Преминаване към основното съдържание
OpenAI

29 юли 2025 г.

Продукт

Въвеждане на режим на учене

Нов начин за учене в ChatGPT, който предлага насоки стъпка по стъпка вместо бързи отговори.

Зареждане…

Днес представяме режим на учене в ChatGPT – учебен процес, който ви помага да решавате проблеми стъпка по стъпка, вместо просто да получавате отговор. От днес е налично за влезлите потребители на Free, Plus, Pro и Team, а през следващите няколко седмици ще бъде налично и в ChatGPT Edu.

ChatGPT се превръща в един от най-широко използваните инструменти за обучение в света. Учениците се обръщат към него, за да решат трудни домашни задачи, да се подготвят за изпити и да изследват нови концепции. Но използването му в образованието повдигна и важен въпрос: как да гарантираме, че той се използва за подпомагане на истинското обучение, а не просто предлага решения, без да помага на учениците да ги осмислят?

Създадохме режим на учене, за да помогнем да отговорите на този въпрос. Когато учениците се включат в режим на учене, те се срещат с насочващи въпроси, които адаптират отговорите към тяхната цел и ниво на умения, за да им помогнат да изградят по-дълбоко разбиране. Режимът на учене е проектиран така, че да бъде ангажиращ и интерактивен и да помага на учениците да научат нещо, а не просто да го завършат.  

Как е създаден режимът на учене

Под капака режимът за учене се захранва от персонализирани системни инструкции, които сме написали в сътрудничество с учители, учени и експерти по педагогика, за да отразяват основен набор от поведения, които поддържат по-дълбоко обучение, включително: ​​насърчаване на активното участие, управление на когнитивното зареждане, проактивно развитие на метапознанието и саморефлексията, насърчаване на любопитството и предоставяне на полезна и подкрепяща обратна връзка. Тези поведения се основават на дългогодишни изследвания в областта на науката за обучението и оформят начина, по който режимът на учене реагира на учениците.

„Вместо да върши работата вместо тях, режимът на учене насърчава учениците да помислят критично за своето обучение. Функции като тези са положителна стъпка към ефективното използване на ИИ за учене. Дори в ерата на ИИ, най-доброто учене все още се случва, когато учениците са развълнувани и активно се ангажират с учебния материал.“ —Роби Торни, старши директор на програмите за ИИ в Common Sense Media.

Ключови характеристики

Интерактивни подкани: Съчетава Сократовите въпроси, подсказките и подканите за самоанализ, за да насочи разбирането и да насърчи активното учене, вместо да дава отговори направо.

Структурирани отговори: Информацията е организирана в лесни за следване раздели, които подчертават ключовите връзки между темите, поддържат интереса към информацията с точното количество контекст и намаляват претоварването при сложни теми.

Персонализирана поддръжка: Уроците са съобразени с подходящото ниво на потребителя, базирани на въпроси, които оценяват нивото на умения и паметта от предишни чатове.

Проверки на знанията: Викторините и отворените въпроси, както и персонализираната обратна връзка за проследяване на напредъка, поддържат запазването на знанията и способността да се прилагат тези знания в нови контексти.

Гъвкавост: Лесно превключвайте режима на учене по време на разговор, което ви дава гъвкавостта да се адаптирате към вашите учебни цели във всеки разговор.

Как студентите използват режима на учене

Режимът на учене е създаден с мисъл за студентите в колеж. Някои обратни връзки, които чухме от учениците по време на ранното тестване:

„Най-добрият начин, по който бих го описал, е като „работно време“ на живо, 24 часа в денонощието, 7 дни в седмицата, в което всичко е известно.“ —Ноа Кембъл, студент в колеж 

Режимът на учене се справи чудесно с разбиването на плътния материал на ясни и добре структурирани обяснения.“ — Кейлъб Маси, студент в колеж 

„Поставих на тестване режима на учене, за да ме обучи на концепция, която съм се опитвал да науча много пъти преди: синусоидални позиционни кодировки.“ Беше като учител, който не се уморява от въпросите ми. След 3-часова работна сесия най-накрая го разбрах достатъчно добре, за да се чувствам уверен.“ —Маги Уанг, студентка в колеж

Начини за използване на режим на учене, вдъхновени от студенти от лабораторията ChatGPT

I want to learn about Game Theory, specifically the broad spectrum that the field entails, then also the ways in which you think it'd be useful for me to understand in my daily life. I want you to of course follow my curiousity, but mostly you will be teaching me about it, and keeping a high level plan to iterate through so I can cover the full scope here. I will ask questions when I am curious, but be deadset on quickly educating me on this.

Perfect. Here’s the high-level plan I’ll drive us through—think of it as a layered roadmap from foundational ideas to practical intuition:


🔹 Phase 1: Core Foundations

1. What is Game Theory, really?

  • Strategic interaction, rational agents, assumptions.

2. Types of Games

  • Cooperative vs non-cooperative
  • Simultaneous vs sequential
  • Zero-sum vs non-zero-sum

3. Basic Concepts

  • Players, strategies, payoffs, information
  • Dominant strategies
  • Nash equilibrium (core to nearly everything)

🔸 Phase 2: Classic Games & Concepts

4. Famous Games

  • Prisoner’s Dilemma
  • Chicken
  • Battle of the Sexes
  • Stag Hunt
  • Matching Pennies

5. Mixed Strategy Equilibria

  • When no pure strategy works
  • Randomization and expected payoffs

🔹 Phase 3: Deepening the Model

6. Repeated Games & Folk Theorems

  • Cooperation emerging over time
  • Tit for Tat, Grim Trigger, etc.

