义对生产力有积极影响。它还表明,疯狂的乐观主义可以帮助度过困难时期。通过努力工作,我可以驱散阴霾。高生产力肯定是抗抑郁剂。我的努力工作没有给负面的想法留下空间。我有信心,我会治好我妈妈的病! 顺便说一下,我妈妈确诊的时候,我正在写一个程序来模拟记忆在应对环境时的最优行为。这个程序要从数学上证明[记忆的双组分模型](https://supermemo.guru/wiki/Two_component_model_of_memory)是最适合记忆存续的。我一得知妈妈的诊断结果,便把这项工作从我的日程表中扔掉,转去学习癌症知识。我一直没能完成这个程序,这个想法因其他项目而处于不闻不问的境地。 1991 年 3 月 6 日,在我们与 [Biedalak](https://supermemo.guru/wiki/Krzysztof_Biedalak) 的一次慢跑兼头脑风暴中,有人抛出了 *[SuperMemo World](https://supermemo.guru/wiki/SuperMemo_World)* 这个名字。当时我们无从得知,四个月后,SuperMemo World 将成为我们公司的名字,这家公司至今已成立 27 年。 1991 年 5 月 2 日,我在 SuperMemo 6 中实现了设置目标[遗忘指数](https://supermemo.guru/wiki/Forgetting_index)的选项。1991 年 7 月 5 日,[SuperMemo World](https://supermemo.guru/wiki/SuperMemo_World) 诞生了。公司最初的投资之一是一台带有硬盘的个人电脑,我得以摆脱使用软盘时的缓慢速度。 1991 年 11 月 23 日:SuperMemo 被宣布为**欧洲软件**竞赛的最终胜出者。这个好消息拯救了 [SuperMemo World](https://supermemo.guru/wiki/SuperMemo_World),也是[间隔重复](https://supermemo.guru/wiki/Spaced_repetition)的良好开端。 ## 商业化 SuperMemo 的缓慢启动 1991 年 7 月 5 日,当我们与 [Krzysztof Biedalak](https://supermemo.guru/wiki/Krzysztof_Biedalak) 建立 [SuperMemo World](https://supermemo.guru/wiki/SuperMemo_World) 时,未来看起来如此光明,以至于我们需要买墨镜。地球上有很多高智商的人,他们都需要学习。全人类都是我们的市场。唯一的问题是,如何让所有这些聪明人相信,两个在铁幕后受教育的穷学生能为他们提供什么价值。我们不可能用互联网来做这项工作。[SuperMemo](https://supermemo.guru/wiki/SuperMemo) 比互联网还要古老。由于缺乏资金,我们承担不起广告费用。1991 年的波兰没有风险投资文化。我们能做的就是把最初的几份 SuperMemo 放在文件夹里,然后把它们放在附近的计算机商店的货架上。由于我们的目标是征服全球,我们甚至没做波兰语手册。我们没能做出第一笔买卖。夏天漫长而沉寂,我们心中疑虑悄悄蔓延。 > 图:1991 年,[我们](https://supermemo.guru/wiki/SuperMemo_World)将 DOS 版 SuperMemo 5 的第一批拷贝装在粉红色的文件夹中,贴好贴纸,送到波兹南(波兰)的商店。软件所附的手册没有波兰语翻译。令人惊讶的是,竟有一些买家光顾[我们](https://supermemo.guru/wiki/SuperMemo_World)。 1991 年 9 月 9 日至 11 日之间,在 Axe Prim 电脑店,第一笔买卖做成了,可惜该店已不复存在(图片是根据原始文件夹和贴纸重建的) 然而,在 1991 年夏天,我们一份也没有卖出去。到了秋天,除了我自己之外,每个人都疑虑重重。不是对 SuperMemo,而是对这桩生意的可行性。 在成立 1.5 年后,[SuperMemo World](https://supermemo.guru/wiki/SuperMemo_World) 终于实现了盈利。还不错。 ## SM-6 算法的起源 SM-6 算法首次用于 SuperMemo 6(1991),然而,它在 SuperMemo 7(1992)中仍然继续发展。尽管在 Windows 版本中对算法多有修改,但从来没有 SM-7 版本的算法出世。最值得注意的是,从 1994 年起,在 Windows 版 SuperMemo 7 中使用了指数函数来近似[遗忘曲线](https://supermemo.guru/wiki/Forgetting_curve)。[OF 矩阵](https://supermemo.guru/wiki/OF_matrix)的近似也逐步得到了改进。 [![SuperMemo 7 for Windows (1992) displaying a forgetting curve based on averages](https://supermemo.guru/images/thumb/a/a9/Forgetting_curve_in_SuperMemo_7.png/710px-Forgetting_curve_in_SuperMemo_7.png)](https://supermemo.guru/wiki/File:Forgetting_curve_in_SuperMemo_7.png) > 图:Windows 版 SuperMemo 7 是在 1992 年编写的。截至 1992 年 9 月 3 日,它能够显示用户的[遗忘曲线](https://supermemo.guru/wiki/Forgetting_curve)图。标有 [U-系数](https://supermemo.guru/wiki/U-Factor)的横轴与这个特定图表中的天数相对应。第 14 天和第 20 天之间的奇怪弯曲是很难确定遗忘性质的原因之一。旧的错误假设很难被推翻。直到第 13 天,遗忘似乎几乎是线性的,也可能提供一个良好的指数拟合。我们又花了两年的时间收集数据,最终才找到答案(来源:《SuperMemo 7:用户指南》) [![SuperMemo 7 for Windows (1994) displaying a forgetting curve approximated with the exponential function](https://supermemo.guru/images/f/f5/Forgetting_curve_approximated_with_exponential_function_%281994%29.gif)](https://supermemo.guru/wiki/File:Forgetting_curve_approximated_with_exponential_function_(1994).gif) > 图:用指数函数近似的[遗忘曲线](https://supermemo.guru/wiki/Forgetting_curve),在 Windows 版 SuperMemo 7(1994)上显示。竖轴代表[回忆](https://supermemo.guru/wiki/Recall)的百分比。横轴用 [U-系数](https://supermemo.guru/wiki/U-Factor) 表示时间。该曲线使用 21,000 个重复案例绘制,看起来终于有了规律,足以对遗忘的根本原因作出假设 SM-6 算法有项新功能最为重要,那就是收集遗忘率的数据。有了[遗忘曲线](https://supermemo.guru/wiki/Forgetting_curve),准确地计算[最优间隔](https://supermemo.guru/wiki/Optimum_interval)就很容易了。SM-5 算法中又缓慢又不准确的 bang-bang 方法便告一段落: 存档警告:[为什么使用文字档案?](https://supermemo.guru/wiki/Why_use_literal_archives%3F) 在[SM-5 算法](https://supermemo.guru/wiki/Algorithm_SM-5) 中,确定最优系数矩阵中某项元素的值的过程如下(见上): 1. 将初始值设定为以前实验中计算的平均最优系数值(OF) 2. 如果目标元素产生的评分(1)大于期望值,则增加 OF,(2)小于期望值则减少 OF,或(3)等于期望值则不改变 OF 上述方法表明,只有经过大量重复,最优系数才能收敛到最优值,最糟糕的是,对于越往后发生的重复,修改—验证的周期(即从改变 OF 矩阵某项的值,到根据这个值得出下个间隔,由此安排下次重复,并验证改变的合理性所需的时间)就越长。 **介绍遗忘指数的概念** SM-6 算法的新颖之处在于,对最优系数矩阵中给定项对应的[遗忘曲线](https://supermemo.guru/wiki/Forgetting_curve)的斜率进行近似,并直接从近似的曲线中计算出新的最优系数的值。换句话说,由于建立了遗忘曲线和最优重复间隔之间的确定式关系,在 SM-6 算法中不需要修改—验证循环。一次重复之后,将当前数据加入遗忘曲线的数据集,得出新的近似曲线,即可据此修改最优系数。这种修改不仅使确定最优系数矩阵的最优值的过程大大加快,而且还为达到在学习过程中的期望知识[保留](https://supermemo.guru/wiki/Retention)提供了一种新手段(参见示范性的[遗忘曲线](https://supermemo.guru/wiki/Forgetting_curve))。 理想的知识[保留](https://supermemo.guru/wiki/Retention)水平可由[重复](https://supermemo.guru/wiki/Item)中[项目](https://supermemo.guru/wiki/Repetition)里被遗忘的比例得出。