LabHub

블로그

AI 간격 반복 & 기억 앱 2026 완벽 가이드 - Anki + AnkiHub · FSRS · RemNote AI · SuperMemo · Quizlet AI + Magic Notes · Brainscape AI · Mochi.cards · Anki Mobile · 클래스카드 · Memrise · 単語帳メーカー 심층 분석

2026-05-16 · 27 분 읽기 · #spaced-repetition#memory-apps#anki#ankihub#fsrs#remnote#supermemo#quizlet-ai#mochi-cards#brainscape#classcard#memrise

한국어English日本語

들어가며 — 2026년 5월, 간격 반복은 "AI 자동 생성" 시대로 넘어갔다

2024년만 해도 Anki를 쓰려면 카드를 손으로 만들어야 했다. 2026년 5월 현재, 그 전제는 흔들리고 있다. AnkiHub의 AI 카드 자동 생성, RemNote AI, Quizlet Magic Notes, Brainscape AI가 PDF 한 장이나 강의 녹음에서 카드 묶음을 만들어 준다. 그 와중에도 알고리즘 자체는 진화했다. 1988년의 SM-2를 35년 만에 갈아치운 FSRS(Free Spaced Repetition Scheduler) 가 2023년 Anki 23.10에 들어오면서 사실상 디폴트가 됐다.

이 글은 "어떤 앱을 쓸까"라는 표면 질문이 아니라, 간격 반복의 알고리즘 계보 · 도구 생태계 · 한국/일본 현지 흐름 · AI 자동 생성의 한계를 한꺼번에 본다. 의대생 USMLE 준비부터 일본어 한자 학습, 변호사 시험까지 실제 사용 패턴을 짚는다.

왜 기억 앱이 2026년에도 중요한가 — LLM 시대에도 살아남은 이유

"LLM이 모든 걸 답해 주는데 왜 외워야 하는가"라는 질문이 2024년에 흔했다. 2026년 5월 현재 답은 명확하다. 빠른 인지(fast recall)는 LLM이 대체할 수 없는 영역이다. 의대 본과 시험에서 5초 안에 진단 알고리즘을 떠올려야 할 때, 동시 통역사가 단어를 즉시 꺼내야 할 때, 변호사가 법정에서 판례를 회상해야 할 때, LLM 호출은 너무 느리다.

또한 재교육 의무(recertification) 가 늘었다. 미국 의사 보드, 회계사, 변호사 자격은 N년마다 재시험을 봐야 한다. 한 번 외운 걸 유지하는 도구로서 간격 반복은 여전히 1위다. 거기에 LLM이 카드를 자동 생성해 주면서 진입 장벽이 낮아진 시기가 2026년이다.

간격 반복 알고리즘 계보 — Leitner부터 FSRS까지

알고리즘은 6개 세대로 나뉜다.

  1. Leitner System (1972) — Sebastian Leitner가 제안한 물리 카드 박스 시스템. 5개의 칸을 옮겨 다닌다. 디지털 도구의 직관적 모델.
  2. SM-2 (1988) — Piotr Wozniak가 SuperMemo 2에서 도입. 카드별 "ease factor"와 간격을 계산. Anki의 클래식 알고리즘으로 35년간 사실상 표준.
  3. SM-15 / SM-17 / SM-18 — SuperMemo 라인의 상용 알고리즘. SuperMemo 15(2011), 17(2016), 18(2019)에서 점진적으로 진화. 카드 단위가 아니라 DSR(Difficulty/Stability/Retrievability) 3변수로 메모리 트레이스를 추적.
  4. HLR (Half-Life Regression, 2016) — Duolingo의 Settles & Meeder가 발표. 머신러닝으로 단어의 "반감기"를 예측. Duolingo 인프라의 기반.
  5. FSRS (2023) — Jarrett Ye가 발표한 오픈소스 ML 알고리즘. DSR 모델을 외부 데이터셋(2천만+ 리뷰)으로 학습. Anki 23.10에 기본 탑재.
  6. FSRS-5 / FSRS-6 (2025~) — 파라미터 21개로 확장. 사용자 본인 데이터로 1만 리뷰 정도면 fine-tune 가능.

