Переход к основному контенту
OpenAI

29 июля 2025 г.

Товар

Представляем режим обучения

Новый способ обучения в ChatGPT, который предлагает пошаговые инструкции вместо быстрых ответов.

Загрузка…

Сегодня мы представляем режим обучения в ChatGPT, который помогает вам решать задачи шаг за шагом, а не просто получать ответ. Начиная с сегодняшнего дня, он доступен для авторизованных пользователей планов Free, Plus, Pro и Team, а в ChatGPT Edu станет доступен в ближайшие недели.

ChatGPT становится одним из самых широко используемых учебных инструментов в мире. Студенты обращаются к нему, чтобы справляться со сложными домашними заданиями, готовиться к экзаменам и изучать новые концепции. Но его использование в образовании также ставит важный вопрос: как убедиться, что он поддерживает реальное обучение и развитие, а не просто предоставляет готовые решения без объяснения?

Мы разработали режим обучения, чтобы помочь ответить на этот вопрос. В режиме обучения студенты получают наводящие вопросы, которые помогают подстроить ответы под их цели и уровень навыков, чтобы они могли глубже понять материал. Режим обучения разработан так, чтобы быть увлекательным и интерактивным и помогать студентам действительно чему-то научиться, а не просто выполнять задания.  

Как был создан режим обучения

В основе режима обучения лежат специальные системные инструкции, разработанные совместно с преподавателями, учеными и экспертами по педагогике. Они отражают ключевые принципы, поддерживающие глубокое обучение: активное участие, управление когнитивной нагрузкой, развитие метапознания и саморефлексии, стимулирование любопытства и предоставление полезной и поддерживающей обратной связи. Эти принципы основаны на исследованиях в обучении и определяют, как этот режим реагирует на действия студентов.

«Вместо того чтобы выполнять работу за них, этот режим побуждает учащихся думать критически о своем обучении. Подобные функции являются положительным шагом к эффективному использованию ИИ в обучении. Даже в эпоху искусственного интеллекта лучшее обучение происходит, когда ученики воодушевлены и активно взаимодействуют с материалом урока» (Робби Торни, старший директор программ по искусственному интеллекту в Common Sense Media).

Основные функции

Интерактивные подсказки: сочетают в себе сократические вопросы, советы и подсказки для самоанализа, чтобы направлять понимание и способствовать активному обучению, вместо того чтобы давать прямые ответы.

Структурированные ответы: информация организована в легко воспринимаемые разделы, подчеркивающие ключевые связи между темами, предоставляя нужный контекст и снижая перегрузку при изучении сложных вопросов.

Индивидуальная поддержка: уроки адаптированы под уровень пользователя на основе вопросов, оценивающих навыки и память из предыдущих чатов.

Проверки знаний: квизы и открытые вопросы с персонализированной обратной связью помогают отслеживать прогресс, удерживать знания и применять их в новых контекстах.

Гибкость: режим обучения легко включать и отключать во время разговора, позволяя адаптироваться к целям обучения в каждом обсуждении.

Как учащиеся используют режим обучения

Режим обучения был разработан с учетом потребностей студентов вузов. Некоторые отзывы, которые мы получили от студентов во время раннего тестирования:

«Лучше всего это описать как круглосуточные «часы приема» с живым экспертом и без выходных» (Ноа Кэмпбелл, студент). 

«Режим обучения отлично справился с разбором сложного материала, превратив его в ясные и хорошо структурированные объяснения» (Калеб Маси, студент). 

«Я протестировал режим обучения, чтобы он помог мне разобраться в концепции, которую я пытался освоить много раз: синусоидальные позиционные кодировки. Это было похоже на репетитора, который не устает от моих вопросов. После трехчасового рабочего сеанса я наконец поняла это настолько хорошо, что почувствовала себя уверенной» (Мэгги Ванг, студентка).

Способы использования режима обучения, вдохновленные студентами колледжей из лаборатории 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

Начало работы 

Режим обучения особенно полезен для помощи с домашними заданиями, подготовки к экзаменам и изучения новых тем. Чтобы попробовать, выберите «Study and learn» (режим «Обучение») в инструментах ChatGPT и задайте вопрос. 

Ограничения и следующие шаги

Это первый шаг на длинном пути к улучшению обучения в ChatGPT.  Сегодня режим обучения работает на основе пользовательских системных инструкций. Мы выбрали этот подход, потому что он позволяет нам быстро учиться на реальных отзывах студентов и улучшать опыт — даже если это приводит к некоторой непоследовательности в поведении и ошибкам в обсуждениях. Мы планируем встроить эти механизмы непосредственно в основные модели после того, как определим, что работает лучше всего через итерации и обратную связь студентов. 

Мы также изучаем функционал, чтобы сделать режим обучения более увлекательным и полезным для студентов, включая:

  • – более четкую визуализацию для сложных или насыщенных текстом концепций;
  • – постановку целей и отслеживание прогресса в обсуждениях;
  • – более глубокую персонализацию, адаптированную к уровню навыков и целям каждого студента.

Исследовательская область по применению ИИ в образовании продолжает развиваться. OpenAI способствует дальнейшим исследованиям в области обучения и ИИ через партнеров в рамках своей инициативы NextGenAI, а также сотрудничает с экспертами проекта SCALE Стэнфордского университета в рамках программы Accelerator for Learning(открывается в новом окне), посвященной тому, как ИИ влияет на образовательные результаты учащихся детского сада и школы.

В ходе долгосрочных исследований о том, как студенты учатся с ИИ, мы планируем публиковать более глубокий анализ, основываясь на выводах о связи между дизайном модели и когнитивными процессами, формировать будущий опыт продукта и работать вместе с образовательным сообществом, чтобы ИИ приносил пользу учащимся по всему миру.