这个比例被称为[遗忘指数](https://supermemo.guru/wiki/Forgetting_index)(项目有记住或遗忘之分,依据学生在自我评估其进展时提供的[评分](https://supermemo.guru/wiki/Grade) 区别)。 [![An exemplary forgetting curve plotted in the course of repetitions (over 40,000 repetition cases recorded](https://supermemo.guru/images/thumb/0/08/Forgetting_curve_in_SuperMemo_8.jpg/600px-Forgetting_curve_in_SuperMemo_8.jpg)](https://supermemo.guru/wiki/File:Forgetting_curve_in_SuperMemo_8.jpg) > 图:由 [SuperMemo 8](https://supermemo.guru/wiki/Forgetting_curve) 绘制的重复过程中的示范性[遗忘曲线](https://supermemo.guru/wiki/SuperMemo_8)(记录了超过 40,000 个重复案例)。[R-系数](https://supermemo.guru/wiki/R-Factor)表明,指数回归指向 7.146 天的最优间隔。然后通过 [OF 矩阵](https://supermemo.guru/wiki/OF_matrix)将其平滑到 6.176 天。[SuperMemo](https://supermemo.guru/wiki/SuperMemo) 在这种情况下会为首个间隔取 6 天的值(如果忽略随机散布) 在上图中,时间的推移用[间隔](https://supermemo.guru/wiki/Interval)来表示,单位是天。纵轴表示知识[保留率](https://supermemo.guru/wiki/Retention)的百分比。由 90% 保留率处的水平线可以得出所要求的[遗忘指数](https://supermemo.guru/wiki/Forgetting_index),即在重复中遗忘项目的理想比例。所要求的遗忘指数线,与[遗忘曲线](https://supermemo.guru/wiki/Forgetting_curve)的交叉处,自然能得出最优间隔。在上面的例子中,[最优间隔](https://supermemo.guru/wiki/Optimum_interval)等于七天。上面的遗忘曲线是基于 40489 个重复案例绘制的。关于 [R-因子](https://supermemo.guru/wiki/R-Factor)(RF)、[O-因子](https://supermemo.guru/wiki/O-Factor)(OF)等数值的解释,请见后面的文字。 直接从[遗忘曲线](https://supermemo.guru/wiki/Forgetting_curve)中计算出的最优系数矩阵是高度不规则的,所以在 SM-6 算法中,[间隔重复](https://supermemo.guru/wiki/Spaced_repetition)中使用的矩阵,是将保留系数矩阵( RF 矩阵)平滑后的产物,它是直接从与[ OF 矩阵](https://supermemo.guru/wiki/OF_matrix) 的特定项对应的遗忘曲线得出的。换句话说,遗忘曲线决定了 RF 矩阵中各项元素的取值,但只有将这个矩阵平滑处理,得到 OF 矩阵,才可以用于计算最优间隔 ## 算法 SM-6 下面的算法描述来自我的[博士论文](https://supermemo.guru/wiki/Economics_of_learning),并作了一些澄清,指的是 1994 年的现状: 存档警告:[为什么使用文字档案?](https://supermemo.guru/wiki/Why_use_literal_archives%3F) 1. 学到的知识被分割成尽可能小的片段,称为项目 2. 项目制定为问题-答案的形式 3.通过自定进度的 drop-out 技术来记忆项目,即花时间思考某一问题,直到给出所有正确答案为止(译注: drop-out 一词没有找到合适来源,故保留原文;维基上的 Dropout 只是同名,年代和领域都对不上) 4. 从记住一个项目到第一次重复的间隔,对于所有项目都相同。这个间隔是由期望的知识保留水平决定的,这个水平又可以转换为间隔([Wozniak 1994a](https://supermemo.guru/wiki/ANE1994)),只需使用平均[遗忘曲线](https://supermemo.guru/wiki/Forgetting_curve),这一曲线是从普通学生的平均值数据库中提取的。