29. juli 2025.

Predstavljamo režim učenja

Novi režim učenja u ChatGPT‑u koji nudi upute korak po korak, umjesto brzih odgovora.

Učitavanje…

Danas predstavljamo režim učenja u ChatGPT‑u – iskustvo učenja koje vam pomaže da korak po korak rješavate probleme umjesto da samo dobijete odgovor. Počevši od danas, dostupan je korisnicima koji su se prijavili na Free, Plus, Pro, Team, a dostupnost u ChatGPT Edu dolazi u sljedećih nekoliko sedmica.

ChatGPT postaje jedan od najčešće korištenih alata za učenje u svijetu. Studenti se okreću njemu kako bi riješili izazovne domaće zadaće, pripremili se za ispite i istražili nove koncepte. Ali njegova upotreba u obrazovanju također je pokrenula važno pitanje: kako osigurati da se koristi za podršku stvarnom učenju, a ne samo da nudi rješenja bez pomaganja učenicima da ih razumiju?

Izgradili smo režim učenja kako bismo pomogli odgovoriti na ovo pitanje. Kada se studenti uključe u režim učenja, susreću se s usmjeravajućim pitanjima koja prilagođavaju odgovore njihovom cilju i nivou vještina kako bi im pomogla da izgrade dublje razumijevanje. Režim učenja je osmišljen da bude zanimljiv i interaktivan, te da pomogne studentima da nešto nauče, a ne samo da nešto završe.

Kako je izgrađen režim učenja

Ispod površine, režim učenja pokreću prilagođena sistemska uputstva koja smo napisali u saradnji s nastavnicima, naučnicima i pedagoškim stručnjacima kako bismo odrazili osnovni skup ponašanja koja podržavaju duboko učenje, uključujući: poticanje aktivnog sudjelovanja, upravljanje kognitivnim opterećenjem, proaktivno razvijanje metakognicije i samorefleksije, poticanje radoznalosti i pružanje praktičnih i podržavajućih povratni odgovor. Ova ponašanja se zasnivaju na dugogodišnjim istraživanjima u nauci o učenju i oblikuju kako režim učenja reaguje na učenike.

„Umjesto da obavlja posao umjesto njih, režim učenja podstiče učenike da kritički razmisle o svom učenju. Funkcije poput ovih predstavljaju pozitivan korak ka efikasnom korištenju vještačke inteligencije za učenje. Čak i u eri umjetne inteligencije, najbolje učenje se i dalje dešava kada su učenici uzbuđeni zbog gradiva lekcije i aktivno se angažuju s njim.“ —Robbie Torney, viši direktor AI programa u kompaniji Common Sense Media.

Ključne karakteristike

Interaktivni upiti: Kombinuju sokratovska pitanja, savjete i upite za samorefleksiju kako bi vodili razumijevanje i podsticali aktivno učenje, umjesto davanja odgovora direktno.

Odgovori s potporom: Informacije su organizirane u lako pratljive odjeljke koji ističu ključne veze između tema, održavajući informacije zanimljivima s pravom količinom konteksta i smanjujući preopterećenost složenim temama.

Personalizirana podrška: Lekcije su prilagođene odgovarajućem nivou za korisnika, na osnovu pitanja koja procjenjuju nivo vještine i sjećanje iz prethodnih chatova.

Provjere znanja: Kvizovi i otvorena pitanja, zajedno s personaliziranim povratnim odgovorima za praćenje napretka, pružaju podršku zadržavanju znanja i sposobnosti primjene tog znanja u novim kontekstima.

Fleksibilnost: Lako uključite i isključite režim učenja tokom razgovora, što vam daje fleksibilnost da se prilagodite svojim ciljevima učenja u svakom razgovoru.

Kako studenti koriste režim učenja

Režim učenja izgrađen je imajući na umu studente fakulteta. Neki povratni odgovor koje smo čuli od učenika tokom ranog testiranja:

„Najbolji način na koji bih to opisao je uživo, 24/7, sveznajuće „radno vrijeme“.“ —Noah Campbell, student na fakultetu

„Režim učenja je odlično razložio gusti materijal u jasna i dobro tempirana objašnjenja.“ — Caleb Masi, student

„Stavio sam režim učenja na test kako bi me podučio o konceptu koji sam mnogo puta ranije pokušavao naučiti: sinusoidalno pozicijsko kodiranje. Bilo je kao tutor koji se ne umara mojim pitanjima. Nakon tročasovne radne sesije, konačno sam to dovoljno dobro razumio da se osjećam samouvjereno.“ —Maggie Wang, studentica na fakultetu

Načini korištenja režima učenja inspirisani studentima sa fakulteta iz ChatGPT laboratorija

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

Početak rada

Režim učenja je posebno koristan za pomoć pri domaćim zadaćama, pripremu testova i učenje novih tema. Da biste to isprobali, odaberite „Uči i nauči“ iz alata u ChatGPT‑u i postavite pitanje.

Ograničenja i šta je sljedeće

Ovo je prvi korak u dužem putovanju ka poboljšanju učenja u ChatGPT‑u. Danas režim učenja pokreću prilagođene sistemske instrukcije. Odabrali smo ovaj pristup jer nam omogućava da brzo učimo iz stvarnih povratnih odgovora studenata i poboljšamo iskustvo—čak i ako to rezultira nekim nedosljednim ponašanjem i greškama u razgovorima. Planiramo direktno ugraditi ovu obuku u naše glavne modele kada naučimo šta najbolje funkcioniše kroz iteracije i povratni odgovor učenika.

Također istražujemo funkcionalnosti kako bismo režim učenja učinili zanimljivijim i korisnijim za studente, uključujući:

Jasnije vizuelizacije za složene ili tekstualno teške koncepte
Postavljanje ciljeva i praćenje napretka kroz razgovore
Dublja personalizacija prilagođena nivou vještina i ciljevima svakog učenika

Istraživački okvir još uvijek se oblikuje kada je riječ o najboljim načinima primjene AI u obrazovanju. OpenAI omogućava daljnja istraživanja o učenju i umjetnoj inteligenciji putem raznih partnera u svojoj inicijativi NextGenAI⁠, te sarađuje sa stručnjacima iz inicijative SCALE na Akceleratoru za učenje Univerziteta Stanford⁠(otvara se u novom prozoru) kako bi proučavali i dijelili kako alati umjetne inteligencije utiču na ishode učenja u oblastima kao što je obrazovanje od predškolskog do 12. razreda.

Dok provodimo dugoročne studije o tome kako učenici najbolje uče uz pomoć umjetne inteligencije, namjeravamo objaviti dublju analizu onoga što smo naučili o poveznicama između dizajna modela i kognicije, oblikovati buduća iskustva s proizvodima na temelju ovih uvida i raditi zajedno sa širim obrazovnim ekosistemom kako bismo osigurali da umjetna inteligencija koristi učenicima širom svijeta.

Autor

OpenAI

Nastavite čitati

Prikažite sve

Better memory for a more helpful ChatGPT

Snažniji temelj za memoriju ChatGPT-a

Istraživanje4. jun 2026.

Predstavljamo nove mogućnosti za GPT-Rosalind

Product3. jun 2026.

Codex za svaku ulogu, alat i tok rada

Product2. jun 2026.