Przejdź do treści głównej
OpenAI

29 lipca 2025

Produkt

Przedstawiamy tryb nauki

Nowy sposób uczenia się przy użyciu ChatGPT, który udostępnia wskazówki krok po kroku zamiast szybkich odpowiedzi.

Ładowanie…

Dzisiaj przedstawiamy tryb nauki w ChatGPT – angażujące i interaktywne rozwiązanie do uczenia się, które pomaga w rozwiązywaniu zadań krok po kroku, zamiast po prostu udzielać odpowiedzi. Od teraz jest on dostępny dla zalogowanych użytkowników korzystających z planów Free, Plus, Pro i Team, a w ciągu najbliższych kilku tygodni będzie dostępny również dla użytkowników ChatGPT Edu.

ChatGPT staje się jednym z najczęściej używanych narzędzi do nauki na świecie. Studenci i uczniowie korzystają z niego, rozwiązując trudne zadania domowe, przygotowując się do egzaminów oraz ucząc się nowych zagadnień. Jednak używanie go podczas nauki wiąże się z ważnym pytaniem: jak sprawić, by ChatGPT wspierał rzeczywistą naukę, a nie po prostu wyświetlał rozwiązania bez pomagania w ich zrozumieniu?

Stworzyliśmy tryb nauki, aby pomóc w uzyskaniu odpowiedzi na to pytanie. Studenci i uczniowie korzystający z trybu nauki otrzymują pytania pomocnicze dostosowujące odpowiedzi do ich celu i poziomu umiejętności. Pomaga to w lepszym zrozumieniu materiału. Tryb nauki został opracowany tak, aby był angażujący i interaktywny oraz pomagał studentom i uczniom w zdobywaniu wiedzy i umiejętności, a nie tylko w jak najszybszym uzyskaniu rozwiązania zadania.  

Z czego składa się tryb nauki

Pod maską trybu nauki znajdują się niestandardowe instrukcje systemu, które napisaliśmy we współpracy z nauczycielami, naukowcami i ekspertami w dziedzinie pedagogiki. Odzwierciedlają one najważniejsze zachowania umożliwiające lepszą naukę, w tym:zachęcanie do aktywnego udziału, zarządzanie obciążeniem poznawczym, proaktywny rozwój metapoznania i autorefleksji, pobudzanie ciekawości oraz przekazywanie praktycznych i konstruktywnych informacji zwrotnych. Zachowania te są oparte na długoletnich badaniach naukowych dotyczących uczenia się i kształtują sposób, w jaki tryb nauki reaguje na działania studentów i uczniów.

„Tryb nauki nie wykonuje pracy za osoby uczące się. Zamiast tego zachęca je do krytycznego myślenia o tym, czego i jak się nauczyły. Jest on jednym z pozytywnych kroków w kierunku efektywnego stosowania AI podczas nauki. „Nawet w epoce AI wiedza jest najlepiej przyswajana, gdy uczniowie są zainteresowani materiałem i aktywnie angażują się w naukę“ - Robbie Torney, starszy dyrektor ds. programów AI w Common Sense Media.

Najważniejsze funkcje

Interaktywne polecenia: Łącząc pytania sokratejskie, wskazówki i autorefleksję, pomagają w zrozumieniu i wspierają aktywną naukę, zamiast udzielać gotowych odpowiedzi.

Pogrupowane odpowiedzi: Informacje są pogrupowane w zrozumiałe sekcje ze wskazaniem kluczowych powiązań między tematami. Odpowiednia ilość informacji we właściwym kontekście sprawia, że treść jest interesująca, a skomplikowane tematy nie przytłaczają.

Spersonalizowane wsparcie: Lekcje są dostosowane do poziomu odpowiedniego dla użytkownika z wykorzystaniem pytań oceniających jego poziom umiejętności oraz na podstawie pamięci z poprzednich czatów.

