29. juuli 2025

Tutvustame õpperežiimi

Uus viis ChatGPT‑s õppimiseks, mis pakub samm-sammult juhendamist kiirete vastuste asemel.

Laadimine…

Täna tutvustame õpperežiimi ChatGPT‑s – õppimiskogemust, mis aitab sul probleeme samm-sammult lahendada, selle asemel et lihtsalt vastust saada. Alates tänasest on see saadaval sisselogitud Free, Plus, Pro ja Team plaanide kasutajatele ning ChatGPT Edu's on saadaval järgmiste nädalate jooksul.

ChatGPT‑st on saamas üks maailma enimkasutatavaid õppevahendeid. Õpilased pöörduvad selle poole, et lahendada keerulisi kodutööprobleeme, valmistuda eksamiteks ja uute kontseptsioonidega tutvumiseks. Kuid selle kasutamine hariduses on tõstatanud ka olulise küsimuse: kuidas tagada, et seda kasutatakse tõelise õppimise tugina ja see ei paku lihtsalt lahendusi, aitamata õpilastel neist aru saada?

Oleme sellele küsimusele vastamiseks loonud õpperežiimi. Kui õpilased kasutavad õpperežiimi, esitatakse neile suunavaid küsimusi, mis kohandavad vastuseid vastavalt nende eesmärgile ja oskuste tasemele, et aidata neil sügavamalt aru saada. Õpperežiim on loodud selleks, et olla kaasahaarav ja interaktiivne ning aidata õpilastel midagi õppida – mitte ainult midagi lõpetada.

Kuidas õpperežiim loodi

Kapoti all töötab õpperežiim kohandatud süsteemijuhiste abil, mille oleme koostanud koostöös õpetajate, teadlaste ja pedagoogikaekspertidega, et kajastada süvaõpet toetavaid põhikäitumisi, sealhulgas: aktiivse osalemise soodustamine, kognitiivse laadi juhtimine, metakognitsiooni ja eneseanalüüsi ennetav arendamine, uudishimu edendamine ning tegutsemist võimaldava ja tugiva tagasiside andmine. Need käitumisviisid põhinevad pikaajalistel õpiteaduse uuringutel ja kujundavad, kuidas õpperežiim õpilastele reageerib.

„Selle asemel, et nende eest tööd teha, julgustab õppimisrežiim õpilasi kriitiliselt oma õppimise üle mõtlema. Sellised funktsioonid on positiivne samm tehisintellekti tõhusaks kasutamiseks õppimisel. Isegi tehisintellekti ajastul toimub parim õppimine siis, kui õpilased on õppematerjalist vaimustuses ja sellega aktiivselt tegelevad,“ Robbie Torney, Common Sense Media tehisintellekti programmide vanemdirektor.

Peamised omadused

Interaktiivsed viiped: ühendab sokraatilise küsimise, vihjed ja eneseanalüüsi viiped, et suunata mõistmist ja edendada aktiivset õppimist, selle asemel et anda otsekoheseid vastuseid.

Juhendatud vastused: teave on jaotatud hõlpsasti jälgitavateks osadeks, mis toovad esile teemade vahelised peamised seosed, hoides teabe köitvana just õige konteksti kogusega ja vähendades keerukate teemade puhul ülekoormust.

Isikupärastatud tugi: tunnid on kohandatud kasutaja tasemele, tuginedes küsimustele, mis hindavad oskuste taset ja mälu varasematest vestlustest.

Teadmiste kontrollid: viktoriinid ja avatud küsimused koos isikupärastatud tagasisidega edusammude jälgimiseks, annavad tuge teadmiste meelespidamisele ja nende rakendamise võimele uutes kontekstides.

Paindlikkus: vestluse ajal saad õpperežiimi hõlpsalt sisse ja välja lülita, andes sulle paindlikkuse igas vestluses oma õpieesmärkidega kohaneda.

Kuidas õpilased õpperežiimi kasutavad

Õpperežiim on loodud kõrgkooliõpilaste jaoks. Mõni tagasiside, mida me õpilastelt varase testimise ajal kuulsime:

„Parim viis, kuidas ma seda kirjeldaksin, on elav, 24/7, kõiketeadev kontoriaeg,“ Noah Campbell, üliõpilane

„Õpperežiim tegi suurepärast tööd tiheda materjali lahtiselgitamisel selgeteks ja heas tempos selgitusteks,” Caleb Masi, üliõpilane

„Panin õpperežiimi proovile, et õpetada mulle kontseptsiooni, mida olen varem mitu korda püüdnud õppida: sinusoidaalsed positsioonilised kodeeringud. See oli nagu juhendaja, kes ei väsi mu küsimustest. Pärast 3-tunnist seanssi sain sellest lõpuks piisavalt hästi aru, et end enesekindlalt tunda,“ Maggie Wang, üliõpilane

ChatGPT labori üliõpilaste inspireeritud õpperežiimi kasutusviisid

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

Alustamine

Õpperežiim on eriti kasulik kodutööde tegemisel, testideks valmistumisel ja uute teemade õppimisel. Proovimiseks vali ChatGPT tööriistade hulgast „Uuri ja õpi“ ning esita küsimus.

Piirangud ja mis järgneb

See on esimene samm pikemal teekonnal, et parandada õppimist ChatGPT‑s. Tänapäeval töötab õpperežiim kohandatud süsteemijuhiste toel. Valisime selle lähenemisviisi, kuna see võimaldab meil kiiresti õppida tegelikust õpilaste tagasisidest ja parandada kogemust, isegi kui see toob kaasa mõningast ebajärjekindlat käitumist ja vigu vestlustes. Plaanime selle käitumise koolitusena otse oma põhimudelitesse viia, kui oleme iteratsioonide ja õpilaste tagasiside kaudu õppinud, mis kõige paremini toimib.

Samuti uurime funktsioone, mis muudaksid õpperežiimi õpilastele kaasahaaravamaks ja kasulikumaks, sealhulgas:

selgemad visualiseeringud keeruliste või tekstirohkete kontseptsioonide jaoks
eesmärkide seadmine ja edusammude jälgimine vestluste kaudu
sügavam isikupärastamine, mis on kohandatud iga õpilase oskuste tasemele ja eesmärkidele.

Teadusmaastik, mis käsitleb parimaid viise tehisintellekti rakendamiseks hariduses, on alles kujunemisjärgus. OpenAI võimaldab edasist uurimistööd õppimise ja tehisintellekti kohta oma NextGenAI⁠ algatuse erinevate partnerite kaudu ning teeb koostööd Stanfordi ülikooli õppekiirendi SCALE algatuse⁠(avaneb uues aknas) ekspertidega, et uurida ja jagada, kuidas tehisintellekti tööriistad mõjutavad õpitulemusi sellistes valdkondades nagu K-12 haridus.

Kuna viime läbi pikaajalisi uuringuid selle kohta, kuidas õpilased tehisintellekti abil kõige paremini õpivad, kavatseme avaldada põhjalikuma analüüsi sellest, mida oleme õppinud mudeli kujunduse ja linkide vaheliste seoste kohta, kujundada tulevasi tootekogemusi nende teadmiste põhjal ning teha koostööd laiema haridusökosüsteemiga, et tagada tehisintellekti kasulikkus õppijatele kogu maailmas.

Autor

OpenAI

Jätka lugemist

Vaata kõiki

Introducing the OpenAI Partner Network

Toode14. juuni 2026

Better memory for a more helpful ChatGPT

Tugevam alus ChatGPT mälule

Teadustöö4. juuni 2026

Tutvustame GPT-Rosalindi uusi võimalusi

Toode3. juuni 2026