Gå til hovedindhold
OpenAI

29. juli 2025

Produkt

Vi præsenterer studiehjælp

En ny funktion i ChatGPT, der forbedrer indlæringen gennem trinvis vejledning i stedet for hurtige svar.

Indlæser ...

Vi præsenterer i dag studiehjælp i ChatGPT – en læringsfunktion, der hjælper dig med trinvist at arbejde dig gennem problemer i stedet for blot at få svar. Fra i dag er det gratis for brugere, der er logget ind på Free, Plus, Pro og Team. I løbet af de næste par uger vil den også blive tilgængelig i ChatGPT Edu.

ChatGPT er ved at blive et af de mest udbredte læringsværktøjer i verden. Eleverne eller de studerende bruger dem til at løse udfordrende hjemmeopgaver, forberede sig til eksamener og udforske nye begreber. Brugen i undervisning har imidlertid også rejst et vigtigt spørgsmål: Hvordan sikrer vi, at det bruges til at understøtte reel læring og ikke blot tilbyder løsninger uden at hjælpe eleverne med at forstå dem?

For at hjælpe med at besvare dette spørgsmål har vi udviklet studiehjælp. Når eleverne eller de studerende bruger studiehjælp, bliver de mødt med vejledende spørgsmål, der kalibrerer svarene til deres mål og færdighedsniveau for at hjælpe dem med at opbygge en dybere forståelse. Studiehjælp er designet til at være inddragende og interaktivt, og til hjælpe de studerende med at lære noget – ikke bare afslutte noget.  

Sådan blev studiehjælp opbygget

Studiehjælp drives af brugerdefinerede systeminstruktioner, vi har skrevet i samarbejde med lærere, forskere og pædagogiske eksperter for at afspejle et kernesæt med adfærd, der understøtter dybere læring, herunder:Opmuntring til aktiv deltagelse, håndtering af kognitiv belastning, proaktiv udvikling af metakognition og selvreflektion, fremme nysgerrighed og tilvejebringelse af handlingsberettigede og støttende feedback. Denne adfærd er baseret på langvarig forskning inden for læringsvidenskab og former, hvordan studiehjælp svarer studerende.

“I stedet for at gøre arbejdet for dem, opfordrer studiehjælp eleverne til at tænke kritisk over deres egen læring. Den slags funktioner er et positivt skridt i retning af effektiv anvendelse af AI i læringsprocessen. Selv i AI-tidsalderen sker den bedste læring stadig, når eleverne er engagerede og aktivt deltager i undervisningsmaterialet.” – Robbie Torney, Senior Director of AI Programs hos Common Sense Media.

Centrale funktioner

Interaktive forespørgsler: Kombinerer sokratiske spørgsmål, hints og opfordringer til selvrefleksion for at guide forståelse og opmuntrer til aktiv læring i stedet for bare at komme med svar.

Opbyggede svar: Oplysninger er organiseret i afsnit, der er nemme at følge, der fremhæver de vigtigste forbindelser mellem emner, hvilket holder oplysninger engagerende i den rigtige mængde kontekst og reducerer overvælde for komplekse emner.

Tilpasset støtte: Lektioner er skræddersyet til det rigtige niveau for brugeren, baseret på spørgsmål, der vurderer færdighedsniveau og hukommelse fra tidligere chats.

Tjek af viden: Quizzer og åbne spørgsmål sammen med personlig feedback for at spore fremskridt, understøtte videnopbevaring og evnen til at anvende denne viden i nye sammenhænge.

Fleksibilitet: Tænd og sluk nemt for studiehjælp under en samtale, hvilket giver dig fleksibiliteten til at tilpasse dig dine læringsmål i hver samtale

Sådan bruger studerende studiehjælp

Studiehjælp er udviklet med universitetsstuderende i tankerne. Nogle tilbagemeldinger, vi fik fra studerende under den indledende testfase:

“Den bedste måde, jeg kan beskrive det på, er som en live, døgnåben og alvidende ‘kontortid’.” – Noah Campbell, universitetsstuderende 

Studiehjælp var virkelig god til at forklare vanskeligt stof i klare og forståelige vendinger.” – Caleb Masi, universitetsstuderende

“Jeg satte studiehjælp på prøve ved at bede den om at undervise mig i et koncept, jeg har forsøgt at lære mange gange før: sinusformede positionskodninger. Det var som at have en tutor, der aldrig bliver træt af ens spørgsmål. Efter en tre timer lang session forstod jeg det endelig godt nok til at føle mig fortrolig med det.” – Maggie Wang, universitetsstuderende

Anvendelse af studiehjælp inspireret af universitetsstuderende fra ChatGPT lab

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

Sådan kommer du i gang 

Studiehjælp er særligt brugbar til lektiehjælp, forberedelse til eksamen og at lære om nye emner. For at prøve studiehjælp skal du vælge “Studer og lær” blandt værktøjerne i ChatGPT og stille et spørgsmål. 

Begrænsninger, og hvad skal der ske?

Dette er et første skridt i en længere rejse mod at forbedre læring i ChatGPT.  I dag drives studiehjælp af brugerdefinerede systeminstruktioner. Vi valgte denne tilgang, fordi den giver os reel feedback fra studerende, så vi kan forbedre oplevelsen – selvom det resulterer i en vis inkonsekvent adfærd og fejl på tværs af samtaler. Vi planlægger at træne denne adfærd direkte til vores primære modeller, når vi har lært, hvad der fungerer bedst gennem iteration og feedback fra studerende. 

Vi udforsker også funktionalitet for at gøre studiehjælp mere engagerende og hjælpsom for studerende, herunder:

  • Klarere visualiseringer for komplekse eller teksttunge koncepter
  • Målsætning og fremgangsovervågning på tværs af samtaler
  • Bedre personalisering skræddersyet til hver enkelt studerendes færdighedsniveau og mål

Research-landskabet er stadig ved at tage form i forhold til de bedste måder at anvende AI i uddannelse. OpenAI muliggør yderligere forskning i læring og AI gennem forskellige samarbejdspartnere i initiativet NextGenAI og samarbejder med eksperter fra SCALE Initiative under Stanford University’s Accelerator for Learning(åbner i et nyt vindue) for at undersøge og dele, hvordan AI-værktøjer påvirker læringsresultater inden for områder som folkeskole og ungdomsuddannelse.

I takt med at vi gennemfører længerevarende undersøgelser af, hvordan studerende bedst lærer med AI, har vi til hensigt at offentliggøre en dybere analyse af, hvad vi har lært om sammenhængen mellem modeludformning og kognition, at forme fremtidige produktoplevelser på baggrund af disse indsigter og arbejde side om side med det bredere uddannelsessystem for at sikre, at AI kommer elever og studerende over hele verden til gode.