29 Juli 2025

Memperkenalkan mode belajar

Cara baru untuk belajar di ChatGPT yang menawarkan panduan langkah demi langkah, alih-alih jawaban cepat.

Memuat…

Hari ini, kami memperkenalkan mode belajar di ChatGPT—pengalaman belajar yang membantu Anda mengatasi masalah langkah demi langkah, bukan hanya sekadar mendapatkan jawaban. Mulai hari ini, mode ini tersedia bagi pengguna yang login dengan status Free, Plus, Pro, Team, dan akan tersedia di ChatGPT Edu dalam beberapa minggu ke depan.

ChatGPT menjadi salah satu alat bantu pembelajaran yang paling banyak digunakan di dunia. Siswa menggunakannya untuk mengerjakan soal pekerjaan rumah yang menantang, mempersiapkan diri menghadapi ujian, dan menjelajahi konsep baru. Namun, penggunaannya di bidang pendidikan juga telah menimbulkan pertanyaan penting: bagaimana kita memastikan ChatGPT digunakan untuk mendukung pembelajaran nyata, dan tidak hanya menawarkan solusi tanpa membantu siswa untuk memahaminya?

Kami telah membangun mode belajar untuk menjawab pertanyaan ini. Ketika siswa menggunakan mode belajar, mereka akan disambut dengan pertanyaan-pertanyaan panduan yang menyesuaikan respons berdasarkan tujuan dan tingkat keterampilan mereka, guna membantu membangun pemahaman yang lebih mendalam. Mode belajar dirancang agar menarik dan interaktif, serta membantu siswa mempelajari sesuatu, bukan hanya menyelesaikan sesuatu.

Cara membangun mode belajar

Di balik layar, mode belajar didukung oleh instruksi sistem khusus yang kami susun bekerja sama dengan para guru, ilmuwan, dan pakar pedagogi untuk mencerminkan seperangkat perilaku inti yang mendukung pembelajaran yang lebih mendalam, termasuk:mendorong partisipasi aktif, mengelola beban kognitif, secara proaktif mengembangkan metakognisi dan refleksi diri, menumbuhkan rasa ingin tahu, serta memberikan umpan balik yang mendukung dan dapat ditindaklanjuti. Perilaku ini didasarkan pada riset jangka panjang dalam ilmu pembelajaran dan membentuk cara mode belajar menanggapi siswa.

“Alih-alih menyelesaikan pekerjaan untuk peserta didik, mode belajar mendorong mereka untuk berpikir kritis tentang pembelajaran mereka. Fitur-fitur seperti ini adalah langkah positif menuju penggunaan AI yang efektif untuk pembelajaran. Di era AI sekalipun, pembelajaran terbaik masih terjadi ketika peserta didik bersemangat dan terlibat secara aktif dalam materi pelajaran.” —Robbie Torney, Direktur Senior Program AI di Common Sense Media.

Fitur utama

Prompt interaktif: Menggabungkan pertanyaan Socrates, petunjuk, dan ajakan untuk refleksi diri guna membimbing pemahaman dan mendorong pembelajaran aktif, alih-alih langsung memberikan jawaban.

Respons bertingkat: Informasi disusun dalam bagian-bagian yang mudah diikuti dan menyoroti keterkaitan utama antar topik, menjaga penyampaian tetap menarik dengan konteks yang tepat, serta mengurangi rasa kewalahan dalam topik yang kompleks.

Dukungan yang dipersonalisasi: Pelajaran disesuaikan dengan level yang tepat bagi pengguna, berdasarkan pertanyaan yang menilai level kecakapan dan memori dari obrolan sebelumnya.

Pemeriksaan pengetahuan: Kuis dan pertanyaan terbuka, bersama dengan umpan balik yang dipersonalisasi untuk melacak kemajuan, mendukung retensi pengetahuan dan kemampuan untuk menerapkan pengetahuan tersebut dalam konteks baru.

