29 ביולי 2025

מציגים את מצב למידה

דרך חדשה ללמוד ב-ChatGPT, עם הדרכה צעד אחר צעד במקום תשובות מהירות.

בטעינה…

היום אנחנו מציגים את מצב למידה ב-ChatGPT — חוויית למידה שעוזרת לכם לפתור בעיות צעד אחר צעד, במקום פשוט לקבל תשובה. החל מהיום, מצב למידה זמין למשתמשים שמחוברים לחשבון במסלולי Free, Plus, Pro ו-Team. בשבועות הקרובים הוא יהיה זמין גם ב-ChatGPT Edu.

ChatGPT הופך לאחד מכלי הלמידה הנפוצים ביותר בעולם. תלמידים וסטודנטים נעזרים בו כדי לפתור בעיות מאתגרות בשיעורי הבית, להתכונן למבחנים ולהכיר מושגים חדשים. אבל השימוש בו בחינוך העלה גם שאלה חשובה: איך מבטיחים שהוא תומך בלמידה אמיתית, ולא רק מציע פתרונות בלי לעזור ללומדים להבין אותם?

פיתחנו את מצב למידה כדי לעזור לתת מענה לשאלה הזו. כשמשתמשים במצב למידה, הוא מציג שאלות מנחות שמאפשרות להתאים את התשובות למטרה ולרמת הידע של הלומדים, וכך עוזר להם לפתח הבנה מעמיקה יותר. מצב למידה נועד להיות מעניין ואינטראקטיבי, ולעזור ללומדים ללמוד משהו — לא רק לסיים משימה.

איך פיתחנו את מצב למידה

מאחורי הקלעים, מצב למידה פועל באמצעות הוראות מערכת ייעודיות שכתבנו בשיתוף מורים, מדענים ומומחי פדגוגיה. ההוראות מבטאות עקרונות פעולה שתומכים בלמידה מעמיקה יותר, ובהם: עידוד השתתפות פעילה, ניהול העומס הקוגניטיבי, פיתוח יזום של מטא-קוגניציה והתבוננות עצמית, טיפוח סקרנות ומתן משוב תומך שאפשר ליישם. עקרונות הפעולה האלה מבוססים על מחקר רב-שנים במדעי הלמידה, והם מעצבים את האופן שבו מצב למידה מגיב ללומדים.

״במקום לעשות את העבודה עבור הלומדים, מצב למידה מעודד אותם לחשוב באופן ביקורתי על הלמידה שלהם. יכולות כאלה הן צעד חיובי לקראת שימוש יעיל בבינה מלאכותית לצורכי למידה. גם בעידן הבינה המלאכותית, הלמידה הטובה ביותר עדיין מתרחשת כשהלומדים מתלהבים מחומר הלימוד ועוסקים בו באופן פעיל.״ — רובי טורני, מנהל בכיר של תוכניות בינה מלאכותית ב-Common Sense Media.

יכולות מרכזיות

הנחיות אינטראקטיביות: שילוב של שאלות סוקרטיות, רמזים והנחיות להתבוננות עצמית מסייע להבנה ומעודד למידה פעילה, במקום לספק תשובות מיד.

תשובות שבונות הבנה בהדרגה: המידע מאורגן בחלקים שקל לעקוב אחריהם, ומדגיש את הקשרים המרכזיים בין הנושאים. כך הוא נשאר מעניין, עם ההקשר הנחוץ בדיוק, ומפחית את תחושת ההצפה בנושאים מורכבים.

תמיכה מותאמת אישית: השיעורים מותאמים לרמת המשתמש על סמך שאלות להערכת הידע והמיומנות, וזיכרון משיחות קודמות.

בדיקות ידע: בחנים ושאלות פתוחות, לצד משוב אישי למעקב אחר ההתקדמות, עוזרים לזכור את החומר וליישם את הידע בהקשרים חדשים.

גמישות: אפשר להפעיל ולכבות את מצב למידה בקלות במהלך השיחה, ולהתאים את אופן העבודה למטרות הלמידה שלכם בכל שיחה.