Sprawdziany wiedzy: Quizy i pytania otwarte wraz ze spersonalizowanymi informacjami zwrotnymi pozwalającymi śledzić postępy pomagają zapamiętać wiedzę i stosować ją w nowych kontekstach.

Elastyczność: Łatwe włączanie i wyłączanie trybu nauki podczas każdej konwersacji pozwala na jej elastyczne dostosowanie do celów nauki.

Jak studenci i uczniowie korzystają z trybu nauki

Tryb nauki powstał z myślą o studentach. Niektóre z opinii, jakie zebraliśmy od studentów podczas wczesnych testów:

„Tryb nauki najlepiej opisać jako całodobowy dostęp do konsultacji, podczas których można uzyskać odpowiedź na każde pytanie”. — Noah Campbell, student

Tryb nauki świetnie się spisał, dzieląc trudny materiał na zrozumiałe i odpowiadające mojemu tempu nauki wyjaśnienia”. — Caleb Masi, student 

„Skorzystałam z trybu nauki, aby opanować temat, którego próbowałam nauczyć się już wiele razy: sinusoidalne kodowanie pozycyjne. To korepetytor, którego nie męczą moje pytania. Po 3 godzinach nauki wreszcie poczułam, że opanowałam ten temat”. — Maggie Wang, studentka

Sposoby korzystania z trybu nauki zainspirowane studentami z laboratorium 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

Rozpoczynanie korzystania 

Tryb nauki jest szczególnie przydatny podczas odrabiania pracy domowej, przygotowywania się do testów i nauki nowych tematów. Aby go wypróbować, wybierz opcję „Ucz się i przyswajaj wiedzę” z narzędzi w ChatGPT i zadaj pytanie. 

Ograniczenia i plany

To pierwszy krok na długiej drodze do poprawy środowiska uczenia się przy użyciu ChatGPT.  Obecnie tryb nauki korzysta z niestandardowych instrukcji systemu. Wybraliśmy to podejście, ponieważ pozwala ono na szybkie wyciąganie wniosków pomagających ulepszać nasze usługi na podstawie opinii prawdziwych studentów i uczniów, nawet jeśli powoduje ono niespójne działanie i błędy w konwersacjach. Zachowanie trybu nauki planujemy wdrożyć podczas treningu bezpośrednio w naszych głównych modelach, gdy dowiemy się, co działa najlepiej na podstawie iteracjom i opinii studentów i uczniów. 

Badamy również nad funkcjami, które sprawią, że tryb nauki będzie bardziej angażujący i pomocny dla studentów i uczniów, w tym:

  • Bardziej zrozumiałe wizualizacje złożonych lub pojęć z długimi wyjaśnieniami
  • Wyznaczanie celów i śledzenie postępów w konwersacjach
  • Większa personalizacja dostosowana do poziomu umiejętności i celów każdego ucznia

Wciąż kształtuje się konsensus badawczy dotyczący najlepszych zastosowań AI w edukacji. OpenAI wspiera rozwój badań dotyczących uczenia się i AI wraz z różnymi partnerami w ramach inicjatywy NextGenAI oraz współpracuje z ekspertami z inicjatywy SCALE w ramach programu Accelerator for Learning Uniwersytetu Stanforda(otwiera nowe okno) w kwestii badań dotyczących wpływu narzędzi AI na wyniki nauczania w takich obszarach, jak edukacja na poziomie podstawowym i średnim, oraz dzielenia się wiedzą z tych badań.

W miarę prowadzenia długoterminowych badań dotyczących tego, w jaki sposób studenci i uczniowie najlepiej uczą się z pomocą AI, zamierzamy opublikować bardziej szczegółową analizę z naszymi wnioskami dotyczącymi powiązań między projektowaniem modeli i procesami poznawczymi, kształtować przyszłe rozwiązania produktowe na podstawie tych wniosków oraz współpracować z szerokim ekosystemem edukacyjnym, aby zapewnić korzyści płynące z AI uczącym się osobom na całym świecie.