29. července 2025

Představujeme studijní režim

Nový způsob učení v ChatGPT, který nabízí vedení krok za krokem namísto rychlých odpovědí.

Načítání…

Dnes v ChatGPT představujeme studijní režim – vzdělávací zážitek, který ti pomůže řešit problémy krok za krokem, místo abys jen dostával odpovědi. Od dnešního dne je k dispozici přihlášeným uživatelům verzí Free, Plus, Pro a Team, v ChatGPT Edu bude k dispozici v příštích několika týdnech.

ChatGPT se stává jedním z nejpoužívanějších vzdělávacích nástrojů na světě. Studenti ho využívají k řešení náročných domácích úkolů, přípravě na zkoušky a objevování nových konceptů. Jeho využití ve vzdělávání však vyvolalo také důležitou otázku: jak zajistit, aby sloužilo k podpoře skutečného učení a nenabízelo pouze řešení, aniž by studentům pomáhalo jim porozumět?

Vytvořili jsme studijní režim, který ti pomůže odpovědět na tuto otázku. Když se studenti zapojí do studijního režimu, setkávají se s vodícími otázkami, které kalibrují odpovědi na jejich cíl a úroveň dovedností, aby jim pomohly prohloubit jejich porozumění. Studijní režim je navržen tak, aby byl poutavý a interaktivní a aby studentům pomohl něco se naučit – ne jen něco dokončit.

Jak byl studijní režim vytvořen

Studijní režim je založen na vlastních systémových instrukcích, které jsme vytvořili ve spolupráci s učiteli, vědci a odborníky na pedagogiku, aby odrážely základní soubor chování, které podporuje hlubší učení, včetně: povzbuzování aktivní účasti, řízení kognitivní zátěže, proaktivního rozvíjení metakognice a sebereflexe, podněcování zvědavosti a poskytování praktické a podpůrné zpětné vazby. Tato chování jsou založena na dlouhodobém výzkumu v oblasti vědy o učení a formují, jak studijní režim reaguje na studenty.

„Místo aby za ně dělali práci, studijní režim studenty povzbuzuje ke kritickému přemýšlení o jejich učení.“ Funkce jako tyto jsou pozitivním krokem k efektivnímu využití AI pro učení. „I v éře umělé inteligence se nejlepší učení stále odehrává, když jsou studenti nadšení z učiva a aktivně se do něj zapojují.“ – Robbie Torney, vrchní ředitel programů umělé inteligence ve společnosti Common Sense Media.

Klíčové vlastnosti

Interaktivní prompty: Kombinují sokratovské otázky, nápovědy a podněty k sebereflexi, aby vedly k porozumění a podpořily aktivní učení, namísto poskytování přímých odpovědí.

Uspořádané odpovědi: Informace jsou uspořádány do snadno sledovatelných sekcí, které zdůrazňují klíčové souvislosti mezi tématy, udržují informace poutavé s přesně správným množstvím kontextu a snižují zahlcení složitými tématy.

Personalizovaná podpora: Lekce jsou přizpůsobeny správné úrovni pro uživatele, na základě otázek, které hodnotí úroveň dovedností a paměť z předchozích chatů.

Kontroly znalostí: Kvízy a otevřené otázky spolu s personalizovanou zpětnou vazbou pro sledování pokroku podporují uchovávání znalostí a schopnost tyto znalosti aplikovat v nových kontextech.

Flexibilita: Během konverzace můžeš snadno zapínat a vypínat studijní režim, což ti dává flexibilitu přizpůsobit se svým studijním cílům v každé konverzaci.

Jak studenti používají studijní režim

Studijní režim byl vytvořen s ohledem na vysokoškolské studenty. Některé zpětné vazby, které jsme slyšeli od studentů během úvodního testování:

Nejlépe bych to popsal jako živé, nepřetržité, vševědoucí „konzultační hodiny“. – Noah Campbell, vysokoškolský student

„Studijní režim skvěle rozložil hutnou látku do jasných, dobře načasovaných vysvětlení.“ – Caleb Masi, vysokoškolský student

„Vyzkoušela jsem studijní režim, aby mě doučil koncept, který jsem se už mnohokrát pokoušela naučit: sinusoidální poziční kódování.“ Bylo to jako lektor, kterého moje otázky neunavují. „Po tříhodinové pracovním sezení jsem to konečně pochopila natolik, že jsem se cítila sebejistě.“ – Maggie Wang, vysokoškolská studentka

Způsoby využití studijního režimu inspirované vysokoškolskými studenty z laboratoře 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

Začínáme

Studijní režim je obzvláště užitečný pro pomoc s domácími úkoly, přípravu na testy a učení nových témat. Abys to vyzkoušel, vyber z nástrojů v ChatGPT možnost „Studium a učení“ a polož otázku.

Omezení a co bude dál

Toto je první krok na delší cestě ke zlepšení učení v ChatGPT. Dnes je studijní režim poháněn vlastními systémovými instrukcemi. Zvolili jsme tento přístup, protože nám umožňuje rychle se učit ze skutečné zpětné vazby studentů a zlepšovat zážitek – i když to může vést k určitému nekonzistentnímu chování a chybám v konverzacích. Plánujeme přímo začlenit toto natrénování do našich hlavních modelů, jakmile zjistíme, co funguje nejlépe díky iteraci a zpětné vazbě od studentů.

Prozkoumáváme také funkce, které by studentům zpříjemnily studijní režim a pomohly jim, včetně:

Jasnější vizualizace pro složité nebo textově náročné koncepty
Stanovení cílů a sledování pokroku napříč konverzacemi
Hlubší personalizace přizpůsobená úrovni dovedností a cílům každého studenta

Výzkumné prostředí ohledně nejlepších způsobů aplikace umělé inteligence ve vzdělávání se stále vyvíjí. OpenAI umožňuje další výzkum v oblasti učení a umělé inteligence prostřednictvím různých partnerů v rámci své iniciativy NextGenAI a⁠ spolupracuje s odborníky z iniciativy SCALE v Akcelerátoru pro učení Stanfordské univerzity⁠(otevře se v novém okně) na studiu a sdílení toho, jak nástroje umělé inteligence ovlivňují výsledky učení v oblastech, jako je vzdělávání od mateřské školy po střední školu.

Jak provádíme dlouhodobé studie o tom, jak se studenti nejlépe učí s AI, máme v úmyslu zveřejnit hlubší analýzu toho, co jsme se dozvěděli o odkazech mezi návrhem modelů a kognicí, formovat budoucí produktové zkušenosti na základě těchto poznatků a spolupracovat s širším vzdělávacím ekosystémem, abychom zajistili, že AI bude přínosem pro studenty na celém světě.

Autor

OpenAI

Pokračuj ve čtení

Zobrazit vše

Introducing the OpenAI Partner Network

Produkt14. 6. 2026

Better memory for a more helpful ChatGPT

Dreaming: Better memory for a more helpful ChatGPT

Výzkum4. 6. 2026

Představujeme nové schopnosti GPT-Rosalind

Produkt3. 6. 2026