Fleksibilitas: Mode belajar dapat diaktifkan dan dinonaktifkan dengan mudah selama percakapan, memberi Anda fleksibilitas untuk menyesuaikan dengan tujuan belajar Anda dalam setiap percakapan

Cara peserta didik menggunakan mode belajar

Mode belajar dikembangkan untuk mahasiswa. Beberapa masukan yang kami terima dari peserta didik selama pengujian tahap awal:

“Cara terbaik yang bisa saya gambarkan adalah seperti “jam konsultasi.” yang aktif 24 jam sehari, 7 hari seminggu, dan selalu tahu segalanya.” —Noah Campbell, mahasiswa

“Mode belajar sangat baik dalam menguraikan materi berat dengan penjelasan yang lugas dan dengan laju yang sesuai.” —Caleb Masi, mahasiswa

“Saya menguji mode belajar untuk mengajari saya tentang konsep yang telah saya coba pelajari beberapa kali sebelumnya: pengodean posisi sinusoidal. Itu seperti tutor yang tidak pernah bosan dengan pertanyaan saya. Setelah sesi kerja selama 3 jam, saya akhirnya cukup memahaminya dan merasa percaya diri.” —Maggie Wang, mahasiswa

Cara menggunakan mode belajar yang terinspirasi oleh mahasiswa dari lab 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

Memulai

Mode belajar bermanfaat untuk membantu pekerjaan rumah, persiapan ujian, dan mempelajari topik-topik baru. Untuk mencoba mode belajar, pilih “Studi dan belajar” dari alat di ChatGPT dan ajukan pertanyaan.

Pembatasan dan yang selanjutnya

Ini adalah langkah awal dalam perjalanan panjang untuk meningkatkan pembelajaran di ChatGPT. Saat ini, mode belajar didukung oleh instruksi sistem yang disesuaikan. Kami memilih pendekatan ini karena memungkinkan kami belajar dengan cepat dari umpan balik siswa secara langsung dan meningkatkan pengalaman—bahkan jika hal ini menyebabkan perilaku yang tidak konsisten dan kesalahan dalam beberapa percakapan. Kami berencana untuk melatih perilaku ini secara langsung ke dalam model utama kami setelah kami mempelajari apa yang paling efektif melalui iterasi dan umpan balik siswa.

Kami juga sedang mengeksplorasi fungsi-fungsi tambahan untuk membuat mode belajar lebih menarik dan bermanfaat bagi siswa, termasuk:

Visualisasi yang lebih jelas untuk konsep yang kompleks atau sarat teks
Penetapan tujuan dan pelacakan kemajuan di berbagai percakapan
Personalisasi yang lebih dalam sesuai dengan tingkat keterampilan dan tujuan setiap siswa

Ranah riset masih terus berkembang dalam menemukan cara terbaik untuk menerapkan AI dalam pendidikan. OpenAI memungkinkan riset lebih lanjut tentang pembelajaran dan AI melalui berbagai mitra dalam inisiatif NextGenAI⁠, dan bekerja sama dengan para ahli dari SCALE Initiative dari Accelerator for Learning di Accelerator for Learning di Stanford University⁠(terbuka di jendela baru) untuk mempelajari dan membagikan cara alat bantu AI memengaruhi hasil pembelajaran di berbagai bidang seperti pendidikan SD-SMA.

Seiring kami menjalankan studi jangka panjang tentang cara siswa belajar dengan optimal menggunakan AI, kami berencana untuk memublikasikan analisis yang lebih mendalam mengenai temuan kami terkait keterkaitan antara desain model dan kognisi, membentuk pengalaman produk di masa depan berdasarkan wawasan tersebut, serta bekerja berdampingan dengan ekosistem pendidikan yang lebih luas untuk memastikan bahwa AI memberikan manfaat bagi peserta pembelajaran di seluruh dunia.

Penulis

OpenAI

Terus membaca

Lihat semua

Introducing the OpenAI Partner Network

Produk14 Jun 2026

Better memory for a more helpful ChatGPT

Dreaming: Better memory for a more helpful ChatGPT

Riset4 Jun 2026

Memperkenalkan kemampuan baru untuk GPT-Rosalind

Produk3 Jun 2026