가장 큰 변화는 SM-2에서 FSRS로의 이동이다. SM-2가 "ease factor 하나로 카드 난이도를 표현"했다면, FSRS는 3개 잠재 변수(D/S/R) 와 ML 학습으로 더 정확히 예측한다. 2025년 Anki 사용자 통계에서 80%가 FSRS로 마이그레이션했다.

Anki 생태계 — Damien Elmes의 25년 프로젝트

Anki는 일본어로 "암기(暗記)"를 뜻한다. Damien Elmes가 2006년에 만들어 지금까지 메인테이너로 활동 중이다. 2026년 5월 기준 Anki 24.06.3이 최신 안정 버전이다.

생태계 구조는 다음과 같다.

Anki의 강력함은 확장성에 있다. 애드온(add-on) 1500개+가 등록되어 있어 거의 모든 워크플로를 맞출 수 있다.

Anki 카드 타입 — Basic, Cloze, Image Occlusion

세 가지 핵심 카드 타입이 90%를 차지한다.

Cloze 카드의 예시 syntax는 다음과 같다.

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

이렇게 작성하면 Anki가 2장의 카드를 자동 생성한다. 한 장은 "Korea"를 가리고, 다른 한 장은 "Seoul"을 가린다.

FSRS 깊게 보기 — DSR 모델의 구조

FSRS는 카드의 메모리 상태를 3개 잠재 변수로 표현한다.

목표 리텐션(target retention, 기본 90%)에 도달하는 다음 리뷰 시점을 다음 식으로 추정한다.

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

사용자가 "Good/Hard/Again/Easy" 4개 등급으로 답하면 D/S/R이 업데이트된다. Anki 내장 FSRS 파라미터 옵티마이저로 자신의 리뷰 로그를 학습 데이터로 써서 21개 파라미터를 fine-tune 할 수 있다. 일반적으로 1만 리뷰 이상이면 의미 있는 개인화 효과가 나온다.

오픈소스 코드는 GitHub open-spaced-repetition/fsrs4anki에 공개되어 있고, Python/Rust/JS 포트가 모두 존재한다. RemNote, Trezo, Memo 같은 다른 앱들도 FSRS를 채택했다.

AnkiHub & AnKing — 의대생 학습의 표준

AnkiHub는 Anki 카드를 협업 편집하는 SaaS다. 핵심 가치는 두 가지다.

가장 유명한 덱은 AnKing Step 1/Step 2 Deck이다. USMLE 대비 35만 장+ 카드를 모은 메가덱. 2026년 5월 현재 미국 의대생 80%가 이 덱을 쓴다는 비공식 조사가 있을 정도. 4단계 구독제(USD 6~30/월)를 운영한다.

AnkiHub는 2025년부터 AI 카드 생성 기능을 추가했다. 학습자가 강의 슬라이드 PDF를 올리면 AI가 카드 시안을 만들고, 커뮤니티 검증을 거쳐 메가덱에 통합된다.

Anki 애드온 — AI 자동 생성 & TTS

2026년 5월 기준 인기 있는 AI 관련 애드온은 다음과 같다.

RemNote — 노트와 플래시카드를 합친 도구

RemNote는 "노트와 플래시카드의 합체"를 표방한다. Notion처럼 outline을 만들면서 동시에 그 안에 인라인으로 플래시카드를 박는다. 의대생을 1차 타깃으로 잡은 결과 2026년 5월 기준 USD 200만 ARR, 의대 학습 시장에서 Anki 다음 점유율 2위.

핵심 특징:

가격: 무료 / Pro(USD 12/월) / AI(USD 19/월) 3단 구조.

SuperMemo 19 — Wozniak의 원조 도구

SuperMemo는 Piotr Wozniak가 1985년에 시작한 간격 반복의 원조다. 2026년 5월 현재 SuperMemo 19(Windows 데스크톱) + SuperMemo Web이 운영된다. 알고리즘 SM-18을 사용한다.

장점:

단점:

진지한 학습자(연구자, 폴리매스, 메가덱 운영자)에겐 여전히 1위지만, 일반 사용자에겐 Anki가 진입이 쉽다.