期望的保留率是通过[遗忘指数](https://supermemo.guru/wiki/Forgetting_index)来指定的,这一保留率与重复时遗忘的项目比例相对应(学习如何从遗忘指数计算保留率,反之亦然)。请注意,为了加快优化过程,首次间隔可能会随机缩短或延长(间隔长短不一可以提高遗忘曲线的近似精度)。 5. 首个间隔是按照普通学生和普通数据库的预设计算的。然而,一旦遗忘指数的记录值偏离了目标水平,首个间隔的长度就会相应地被修改,其新值来自重复过程中绘制的负指数遗忘曲线的近似。重复评分越多,曲线就会越精确,最优重复间隔的值就会稳定下来,确保目标知识保留率达到指定水平。每次重复后,学生会给出评分,由此可以得知学生是否能准确而轻松地复现正确答案。 6. 项目按照评分划分成不同的难度类别。它们的难度在每次连续的重复中被重新估计。每个项目的难度由前面提到的 [E-系数](https://supermemo.guru/wiki/E-Factor)(E 代表「容易」(easiness))来描述。对于刚开始学习的所有项目,E-系数都等于 2.5,在随后的重复中会有所修改。例如,评分高于 4, E-系数会增加少许(评分高表明项目容易),而分低于 4 时 E-系数会降低。,以前,E-系数还用来计算,对于某一难度的项目,随着连续重复学习,其间隔长度应该增加多少倍。目前,E-系数只作为最优系数和保留系数矩阵的索引,与实际的间隔增加没有什么关系。 7. 项目难度不同,最优间隔也不同 8. 项目重复次数不同,间隔也不同 9. 为了达到由遗忘指数所决定的期望知识保留率,最优间隔的函数处于不断修正之中。换句话说,该算法将检测学生应对重复的能力,并相应地调整重复间隔的长度。 10. 最优间隔的函数表示为最优系数矩阵,简称 OF 矩阵,定义如下: for n=1: I(n,EF)=OF(n,EF) for n>1: I(n,EF)=I(n-1,EF)*OF(n,EF) 其中: - I(n,EF) - 难度 EF 对应的第 n 个间隔 - OF(n,EF) - 第 n 次重复、难度 EF 对应的最优系数 11. 最优系数矩阵是通过平滑**保留系数矩阵**(简称 RF 矩阵)得出的。保留系数矩阵的定义与[最优系数矩阵](https://supermemo.guru/wiki/OF_matrix)相同。 12. 保留系数矩阵的元素被用于估计最优系数矩阵的元素值。每个最优系数对应于一个最优间隔,该间隔在重复时产生所需的保留率(由目标遗忘指数决定)。保留系数矩阵的每个元素都对应于 E-系数和重复次数的不同值 13. 保留系数矩阵的元素,称为 **[R-系数](https://supermemo.guru/wiki/R-factor)**,是由[遗忘曲线](https://supermemo.guru/wiki/Forgetting_curve)计算出来的,其形状是根据重复的历史绘制的 14. 遗忘曲线图上的时间推移是由 **[U-系数](https://supermemo.guru/wiki/U-Factor)**来衡量的,即当前间隔和前一间隔的比率,不过第一次重复的 U-系数与第一个间隔相等,单位为天(如[图](https://supermemo.guru/wiki/History_of_spaced_repetition_(print)#forgetting_curve_in_SM8))。重复记录使得计算不同 U-系数下的保留率成为可能。保留率与时间推移(U-系数)的关系图代表了一条遗忘曲线。遗忘曲线与所需的保留水平的横截距决定了最优的 R-系数,在对保留系数矩阵进行平滑处理后,可以得到最优的 O-系数 15. 每个难度类别和重复次数都有自己的重复记录,用来绘制单独的遗忘曲线。换句话说,项目难度不同,重复次数不同,间隔都有所不同。 16. 在学习中使用的间隔取值,包括第一个间隔,都落在最优值的附近,这么做是为了更准确地绘制遗忘曲线,从而提升程序的收敛率。间隔略微分散开来的话,遗忘曲线的近似将使用图形上更分散的点集 为什么第一份软件很难卖出去?我可以从我们最早的一个客户的话语中重构这个场景,他真的去了一家商店,看了看公开展示的第一份 SuperMemo。在摆放计算机程序的架子上,与微软公司的闪亮盒子一起,他注意到一个破旧的文件夹,上面写着诱人的文字:「你的突破性快速学习软件」。他拿起文件夹,打开了一本手册,不仅是质量糟糕的复印件,而且是英语。他读到了一个用高高在上的言辞写就的令人难以置信的故事。故事简直是好得天方夜谭:“学习更快”、“知识保留极佳”、“新的科学方法” 以及 “少许耗时” 等等。他没想买下来,整套软件相当昂贵(大约 100 美元,在 1991 年的波兰可是个大数目),然而,他找到了销售人员,想知道 SuperMemo 背后的人是谁。店主对 SuperMemo 相当了解,并解释说。这个故事开始显得很可信。这位顾客一直没有忘记这段插曲。