7. Extensive-Form Games

  • Game trees, backward induction
  • Subgame Perfect Equilibria

8. Bayesian Games

  • Games with incomplete information
  • Beliefs, types, and expected utility

🔸 Phase 4: Real-Life Relevance

9. Mechanism Design / Reverse Game Theory

  • Voting systems, auctions, contracts

10. Behavioral Game Theory

  • Bounded rationality, fairness, heuristics

11. Daily Life Applications

  • Negotiation, dating, politics, AI systems, etc.

🔹 Phase 5: Advanced & Optional

12. Evolutionary Game Theory

  • Strategies that reproduce over time

13. Algorithmic Game Theory

  • Network effects, internet auctions

14. Your world: How it matters to Parker

  • Systems design, incentives, power structures

Throughout this, I’ll mix in:

  • 🔄 Guided examples
  • 🧠 Thought experiments
  • 🎭 Real-life situations to map theory onto
  • 🧩 Quick checks to make sure ideas are sticking

Let’s kick off Phase 1.
First quick one: In your own words, what do you think Game Theory is about? No need to be polished—just get it out.

I think Game Theory is sort of this meta aspect framing of modern society in life where we look at people in situations and complex systems and we try to analyze how people in them make decisions, sometimes why they make it, and how this affects the situation/system

Nice—you're already circling the core.

Let’s sharpen it a bit together. Game Theory is fundamentally about strategic decision-making—situations where the outcome for each person depends not just on what they do, but on what others do too.

So real quick:

If you’re making a decision and it depends entirely on nature or chance—like a dice roll—is that Game Theory?

And then:

If you’re making a decision and it depends on what someone else does—like whether they cooperate or betray you—is that Game Theory?

Walk me through your thinking on both.

No random chance isn't game theory, though agents in game theory may end up having things depend on random chance. But if youre decision matters then of course it is. Also please remember you should be teaching this to me, via paragraphs of information and moving through a high level plan. If I want to do interactions and questions, I will ask. Continue

Got it—I'll stay in teaching mode and drive forward through the roadmap unless you tap in.


📍Phase 1: Core Foundations — What Game Theory Is

At its heart, Game Theory studies strategic interactions: any situation where the outcome for each agent (person, company, nation, etc.) depends on the actions of others. It’s not about games in the traditional sense, but rather any “game” where decisions must be made in the presence of others who are also making decisions.

Key Assumptions (Classical Game Theory):

1. Rational agents – Everyone acts to maximize their own utility (whatever that means to them).

2. Strategic thinking – Agents consider what others might do before acting.

3. Common knowledge – Everyone knows the rules, the payoffs, and that everyone is rational (though later variants relax this).


🧩 Core Building Blocks

Here are the elements every formal game model needs:

  • Players – The decision-makers.
  • Strategies – The complete set of actions each player could take.
  • Payoffs – The outcomes (usually represented numerically) each player receives depending on the combination of strategies chosen.
  • Rules of play – Whether players move simultaneously or in turns, whether they see each other’s moves, whether they play once or repeatedly.

These get framed into a “game form”, and from there, you look for solutions—most famously, Nash equilibrium (more on that soon).


🎲 Quick Clarification: Game Theory vs Probability

You're exactly right—pure chance (like dice) isn’t Game Theory. That’s probability theory. But if you are choosing a strategy knowing that others may randomize their own moves? That’s Game Theory.

For example: in rock-paper-scissors, the “optimal” strategy is not deterministic—it’s a mixed strategy, which involves randomizing your choices. But you’re doing so strategically, in response to an opponent.


🧠 Where We’re Going Next

Next up, I’ll walk through types of games (Phase 1 continued), then move into dominant strategies and Nash equilibrium to set up the first actual game analysis.

Let me know if you want to pause, go deeper, or shift gears—but otherwise I’ll keep pressing forward.

I like the rock paper scissors example. Keep going, connecting to my life where possible. want to internalize this to be a better person/decision maker

Първи стъпки 

Режимът на учене е особено полезен за помощ с домашните, подготовка за тестове и изучаване на нови теми. За да го изпробвате, изберете „Учете и научете“ от инструментите в ChatGPT и задайте въпрос. 

Ограничения и какво следва

Това е първата стъпка в едно по-дълго пътуване за подобряване на обучението в ChatGPT.  Днес режимът на учене се управлява от персонализирани системни инструкции. Избрахме този подход, защото той ни позволява бързо да се учим от реалната обратна връзка с учениците и да подобряваме преживяването – дори ако това води до някои непоследователни действия и грешки в различните разговори. Планираме да обучим това поведение директно в нашите основни модели, след като научим какво работи най-добре чрез итерации и обратна връзка от учениците. 

Изследваме и функционалности, които да направят режима на учене по-ангажиращ и полезен за учениците, включително:

  • По-ясни визуализации за сложни или тежки като текст концепции
  • Поставяне на цели и проследяване на напредъка в разговорите
  • По-дълбока персонализация, съобразена с нивото на уменията и целите на всеки ученик

Изследователският пейзаж относно най-добрите начини за прилагане на ИИ в образованието все още се оформя. OpenAI дава възможност за по-нататъшни изследвания в областта на обучението и ИИ чрез различни партньори в своята инициатива NextGenAI и работи с експерти от инициативата SCALE в Акселератора за обучение на Станфордския университет(отваря се в нов прозорец), за да проучи и сподели как инструментите с ИИ влияят на резултатите от обучението в области като K-12 образованието.

С провеждането на по-дългосрочни проучвания за това как учениците се учат най-добре с помощта на ИИ възнамеряваме да публикуваме по-задълбочен анализ на наученото за връзките между дизайна на моделите и познанието, да оформим бъдещи продукти въз основа на тези прозрения и да работим рамо до рамо с по-широката образователна екосистема, за да гарантираме, че ИИ е от полза за учащите по целия свят.