Siirry pääsisältöön
OpenAI

29. heinäkuuta 2025

Tuote

Esittelyssä opiskelutila

ChatGPT:ssä opiskelun uusi tapa, joka tarjoaa vaiheittaisia ohjeita nopeiden vastausten sijaan.

Ladataan...

Tänään esittelemme ChatGPT:ssä opiskelutilan – oppimiskokemuksen, joka auttaa työskentelemään ongelmien parissa askel askeleelta pelkän vastauksen saamisen sijaan. Se on nyt saatavilla Free-, Plus-, Pro- ja Team-käyttäjille ja on käytettävissä muutaman viikon päästä myös ChatGPT Edussa.

ChatGPT:stä on tulossa yksi maailman käytetyimmistä oppimisen työkaluista. Opiskelijat käyttävät sitä haastavien kotitehtävien ratkaisemiseen, kokeisiin valmistautumiseen ja uusien käsitteiden selvittämiseen. Sen käyttö koulutuksessa on kuitenkin herättänyt myös tärkeän kysymyksen: miten varmistamme, että sitä käytetään tukemaan todellista oppimista eikä se vain tarjoa ratkaisuja auttamatta oppilaita ymmärtämään niitä?

Olemme luoneet opiskelutilan, joka vastaa tähän kysymykseen. Kun opiskelijat käyttävät opiskelutilaa, he kohtaavat ohjaavia kysymyksiä, jotka sovittavat vastaukset heidän tavoitteeseensa ja taitotasoonsa ja auttavat heitä rakentamaan syvempää ymmärrystä. Opiskelutila on suunniteltu innostavaksi ja vuorovaikutteiseksi, ja se auttaa opiskelijoita oppimaan jotakin – ei vain saamaan jotakin valmiiksi.  

Miten opiskelutila rakennettiin

Opiskelutilan taustalla toimivat mukautetut järjestelmäohjeet, jotka olemme kirjoittaneet yhteistyössä opettajien, tutkijoiden ja pedagogiikan asiantuntijoiden kanssa ja jotka heijastavat keskeisiä syvällisempää oppimista tukevia käyttäytymismalleja, kuten: kannustetaan aktiiviseen osallistumiseen, hallitaan kognitiivista kuormitusta, kehitetään ennakoivasti metakognitiota ja itsereflektiota, edistetään uteliaisuutta ja annetaan käytännöllistä ja kannustavaa palautetta. Nämä käyttäytymismallit perustuvat pitkäaikaiseen oppimistieteelliseen tutkimukseen, ja ne muokkaavat tapaa, jolla opiskelutila vastaa opiskelijoille.

”Sen sijaan, että opiskelutila tekisi työn heidän puolestaan, se kannustaa opiskelijoita pohtimaan oppimistaan kriittisesti. Tällaiset ominaisuudet ovat myönteinen askel kohti tehokasta tekoälyn käyttöä oppimisessa. Paras oppiminen tapahtuu tekoälyaikanakin silloin, kun oppilaat ovat innostuneet oppimateriaalista ja osallistuvat opiskeluun aktiivisesti.” – Robbie Torney, Senior Director of AI Programs at Common Sense Media.

Avainominaisuudet

Vuorovaikutteiset kehotteet: Yhdistää sokraattisia kysymyksiä, vihjeitä ja itsearvioinnin kehotuksia ymmärtämisen ohjaamiseksi sen sijaan, että antaisi suoria vastauksia.

Tukirakenteisiin perustuvat vastaukset: Tiedot on järjestetty helposti seurattaviin osioihin, joissa korostetaan aiheiden välisiä keskeisiä yhteyksiä, jolloin tiedot pysyvät kiinnostavina ja sisältävät juuri oikean määrän asiayhteyttä, mikä vähentää monimutkaisten aiheiden kuormittavuutta.

Yksilöity tuki: Oppitunnit räätälöidään käyttäjälle sopivalle tasolle kysymysten perusteella, joilla arvioidaan taitotasoa ja muistia aiemmista keskusteluista.

