Pasar al contenido principal
OpenAI

29 de julio de 2025

Producto

Presentamos el modo de estudio

Este nuevo modo de aprender en ChatGPT propone una guía paso a paso que reemplaza a las respuestas rápidas.

Cargando...

Presentamos el modo de estudio en ChatGPT: una nueva experiencia de aprendizaje que no te da simplemente una respuesta, sino que te permite resolver problemas paso a paso. Desde hoy, está disponible para los usuarios registrados en las versiones Free, Plus, Pro y Team. En las próximas semanas también estará disponible para ChatGPT Edu.

No es de extrañar que ChatGPT se esté convirtiendo en una de las herramientas de aprendizaje de mayor uso en todo el mundo. De hecho, los estudiantes recurren a ella cuando necesitan resolver problemas difíciles, preparar exámenes e incluso explorar nuevos conceptos. Sin embargo, su uso en el sector educativo también planteó una interrogante: ¿cómo podemos asegurarnos de que se utilice para apoyar el aprendizaje real y que no solo ofrezca soluciones sin ayudar a los estudiantes a comprenderlas?

Creamos el modo de estudio para ayudarte a responder a esta pregunta. En el momento en que los estudiantes activan el modo de estudio, se encuentran con un conjunto de preguntas orientativas cuyas respuestas se adecuan a su objetivo y a su nivel de destreza para ayudarlos a profundizar en sus conocimientos. Cuando diseñamos el modo de estudio, quisimos que fuera atractivo e interactivo, que no solo sirviera para terminar una tarea, sino para aprender algo.  

Cómo se desarrolló el modo de estudio

Detrás de todo esto, el modo de estudio funciona con instrucciones personalizadas del sistema que redactamos en colaboración con educadores, científicos y expertos en pedagogía para reflejar un conjunto básico de comportamientos que favorecen un aprendizaje más profundo, entre los que se incluyen: fomentar la participación activa, gestionar la carga cognitiva, desarrollar de forma proactiva la metacognición y la autorreflexión, fomentar la curiosidad y proporcionar comentarios prácticos y constructivos. Estos comportamientos se basan en investigaciones de larga data en el campo de la ciencia del aprendizaje y determinan cómo responde el modo de estudio a los estudiantes.

“En lugar de hacerles todo el trabajo, el modo de estudio alienta a los estudiantes a ver su aprendizaje de forma crítica. Este es un aspecto realmente positivo para lograr un uso eficaz de la IA en el aprendizaje. Incluso en la era de la IA, el mejor aprendizaje se produce cuando los estudiantes se entusiasman y participan activamente en el contenido de la lección”. —Robbie Torney, director sénior de Programas de IA en Common Sense Media.

Características clave

Mensajes interactivos: Combina preguntas socráticas, pistas y preguntas para la autorreflexión con el fin de guiar la comprensión y promover el aprendizaje activo, en lugar de proporcionar respuestas directas.

Respuestas escalonadas: La información se organiza en secciones fáciles de seguir que resaltan las conexiones clave entre los temas, lo que mantiene el interés por la información con la cantidad justa de contexto y reduce la sobrecarga de información en los temas complejos.

Soporte personalizado: Las lecciones se adecuan al nivel apropiado para el usuario, a partir de un cuestionario previo en el que se evalúa el nivel de conocimiento y de la memoria de los chats anteriores.

Verificación de conocimientos: Los cuestionarios y las preguntas abiertas, junto con comentarios personalizados para hacer un seguimiento del progreso, favorecen la retención de conocimientos y la capacidad de aplicarlos en nuevos contextos.

Flexibilidad: Activa y desactiva fácilmente el modo de estudio durante una conversación, lo que te brinda flexibilidad para adaptarte a tus objetivos de aprendizaje en cada conversación.

Cómo usan los estudiantes el modo de estudio

Creamos el modo de estudio pensando en los estudiantes universitarios. Algunos de los comentarios que recibimos de los estudiantes durante las primeras pruebas:

“En mi opinión, el mejor modo de describirlo es decir que parece un horario de consulta eterno, disponible a toda hora todos los días, en el que saben de todo”. —Noah Campbell, estudiante universitario 

“El modo de estudio es buenísimo en convertir temas complicados en explicaciones claras y fáciles de seguir”. —Caleb Masi, estudiante universitario

“Puse el modo de estudio a prueba para ver si me enseñaba un tema que ya había intentado aprender muchas veces: las codificaciones posicionales sinusoidales. Fue como tener un tutor que no se cansaba de mis preguntas. Después de una sesión de trabajo que duró unas tres horas, por fin lo entendí lo suficientemente bien como para sentirme confiada”.  —Maggie Wang, estudiante universitaria

Formas de utilizar el modo de estudio inspiradas en los estudiantes universitarios del laboratorio 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

Cómo se usa 

El modo de estudio resulta especialmente útil como ayuda para las tareas escolares, preparar exámenes y aprender nuevos temas. Si quieres probarlo, selecciona “Estudia y aprende” en las herramientas de ChatGPT y hazle una pregunta. 

Limitaciones y próximos pasos

Este es el primer paso de un largo camino para mejorar el aprendizaje en ChatGPT.  Hoy en día, el modo de estudio funciona con instrucciones personalizadas del sistema. Elegimos este enfoque porque nos permite aprender rápidamente de los comentarios reales de los estudiantes y mejorar la experiencia, incluso si esto da lugar a comportamientos inconsistentes y errores en las conversaciones. Tenemos previsto incorporar este comportamiento directamente en nuestros modelos principales una vez que hayamos aprendido lo que funciona mejor a través de la iteración y los comentarios de los estudiantes. 

También estamos explorando funcionalidades para hacer que el modo de estudio sea más interesante y útil para los estudiantes, entre las que se incluyen:

  • Visualizaciones más claras para conceptos complejos o con mucho texto.
  • Establecimiento de objetivos y seguimiento del progreso en todas las conversaciones.
  • Personalización más profunda que se adapta al nivel de habilidad y los objetivos de cada estudiante.

El panorama de la investigación aún está tomando forma en cuanto a las mejores maneras de aplicar la IA en la educación. En OpenAI seguimos investigando sobre el aprendizaje y la IA a través de varios socios de nuestra iniciativa NextGenAI, y colaboramos con expertos de la iniciativa SCALE del Accelerator for Learning de la Universidad de Stanford(se abre en una nueva ventana) para estudiar y compartir información sobre cómo las herramientas de IA, influyen en los resultados del aprendizaje en áreas como la educación primaria y secundaria.

A medida que llevamos a cabo estudios a largo plazo sobre cómo aprenden mejor los estudiantes con la IA, tenemos la intención de publicar un análisis más profundo de lo que aprendimos sobre los vínculos entre el diseño de modelos y la cognición, dar forma a las experiencias futuras de los productos basándonos en estos conocimientos y trabajar junto con el ecosistema educativo en general para garantizar que la IA beneficie a los estudiantes de todo el mundo.