איך סטודנטים משתמשים במצב למידה

מצב למידה פותח מתוך מחשבה על הצרכים של סטודנטים. הנה כמה מהתגובות שקיבלנו מסטודנטים במהלך הבדיקות המוקדמות:

״הדרך הכי טובה לתאר את זה היא כמו 'שעות קבלה' בזמן אמת עם מישהו שיודע הכול, 24/7.״ — נואה קמפבל, סטודנט

״מצב למידה הצליח לפרק חומר עמוס לפרטים להסברים ברורים ובקצב מתאים.״ — קיילב מאסי, סטודנט

״העמדתי את מצב למידה למבחן וביקשתי שילמד אותי מושג שניסיתי ללמוד פעמים רבות בעבר: קידודי מיקום סינוסואידליים. זה היה כמו מורה פרטי שלא מתעייף מהשאלות שלי. אחרי שלוש שעות של עבודה, סוף סוף הבנתי את הנושא מספיק טוב כדי להרגיש בטוחה בו.״ — מגי ואנג, סטודנטית

דרכים להשתמש במצב למידה, בהשראת סטודנטים ממעבדת 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

איך מתחילים

מצב למידה שימושי במיוחד לעזרה בשיעורי הבית, להכנה למבחנים וללמידת נושאים חדשים. כדי לנסות אותו, בחרו באפשרות ״לימוד ולמידה״ בתפריט הכלים ב-ChatGPT ושאלו שאלה.

מגבלות והצעדים הבאים

זהו צעד ראשון בדרך ארוכה לשיפור הלמידה ב-ChatGPT. כיום, מצב למידה פועל באמצעות הוראות מערכת ייעודיות. בחרנו בגישה הזו כי היא מאפשרת לנו ללמוד במהירות ממשוב של לומדים בפועל ולשפר את החוויה — גם אם היא גורמת לעיתים לחוסר עקביות ולטעויות בשיחות. אנחנו מתכננים להטמיע את אופן הפעולה הזה ישירות במודלים המרכזיים שלנו באמצעות אימון, אחרי שנלמד מה עובד הכי טוב דרך סבבי שיפור ומשוב מהלומדים.

אנחנו גם בוחנים יכולות שיהפכו את מצב למידה למעניין ומועיל יותר ללומדים, ובהן:

המחשות חזותיות ברורות יותר למושגים מורכבים או כאלה שדורשים הסברים ארוכים
הגדרת מטרות ומעקב אחר ההתקדמות לאורך שיחות
התאמה אישית מעמיקה יותר לרמת הידע ולמטרות של כל לומד ולומדת

המחקר על הדרכים הטובות ביותר לשלב בינה מלאכותית בחינוך עדיין מתגבש. OpenAI מאפשרת לקדם את המחקר על למידה ובינה מלאכותית באמצעות שותפים שונים ביוזמת NextGenAI⁠ שלה. היא גם עובדת עם מומחים מיוזמת SCALE במאיץ הלמידה של אוניברסיטת סטנפורד⁠(נפתח בחלון חדש) כדי לחקור ולשתף ממצאים על השפעתם של כלי בינה מלאכותית על תוצאות הלמידה בתחומים כמו חינוך מגן הילדים ועד כיתה י״ב.

במקביל למחקרים ארוכי טווח על הדרכים שבהן לומדים מפיקים את המרב מלמידה בעזרת בינה מלאכותית, אנחנו מתכוונים לפרסם ניתוח מעמיק יותר של מה שלמדנו על הקשרים בין תכנון מודלים לקוגניציה. התובנות האלה ינחו את עיצוב חוויות השימוש העתידיות במוצרים שלנו, ונעבוד בשיתוף פעולה הדוק עם כלל הגורמים בתחום החינוך כדי להבטיח שבינה מלאכותית תועיל ללומדים ברחבי העולם.

מחבר/ת

OpenAI

להמשך הקריאה

להצגת הכול

Sunlight illuminates Earth against a starry sky.

מציגים את GPT-6.1 Terra

מוצר26 באוק׳ 2026

Build more responsive apps with the Decisions API — Cover

בנו יישומים שמגיבים מהר יותר עם Decisions API

מוצר22 באוק׳ 2026

Patch the Planet: scaling a global response to critical vulnerabilities — Cover

Patch the Planet: תיאום תגובה עולמית לחולשות קריטיות שסוכנים חושפים

אבטחה21 באוק׳ 2026