Tietojen tarkistukset: Tietokilpailut ja avoimet kysymykset sekä henkilökohtainen palaute edistymisen seuraamiseksi tukevat tiedon omaksumista ja kykyä soveltaa tietoa uusissa yhteyksissä.

Joustavuus: Vaihda opiskelutila helposti päälle ja pois keskustelun aikana, jolloin voit mukautua joustavasti oppimistavoitteisiin kussakin keskustelussa.

Miten opiskelijat käyttävät opiskelutilaa?

Opiskelutila rakennettiin korkeakouluopiskelijoita ajatellen. Muutamia palautteita, joita kuulimme alustavassa testausvaiheessa:

”Paras tapa kuvailla sitä on reaaliaikainen, 24/7, kaikkitietävä ”toimistoaika”.” – Noah Campbell, korkeakouluopiskelija 

Opiskelutila onnistui hienosti jakamaan tiiviin materiaalin selkeiksi ja hyvin eteneviksi selityksiksi.” – Caleb Masi, korkeakouluopiskelija

”Testasin opiskelutilaa siten, että se opetti minulle käsitettä, jota olen yrittänyt oppia monta kertaa aiemmin: sini-aaltoihin perustuvia sijaintikoodauksia. Se oli kuin opettaja, joka ei väsy kysymyksiini. Kolmen tunnin työsession jälkeen ymmärsin asian vihdoin niin hyvin, että tunsin oloni itsevarmaksi.” – Maggie Wang, korkeakouluopiskelija

ChatGPT‑laboratorion korkeakouluopiskelijoiden innoittamia tapoja käyttää opiskelutilaa

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

Aloittaminen 

Opiskelutila on erityisen hyödyllinen läksyjen tekoon, kokeisiin valmistautumiseen ja uusien aiheiden oppimiseen. Kokeile sitä valitsemalla ChatGPT:n työkaluista ”Opiskele ja opi” ja esittämällä kysymys. 

Rajoitukset ja mitä seuraavaksi

Tämä on ensimmäinen askel pitkällä matkalla oppimisen parantamiseksi ChatGPT:ssä.  Opiskelutilassa käytetään nyt mukautettuja järjestelmäohjeita. Valitsimme tämän lähestymistavan, koska sen avulla voimme nopeasti hyödyntää todellista opiskelijapalautetta ja parantaa kokemusta, vaikka se johtaisikin joskus epäjohdonmukaiseen toimintaan ja virheisiin keskusteluissa. Suunnittelemme tämän käyttäytymisen koulutusta suoraan päämalleihimme, kun olemme oppineet iteroinnin ja opiskelijapalautteen avulla, mikä toimii parhaiten. 

Tutkimme myös toimintoja, jotka tekevät opiskelutilasta entistä kiinnostavamman ja hyödyllisemmän opiskelijoille:

  • Selkeämmät visualisoinnit monimutkaisille tai tekstipainotteisille käsitteille
  • Tavoitteiden asettaminen ja edistymisen seuranta keskustelujen aikana
  • Syvällisempi räätälöinti kunkin oppilaan taitotasoon ja tavoitteisiin sopivaksi

Tutkimus siitä, miten tekoälyä voidaan parhaiten soveltaa koulutuksessa, on vasta muotoutumassa. OpenAI mahdollistaa oppimisen ja tekoälyn jatkotutkimusta NextGenAI-aloitteessaan eri kumppaneiden kautta ja tekee yhteistyötä Stanfordin yliopiston Accelerator for Learningin(avautuu uudessa ikkunassa) SCALE-aloitteen asiantuntijoiden kanssa tutkiakseen ja jakaakseen tietoa siitä , miten tekoälytyökalut vaikuttavat oppimistuloksiin esimerkiksi peruskoulutuksessa.

Teemme pidempiaikaisia tutkimuksia siitä, miten opiskelijat oppivat parhaiten tekoälyn avulla, ja aiomme julkaista syvällisemmän analyysin oppimistamme mallisuunnittelun ja kognition välisistä yhteyksistä, muokata oivallusten perusteella tulevia tuotekokemuksia ja työskennellä yhdessä laajemman koulutusekosysteemin kanssa, jotta tekoäly hyödyttäisi opiskelijoita koko maailmassa.