Quizlet + Magic Notes + Q-Chat — AI로 부활한 옛 강자

Quizlet은 2005년 고등학생 Andrew Sutherland가 만든 미국식 플래시카드 도구다. 한때 USD 18억 가치 평가까지 받았으나 Anki에 밀리는 추세였다. 2024년부터 Magic Notes와 Q-Chat(AI 튜터)을 출시하며 AI 학습 플랫폼으로 재포지셔닝.

EdTech 시장 분석은 별도 글(iter83)에 자세히 다뤘다. 여기서는 SR 관점에서 보면, Quizlet의 SR 알고리즘은 Anki/FSRS만큼 정교하지 않다. 다만 UX와 카드 공유 라이브러리(5억+ 덱)는 압도적이다. 고등학생/대학교 학부생의 1차 도구.

Brainscape — Confidence-Based Repetition (CBR)

Brainscape는 2010년 창립한 미국 회사. 알고리즘이 Anki/FSRS와 다른 CBR(Confidence-Based Repetition) 을 쓴다. 사용자가 카드를 본 직후 "1~5 confidence"를 매기면 그걸로 간격을 조정. 단순하지만 빠른 진입에 강함.

Mochi.cards — Markdown 기반의 모던 도구

Mochi는 캐나다 1인 개발자(Anthony Bullard)가 만든 모던 플래시카드 앱. 키 차별점은 Markdown 우선이다.

# Korea Capital
What is the capital of Korea?
---
Seoul (서울)

이렇게 마크다운 파일로 카드를 관리한다. Anki의 SQLite DB 대비 GitHub로 카드 라이브러리를 관리하기 쉽다.

기술 학습자(엔지니어, 의대생) 사이에서 사용자 수가 늘고 있다. Anki만큼 강력하진 않지만 더 깔끔한 UX를 원한다면.

Memrise — 언어 전용으로 피벗

Memrise는 2010년 Ed Cooke가 창립. 원래 일반 SR 도구였으나 2022년 언어 전용으로 피벗했다. 알고리즘은 자체 SR + AI 회화 연습.

언어 학습 외엔 더 이상 추천되지 않는다. TinyCards(Duolingo, 2017~2020) 도 비슷한 운명이었다 — 일반 SR 시장은 Anki가 사실상 독점.

Pimsleur, Duolingo, WaniKani, Bunpro — 언어 학습 특화 도구

언어 학습에서 SR이 어떻게 쓰이는지 짚고 가자.

이들은 일반 SR 도구가 아니라 언어 학습에 특화한 콘텐츠 + SR을 묶어 파는 모델이다. Anki + Core 6k 같은 무료 조합 대비 콘텐츠 큐레이션이 가치.

한국어 학습 도구 — 클래스카드 vs 퀴즐렛 한국

한국 시장은 클래스카드(Classcard) 가 1위다. 2014년 NHN에듀가 인수해 운영. 중·고등학생 시장 점유율 압도적.

대안:

대학생 이상은 Anki + Core 2k/6k Korean 같은 무료 조합으로 넘어가는 경향이 있다.

일본어 학습 흐름 — 단어장 메이커 · iKnow · WaniKani

일본 시장은 분화되어 있다.

학생 시장은 단어장 메이커, 사회인 시장은 iKnow, 외국인 학습자는 WaniKani + Anki로 갈라진다. Core 6k 같은 클래식 덱은 2007년 만들어진 이래 100만 명 이상이 썼다는 추정이 있다.

의대 / 전문직 자격 학습 — AnKing, Pixorize, Sketchy

전문직 시장의 SR 도구는 별도 트랙이다.

이들은 도구가 아니라 콘텐츠 + SR 인프라다. 가격이 USD 200~2000/년 수준으로 일반 도구보다 한 자릿수 비싸다.

Notion · Obsidian · LogSeq 통합 플러그인

PKM(Personal Knowledge Management) 도구와 SR을 통합하는 흐름이 강해졌다.

