29. srpnja 2025.

Predstavljamo način učenja

Novi način učenja u ChatGPT‑u koji nudi usmjeravanje korak po korak umjesto brzih odgovora.

Učitavanje…

Danas uvodimo način učenja u ChatGPT‑u — iskustvo učenja koje vam pomaže da rješavate probleme korak po korak, umjesto da samo dobijete odgovor. Počevši od danas, dostupan je korisnicima koji su prijavljeni na Free, Plus, Pro, Team, a dostupnost za ChatGPT Edu dolazi u sljedećih nekoliko tjedana.

ChatGPT postaje jedan od najčešće korištenih alata za učenje u svijetu. Učenici mu se obraćaju kako bi riješili zahtjevne domaće zadaće, pripremili se za ispite i istražili nove koncepte. No njegova upotreba u obrazovanju također je postavila važno pitanje: kako osigurati da se koristi za podršku stvarnom učenju, a ne samo da nudi rješenja bez da pomogne učenicima da shvate materijal?

Način rada za učenje razvili smo kako bismo pomogli odgovoriti na ovo pitanje. Kada se učenici uključe u način učenja, susreću se s usmjeravajućim pitanjima koja prilagođavaju odgovore njihovom cilju i razini vještina, kako bi im to pomoglo u izgradnji dubljeg razumijevanja. Način učenja osmišljen je da bude zanimljiv i interaktivan te da pomogne učenicima da nešto nauče, a ne samo da nešto završe.

Kako je način učenja stvoren

Iznutra, način učenja pokreću prilagođene sistemske upute koje smo napisali u suradnji s nastavnicima, znanstvenicima i pedagoškim stručnjacima kako bismo odrazili temeljni skup ponašanja koja podržavaju duboko učenje, uključujući: poticanje aktivnog sudjelovanja, upravljanje kognitivnim opterećenjem, proaktivno razvijanje metakognicije i samorefleksije, poticanje znatiželje te pružanje praktičnih i podržavajućih povratnih informacija. Ova ponašanja temelje se na dugogodišnjim istraživanjima u znanosti o učenju i oblikuju kako način učenja reagira na učenike.

„Umjesto da obavljate njihov posao umjesto njih, način učenja potiče učenike da kritički razmisle o svom učenju. Značajke poput ovih predstavljaju pozitivan korak prema učinkovitom korištenju umjetne inteligencije za učenje. Čak i u eri umjetne inteligencije, najbolje učenje se i dalje događa kada su učenici uzbuđeni zbog gradiva i aktivno se angažiraju u njemu." — Robbie Torney, viši direktor za AI programe u društvu Common Sense Media.

Ključne značajke

Interaktivni unosi: kombiniraju sokratska pitanja, savjete i upute za preispitivanje kako bi usmjeravali razumijevanje i poticali aktivno učenje, umjesto davanja izravnih odgovora.

Odgovori s potporom: informacije su organizirane u lako razumljive odjeljke koji ističu ključne veze između tema, održavajući informacije zanimljivima uz odgovarajuću količinu konteksta i smanjujući preopterećenost kod složenih tema.

Personalizirana podrška: lekcije su prilagođene odgovarajućoj razini za korisnika, na temelju pitanja koja procjenjuju razinu vještine i pamćenje iz prethodnih čavrljanja.

Provjere znanja: kvizovi i otvorena pitanja, zajedno s personaliziranim povratnim informacijama za praćenje napretka, podržavaju zadržavanje znanja i sposobnost primjene tog znanja u novim kontekstima.

Fleksibilnost: jednostavno prebacite način učenja tijekom razgovora, što vam daje fleksibilnost da se prilagodite svojim ciljevima učenja u svakom razgovoru.

Kako učenici i studenti koriste način učenja

Način učenja osmišljen je imajući na umu učenike i studente. Neke povratne informacije koje smo čuli od studenata tijekom ranog testiranja:

„Najbolji način na koji bih to opisao je sveznajuće „uredovno vrijeme“ uživo, 24/7." — Noah Campbell, student fakulteta

„Način učenja odlično je razložio kompleksni materijal u jasna i dobro tempirana objašnjenja.“ — Caleb Masi, student

„Stavio sam način učenja na test kako bi me podučio o konceptu koji sam mnogo puta prije pokušavao naučiti: sinusoidna pozicijska kodiranja. Bilo je kao učitelj koji se ne umara mojim pitanjima. Nakon trosatne radne sesije, konačno sam predmet dovoljno dobro razumio da se osjećam samouvjereno.” — Maggie Wang, studentica na fakultetu

Načini korištenja načina učenja nadahnuti studentima s fakulteta, iz ChatGPT laboratorija

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

Kako početi

Način rada za učenje posebno je koristan za pomoć s domaćim zadaćama, pripremom za testove i učenje novih tema. Da biste ga isprobali, odaberite "Uči i nauči" (Study and Learn) iz alata u ChatGPT‑u i postavite pitanje.

Ograničenja i što je sljedeće

Ovo je prvi korak u duljem putovanju ka poboljšanju učenja u ChatGPT‑u. Danas se način učenja pokreće prilagođenim sistemskim uputama. Odabrali smo ovaj pristup jer nam omogućuje brzo učenje iz stvarnih povratnih informacija učenike/studenata i poboljšanje iskustva — čak i ako to rezultira nekim nedosljednim ponašanjem i pogreškama u razgovorima. Naš je plan izravno uvesti ovu obuku u naše glavne modele nakon što saznamo što najbolje funkcionira kroz iteracije i povratne informacije učenika/studenata.

Također istražujemo funkcionalnosti kako bismo način učenja učinili zanimljivijim i korisnijim za učenike, uključujući:

Jasnije vizualizacije za složene ili tekstom bogate koncepte.
Postavljanje ciljeva i praćenje napretka kroz razgovore.
Dublja personalizacija prilagođena razini vještina i ciljevima svakog učenika/studenta.

Istraživanje se uvijek oblikuje u vezi s najboljim načinima primjene umjetne inteligencije u obrazovanju. OpenAI omogućuje daljnja istraživanja o učenju i umjetnoj inteligenciji putem raznih partnera u svojoj inicijativi NextGenAI⁠ te surađuje sa stručnjacima iz inicijative SCALE na programu ubrzanog učenja Sveučilišta Stanford⁠(otvara se u novom prozoru) kako bi proučavali i dijelili kako alati umjetne inteligencije utječu na ishode učenja u područjima poput obrazovanja od vrtića do 4. razreda srednje škole.

Dok provodimo dugoročna istraživanja o tome kako učenici i studenti najbolje uče uz pomoć umjetne inteligencije, namjeravamo objaviti dublju analizu onoga što smo naučili o poveznicama između dizajna modela i saznanja, oblikovati buduća iskustva s proizvodima na temelju tih uvida i surađivati rame uz rame sa širim obrazovnim ekosustavom kako bismo osigurali da umjetna inteligencija koristi učenicima i studentima diljem svijeta.

Autor

OpenAI

Nastavite čitati

Prikaži sve

Introducing the OpenAI Partner Network

Proizvod14. lip 2026.

Better memory for a more helpful ChatGPT

Snažniji temelj za ChatGPT memoriju

Istraživanje4. lip 2026.

Predstavljamo nove mogućnosti za GPT-Rosalind

Proizvod3. lip 2026.