2025. gada 29. jūlijs

Iepazīstinām ar mācību režīmu

Jauns veids, kā mācīties ChatGPT, kas piedāvā soli pa solim norādījumus, nevis ātras atbildes.

Notiek ielāde…

Šodien mēs ieviešam mācību režīmu ChatGPT — mācību pieredzi, kas palīdz tev soli pa solim risināt problēmas, nevis tikai saņemt atbildi. Sākot ar šodienu, tas ir pieejams lietotājiem, kas pieteikušies Free, Plus, Pro, Team, un pieejamība ChatGPT Edu būs pieejama nākamo nedēļu laikā.

ChatGPT kļūst par vienu no visplašāk izmantotajiem mācību rīkiem pasaulē. Studenti to izmanto, lai risinātu sarežģītus mājasdarbus, gatavotos eksāmeniem un izpētītu jaunus konceptus. Taču tā izmantošana izglītībā ir radījusi arī svarīgu jautājumu: kā mēs varam nodrošināt, ka tas tiek izmantots, lai atbalstītu patiesu mācīšanos, nevis tikai piedāvātu risinājumus, nepalīdzot skolēniem tos izprast?

Mēs esam izveidojuši mācību režīmu, lai palīdzētu atbildēt uz šo jautājumu. Kad studenti iesaistās mācību režīmā, viņi sastopas ar vadošajiem jautājumiem, kas pielāgo atbildes viņu mērķim un prasmju līmenim, lai palīdzētu viņiem veidot dziļāku izpratni. Mācību režīms ir veidots tā, lai tas būtu saistošs un interaktīvs, un lai palīdzētu studentiem kaut ko iemācīties, nevis tikai kaut ko pabeigt.

Kā tika izveidots mācību režīms

Ielūkojoties dziļāk, mācību režīmu darbina pielāgotas sistēmas instrukcijas, kuras esam izstrādājuši sadarbībā ar skolotājiem, zinātniekiem un pedagoģijas ekspertiem, lai atspoguļotu pamata uzvedības kopumu, kas atbalsta dziļo mācīšanos, tostarp: aktīvas līdzdalības veicināšanu, kognitīvās slodzes pārvaldību, proaktīvu metakognīcijas un pašrefleksijas attīstīšanu, zinātkāres veicināšanu un praktisku un atbalstošu atsauksmju sniegšanu. Šīs uzvedības pamatā ir ilgstoši pētījumi mācību zinātnē, un tā veido to, kā mācību režīms reaģē uz studentiem.

“Tā vietā, lai paveiktu darbu viņu vietā, mācību režīms mudina studentus kritiski domā par savu mācīšanos.” Šādas funkcijas ir pozitīvs solis ceļā uz efektīvu mākslīgā intelekta izmantošanu mācībās. Pat mākslīgā intelekta laikmetā vislabākā mācīšanās notiek tad, kad skolēni ir sajūsmā par mācību materiālu un aktīvi tajā piedalās. — Robijs Tornijs (Robbie Torney), MI programmu vecākais direktors uzņēmumā Common Sense Media.

Galvenās iezīmes

Interaktīvas uzvednes: apvieno Sokrāta cienīgus jautājumus, ieteikumus un pašrefleksijas uzvednes, lai veicinātu izpratni un aktīvu mācīšanos, nevis sniegtu tiešas atbildes.

Strukturētas atbildes: informācija ir sakārtota viegli pārskatāmās sadaļās, kas izceļ galvenās saiknes starp tematiem, saglabājot informāciju saistošu ar atbilstošu konteksta daudzumu un samazinot sarežģītu tēmu pārslodzi.

Personalizēts atbalsts: nodarbības ir pielāgotas lietotājam atbilstošajam līmenim, pamatojoties uz jautājumiem, kas novērtē prasmju līmeni un atmiņu no iepriekšējām tērzēšanām.

Zināšanu pārbaudes: viktorīnas un atvērta tipa jautājumi, kā arī personalizētas atsauksmes, lai izsekotu progresu, atbalstītu zināšanu saglabāšanu un spēju tās pielietot jaunos kontekstos.

Elastība: sarunas laikā viegli pārslēdz mācību režīmu, dodot tev iespēju pielāgoties saviem mācību mērķiem katrā sarunā.