PKM과 SR을 한 도구에서 끝내려는 흐름의 핵심은 "카드를 만들 시점이 노트 작성 시점"이라는 발상이다. Anki를 따로 띄울 필요가 없으니 마찰이 줄어든다.

AI 카드 자동 생성 — PDF 한 장에서 100장의 카드까지

2026년 5월 기준 AI 자동 생성의 실용성을 보자.

  1. PDF/슬라이드 업로드: 강의 슬라이드, 교과서 챕터 PDF.
  2. AI가 핵심 명제 추출: LLM이 명제 단위로 분해.
  3. Cloze deletion 자동 생성: 핵심 단어를 빈칸 처리.
  4. 이미지 occlusion 자동 검출: OCR + 객체 탐지로 라벨 박스를 가림.
  5. TTS로 음성 추가: 단어 발음 자동 생성.

대표 서비스:

다만 AI가 만든 카드의 품질은 여전히 50~70% 수준이다. 의대생 사용자 인터뷰에 따르면 50%는 그대로 쓸 만하고, 30%는 수정이 필요하고, 20%는 버려야 한다. AI 생성을 1차 초안 → 인간 검수 흐름이 표준이다.

브라우저 확장 — Polar Bookshelf, Readwise → 카드

읽은 글에서 카드를 만드는 흐름도 자동화되고 있다.

이들은 SR이 메인이 아니라 하이라이트 보존 + SR 옵션이다. 책 한 권에서 핵심 30개 카드를 자동 생성하는 흐름.

학술 연구 — SR의 과학적 기반

SR이 효과 있는 이유를 학술 연구로 봐 두자.

이 연구들은 SR이 단순한 기술이 아니라 인지심리학 수십 년의 결정체임을 보여준다.

조합 패턴 — 실제 학습자는 어떻게 묶는가

학습 목적별 추천 스택이다.

순수 SR 효율만 보면 Anki+FSRS가 최고지만, 시작 마찰과 콘텐츠 큐레이션이 도구 선택의 실제 변수다.

도입 로드맵 — 0에서 시작하는 학습자

처음 SR을 시작하는 사람을 위한 단계.

  1. 2주차: Anki Mobile 또는 Quizlet으로 50장 정도의 카드를 만들어 매일 리뷰. 습관화가 1순위.
  2. 1개월차: 카드 카테고리 분리(언어, 직무 지식, 일반 교양). 리뷰 시간 측정.
  3. 3개월차: FSRS 마이그레이션(Anki 23.10+ 자동) + 파라미터 옵티마이저 1회 실행.
  4. 6개월차: AI 자동 생성 도구 1개 추가. PDF 한 장에서 카드 묶음 만들어 보기.
  5. 1년차: Image Occlusion, Cloze 고급 syntax, 이미지 + TTS 종합 카드.
  6. 2년차: 자기 학습 도메인의 메가덱 1개 완성. 1만 장 이상.

도구 선택보다 매일 15~30분 리뷰 습관이 압도적으로 더 중요하다. Anki 사용자 평균 일일 리뷰 시간은 25분이다.

마치며 — 2026년 5월, "SR은 알고리즘이 아니라 습관"

이 글은 알고리즘과 도구를 자세히 봤지만, 마지막 결론은 단순하다. SR의 90%는 매일 앱을 여는 습관이다. FSRS가 SM-2보다 10% 더 정확하다 한들, 매일 안 열면 0%다.

AI 자동 생성은 진입 장벽을 낮춰 줬다. 2024년의 "카드 만드는 게 귀찮다"는 핑계는 2026년에 안 통한다. PDF 한 장에서 카드 묶음을 자동으로 만들 수 있는 시점이다.

도구 선택은 1주일 정도 비교해 정하고, 그 후엔 잊자. 진짜 일은 매일 25분의 리뷰다.

References

원문 보기: https://www.youngju.dev/blog/culture/2026-05-16-ai-spaced-repetition-memory-apps-2026-anki-ankihub-remnote-supermemo-quizlet-ai-mochi-cards-brainscape-classcard-memrise-deep-dive

댓글

아직 댓글이 없습니다.

로그인하면 댓글을 쓸 수 있습니다