29 Julai 2025

Memperkenalkan mod belajar

Cara baharu untuk belajar dalam ChatGPT yang menawarkan panduan langkah demi langkah dan bukannya jawapan pantas.

Memuat…

Hari ini kami memperkenalkan mod belajar dalam ChatGPT—pengalaman pembelajaran yang membantu anda mengatasi masalah langkah demi langkah dan bukannya hanya mendapat jawapan. Mulai hari ini, ia tersedia untuk pengguna yang log masuk pada pelan Percuma, Plus, Pro, dan Team, dengan ketersediaan dalam ChatGPT Pendidikan akan datang dalam beberapa minggu seterusnya.

ChatGPT menjadi salah satu alat pembelajaran yang paling banyak digunakan di dunia. Pelajar beralih kepadanya untuk menyelesaikan masalah kerja sekolah yang mencabar, bersedia untuk peperiksaan, dan menerokai konsep baharu. Tetapi penggunaannya dalam pendidikan juga telah menimbulkan persoalan penting: bagaimana untuk kami memastikan ia digunakan untuk memberikan sokongan kepada pembelajaran sebenar, dan tidak hanya menawarkan penyelesaian tanpa membantu pelajar memahaminya?

Kami telah membina mod belajar untuk membantu menjawab persoalan ini. Apabila pelajar terlibat dengan mod belajar, mereka menemui soalan panduan yang menentukur tindak balas terhadap objektif dan tahap kemahiran mereka untuk membantu mereka membina pemahaman yang lebih mendalam. Mod belajar direka untuk menjadi menarik dan interaktif, serta membantu pelajar mempelajari sesuatu—bukan sekadar menyelesaikan sesuatu.

Bagaimana mod belajar dibina

Di bawah hud, mod belajar dikuasakan oleh arahan sistem tersuai yang kami tulis dengan kerjasama guru, saintis, dan pakar pedagogi untuk mencerminkan satu set tingkah laku teras yang menyokong pembelajaran mendalam termasuk: menggalakkan penyertaan aktif, mengurus muatan kognitif, membangunkan metakognisi dan refleksi diri secara proaktif, memupuk rasa ingin tahu, dan menyediakan maklum balas perbuatan serta sokongan. Tingkah laku ini berdasarkan penyelidikan jangka panjang dalam sains pembelajaran dan membentuk cara mod belajar bertindak balas kepada pelajar.

“Daripada melakukan kerja untuk mereka, mod belajar menggalakkan pelajar berfikir secara kritis tentang pembelajaran mereka. Ciri-ciri seperti ini adalah langkah positif ke arah penggunaan AI yang berkesan untuk pembelajaran. Walaupun dalam era AI, pembelajaran terbaik masih berlaku apabila pelajar berasa teruja dan terlibat secara aktif dengan bahan pelajaran. —Robbie Torney, Pengarah Kanan Program AI di Common Sense Media.

Ciri utama

Prom interaktif: Menggabungkan penyoalan Sokratik, petunjuk, dan prom refleksi diri untuk membimbing pemahaman dan menggalakkan pembelajaran aktif, bukan sekadar memberikan jawapan secara langsung.

Respons berperancah: Maklumat disusun dalam bahagian yang mudah diikuti, menyerlahkan hubungan utama antara topik, mengekalkan maklumat yang menarik dengan konteks yang mencukupi dan mengurangkan kekeliruan untuk topik yang kompleks.

Sokongan diperibadikan: Pelajaran disesuaikan dengan tahap yang sesuai untuk pengguna, berdasarkan soalan yang menilai tahap kemahiran dan ingatan daripada sembang terdahulu.

Semakan pengetahuan: Kuiz dan soalan terbuka, bersama maklum balas peribadi untuk menjejak kemajuan, dengan sokongan pengekalan pengetahuan dan keupayaan untuk menerapkan pengetahuan tersebut ke dalam konteks baharu.

Fleksibiliti: Togol mod belajar semasa perbualan dengan mudah, memberikan anda fleksibiliti untuk menyesuaikan diri dengan matlamat pembelajaran anda dalam setiap perbualan.