Kā studenti lieto mācību režīmu

Mācību režīms tika izveidots, domājot par koledžas studentiem. Dažas atsauksmes, ko mēs dzirdējām no studentiem agrīnās testēšanas laikā:

“Vislabāk es to raksturotu kā tiešraidi, 24/7 pieejamu, visu zinošu režīmu ar “biroja darba laiku”.” —Noa Kempbels (Noah Campbell), koledžas students

“Mācību režīms lieliski sadalīja blīvu materiālu skaidros, labi strukturētos skaidrojumos.” — Keilebs Masi (Caleb Masi), koledžas students

“Es pārbaudīju mācību režīmu, lai tas man palīdzētu apgūt koncepciju, ko esmu mēģinājusi apgūt daudzas reizes iepriekš: sinusoidālie pozicionālie kodējumi.” Tas bija kā pasniedzējs, kuram neapnīk mani jautājumi. Pēc 3 stundu ilgas darba sesijas es beidzot to sapratu pietiekami labi, lai justos pārliecināta. —Megija Vonga (Maggie Wang), koledžas studente

Veidi, kā izmantot mācību režīmu, iedvesmojoties no koledžas studentiem no ChatGPT laboratorijas

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

Sāc darbu

Mācību režīms ir īpaši noderīgs, pildot mājasdarbus, gatavojoties pārbaudes darbiem un apgūstot jaunus tematus. Lai to izmēģinātu, ChatGPT rīku sadaļā atlasi “Mācīties un apgūt” un uzdod jautājumu.

Ierobežojumi un kas sekos nākamais

Šis ir pirmais solis ilgākā ceļojumā, lai uzlabotu mācīšanos ChatGPT. Šodien mācību režīmu nodrošina pielāgotas sistēmas instrukcijas. Mēs izvēlējāmies šo pieeju, jo tā ļauj mums ātri mācīties no reālām studentu atsauksmēm un uzlabot pieredzi, pat ja tas rada nekonsekventu uzvedību un kļūdas sarunās. Mēs plānojam tieši iekļaut šo uzvedību mūsu galvenajos modeļos, kad būsim noskaidrojuši, kas vislabāk darbojas, izpētot atkārtošanos un studentu atsauksmes.

Mēs arī pētām funkcionalitāti, lai padarītu mācību režīmu saistošāku un noderīgāku studentiem, tostarp:

Skaidrākas vizualizācijas sarežģītām vai tekstuāli piesātinātām koncepcijām
Mērķu noteikšana un progresa izsekošana dažādās sarunās
Padziļināta personalizācija, kas pielāgota katra skolēna prasmju līmenim un mērķiem.

Pētniecības ainava joprojām veidojas attiecībā uz labākajiem veidiem, kā pielietot MI izglītībā. OpenAI veicina turpmākus pētījumus par mācīšanos un MI, sadarbojoties ar dažādiem partneriem savā NextGenAI⁠ iniciatīvā un sadarbojoties ar SCALE iniciatīvas ekspertiem Stenfordas Universitātes Mācību Paātrinātājā,⁠(atveras jaunā logā) lai pētītu un dalītos ar to, kā MI rīki ietekmē mācību rezultātus tādās jomās kā K-12 izglītība.

Veicot ilgtermiņa pētījumus par to, kā skolēni vislabāk mācās ar MI palīdzību, mēs plānojam publicēt padziļinātu analīzi par to, ko esam uzzinājuši par saitēm starp modeļu dizainu un izziņu, veidot nākotnes produktu pieredzi, balstoties uz šīm atziņām, un sadarboties ar plašāku izglītības ekosistēmu, lai nodrošinātu, ka MI sniedz labumu skolēniem visā pasaulē.

Autors

OpenAI

Turpināt lasīt

Skatīt visu

Introducing the OpenAI Partner Network

Produkts2026. g. 14. jūn.

Better memory for a more helpful ChatGPT

Stiprāks pamats ChatGPT atmiņai

Izpēte2026. g. 4. jūn.

Iepazīstinām ar jaunām GPT-Rosalind iespējām

Produkts2026. g. 3. jūn.