几个月后,他从当地的一些杂志上听说了 SuperMemo,并成为第一批付费客户。他的注册索取券在 1992 年 1 月到达,他的升级历史表明,他用 SuperMemo 用了几十年,现在他的儿子也是常客之一。 知道我们是如何认识的应该会有帮助。与 [Biedalak](https://supermemo.guru/wiki/Krzysztof_Biedalak) 一起,我是永远的朋友。我和他的兄弟在一个学校上学,我们相距 200 米,并且在[波兹南科技大学](https://en.wikipedia.org/wiki/Poznań_University_of_Technology)通过了同一年的计算机科学考试。我不能说我是如何说服 Biedalak 相信 SuperMemo 很不错的。我们只是太亲密了,他一直都在我的朋友圈里。这一部分很容易。[Tomek Kuehn](https://supermemo.guru/wiki/Tomasz_Kuehn) 是 SuperMemo 的第一批伟大信徒之一。他也是伟大的程序员,更是伟大的激励者。他一下子就理解了 SuperMemo 的想法。他自己写了两个版本的 SuperMemo:1988 年用于 Atari 800,1989 年用于 Atari ST。1989 年 1 月,他甚至利用一份计算机杂志(Komputer)上的广告卖出了 10 份 SuperMemo 2。我猜想,他没有收回投资的钱,否则他肯定会再次尝试这种伎俩。毕业后,库恩已经有了自己的生意:一家电脑店。这家商店也是最早向客户介绍 SuperMemo 的商店之一。他的伙伴和朋友是 [Marczello Georgiew](https://supermemo.guru/wiki/Marczello_Georgiew),他也不需要太多的说服力。Georgiew 加入了这个团队。最后,在 1990 年布达佩斯的 GRE 考试中,我遇到了 [Janusz Murakowski](https://supermemo.guru/wiki/Janusz_Murakowski)。他有极佳的数学禀赋,也可能是有史以来最快皈依 SuperMemo 的人。在我们回波兰的火车上,我提到了 SuperMemo。他一下子就被吸引住了。几天后,他已经是 [SuperMemo 2](https://supermemo.guru/wiki/SuperMemo_2) 的热心用户(截至 1990 年 6 月 13 日)。在我们公司的说唱歌中,我们唱着「我们是卖 SuperMemo 的人」。要说服人们相信 [SuperMemo](https://supermemo.guru/wiki/SuperMemo) 能有效果是非常困难的,但团队里的人一直都很热情。 到 1991 年 11 月,人们的热情开始消退。如果我们继续无功而返,我们将逐渐失去与他们的参与和热情成正比的团队。再过几个月,公司可能就要死了。SuperMemo 不会死。我肯定会寻找一个买家,或者以某种方式继续下去。我和这个产品联系得太紧密了。我自己使用它,我所有的知识都投入到我的数据库中。我可能会考虑回到在美国读博士的想法。就像1989年我能够在荷兰的大学里把工作和「下班后」的编程结合起来一样,我可能会继续下去,直到取得一些突破,比如说在网络上。也许这将是一个开放源码的产品?幸运的是,生物聚合物生物化学系的 Wojciech Makalowski 博士建议我们将 SuperMemo 提交给**欧洲软件**竞赛。由于奇迹般的好运气,我们获得了决赛资格,这立即被波兰媒体,特别是计算机期刊所关注。从那时起,SuperMemo 在波兰媒体中的地位越来越高,越来越吸引人。[Andrzej Horodenski](https://supermemo.guru/wiki/Andrzej_Horodenski) 是[第一个写关于 SuperMemo 的记者](http://www.super-memory.com/articles/horod.htm)(Computer World 1992)。[Pawel Wimmer 是第二个](https://supermemo.guru/wiki/Pawel_Wimmer:_Praising_SuperMemo._Ex_Occidente_lux)。Wimmer 直到今天仍然是忠实的,他实际上使用了 [SuperMemo 2](https://supermemo.guru/wiki/SuperMemo_2),他可能是在 1989 年在 KOMPUTER 杂志上做广告时从 [Tomasz Kuehn](https://supermemo.guru/wiki/Tomasz_Kuehn) 那里得到的。 [SuperMemo World](https://supermemo.guru/wiki/SuperMemo_World) 从一开始就是一个奇妙的组合。1991 年,我们在波兰没有风险资本注入资金,所以我们不得不卖起听着像「蛇油」的东西来自力更生。我们如履薄冰,但还是仰仗着激情,信念,以及鸿运当头活了下来。