Bagaimana pelajar menggunakan mod belajar

Mod belajar dibina dengan mengambil kira pelajar kolej. Beberapa maklum balas yang kami dengar daripada pelajar semasa ujian awal:

“Cara terbaik untuk saya gambarkannya ialah “waktu pejabat” yang sentiasa ada, 24/7, dan serba tahu. —Noah Campbell, pelajar kolej

"Mod belajar telah berjaya memecahkan bahan padat kepada penjelasan yang jelas dan teratur." —Caleb Masi, pelajar kolej

“Saya menguji mod belajar untuk mengajar saya tentang konsep yang saya sudah cuba belajar beberapa kali sebelum ini: pengekodan kedudukan sinusoidal. Ia seperti tutor yang tidak jemu dengan soalan-soalan saya. "Selepas sesi berjalan selama 3 jam, saya akhirnya dapat memahaminya dengan cukup baik dan merasa yakin.” —Maggie Wang, pelajar kolej

Cara menggunakan mod belajar yang diilhamkan oleh pelajar kolej dari Makmal 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

Memulakan

Mod belajar amat berguna untuk membantu kerja sekolah, persediaan ujian, dan mempelajari topik baharu. Untuk mencubanya, pilih “Belajar dan pelajari” daripada alat dalam ChatGPT dan tanya soalan.

Batasan dan langkah seterusnya

Ini adalah langkah pertama dalam perjalanan yang lebih panjang untuk meningkatkan pembelajaran dalam ChatGPT. Hari ini, mod belajar dikuasakan oleh arahan sistem tersuai. Kami memilih pendekatan ini kerana ia membolehkan kami belajar dengan cepat daripada maklum balas pelajar sebenar dan menambah baik pengalaman—walaupun ia mengakibatkan beberapa tingkah laku dan kesilapan yang tidak konsisten merentas perbualan. Kami merancang untuk memasukkan latihan tingkah laku ini secara langsung ke dalam model utama kami setelah kami mengetahui apa yang paling berkesan melalui pengulangan dan maklum balas pelajar.

Kami juga meneroka fungsi untuk menjadikan mod belajar lebih menarik dan bermanfaat untuk pelajar termasuk:

Pengvisualan yang lebih jelas untuk konsep yang kompleks atau teks yang banyak
Penetapan matlamat dan penjejakan kemajuan merentasi perbualan
Pemperibadian yang lebih mendalam disesuaikan dengan tahap kemahiran dan matlamat setiap pelajar

Landskap penyelidikan masih dalam proses pembentukan mengenai cara terbaik untuk menerapkan AI dalam pendidikan. OpenAI membolehkan penyelidikan lanjut tentang pembelajaran dan AI melalui pelbagai rakan kongsi dalam inisiatif NextGenAI⁠, dan bekerjasama dengan pakar dari Inisiatif SCALE di Accelerator for Learning di Stanford University⁠(dibuka dalam tetingkap baru) untuk mengkaji dan berkongsi bagaimana alat AI mempengaruhi hasil pembelajaran dalam bidang seperti pendidikan K-12.

Semasa kami menjalankan kajian jangka panjang tentang cara pelajar belajar dengan terbaik menggunakan AI, kami berhasrat untuk menerbitkan analisis yang lebih mendalam tentang apa yang telah kami pelajari mengenai pautan antara reka bentuk model dan kognisi, membentuk pengalaman produk masa hadapan berdasarkan cerapan ini, dan bekerjasama dengan ekosistem pendidikan yang lebih luas untuk memastikan AI dapat memberi manfaat kepada pelajar di seluruh dunia.

Penulis

OpenAI

Teruskan membaca

Lihat semua

GPT-5.6 is now the preferred model in Microsoft 365 Copilot > Cover image

GPT-5.6 kini model pilihan dalam Microsoft 365 Copilot

Produk9 Jul 2026

ChatGPT kini rakan untuk kerja anda yang paling bercita-cita tinggi

Produk9 Jul 2026

GPT-5.6: Kecerdasan perbatasan yang berkembang seiring dengan cita-cita anda

Produk9 Jul 2026