29. júla 2025

Predstavujeme režim štúdia

Nový spôsob učenia sa v ChatGPT, ktorý namiesto rýchlych odpovedí ponúka vedenie krok za krokom.

Načítava sa…

Dnes predstavujeme režim štúdia v aplikácii ChatGPT – vzdelávaciu skúsenosť, ktorá vám pomôže riešiť problémy krok za krokom namiesto toho, aby ste len dostali odpoveď. Od dnešného dňa je k dispozícii používateľom, ktorí sa prihlásili, v tarifách Free, Plus, Pro a Team, pričom v nasledujúcich týždňoch bude k dispozícii aj v tarife ChatGPT Edu.

ChatGPT sa stáva jedným z najpoužívanejších vzdelávacích nástrojov na svete. Študenti sa naň obracajú, aby riešili náročné domáce úlohy, pripravovali sa na skúšky a skúmali nové koncepty. Jeho využitie vo vzdelávaní však zároveň vyvolalo dôležitú otázku: ako zabezpečíme, aby sa používalo na podporu skutočného učenia a neponúkalo len riešenia bez toho, aby študentom pomohlo pochopiť ich?

Vytvorili sme režim štúdia, ktorý vám pomôže odpovedať na túto otázku. Keď sa študenti zapoja do režimu štúdia, stretávajú sa s usmerňujúcimi otázkami, ktoré prispôsobujú odpovede ich cieľu a úrovni zručností, aby im pomohli prehĺbiť porozumenie. Režim štúdia je navrhnutý tak, aby bol pútavý a interaktívny a aby pomohol študentom niečo sa naučiť – nielen niečo dokončiť.

Ako bol vytvorený režim štúdia

V podstate je režim štúdia poháňaný vlastnými systémovými pokynmi, ktoré sme napísali v spolupráci s učiteľmi, vedcami a pedagogickými expertmi, aby odrážali základný súbor správania, ktoré podporuje hlbšie učenie, vrátane: povzbudzovania aktívnej účasti, riadenia kognitívnej záťaže, proaktívneho rozvíjania metakognície a sebareflexie, podporovania zvedavosti a poskytovania praktickej a podpornej spätnej väzby. Toto správanie je založené na dlhodobom výskume v oblasti vzdelávacích vied a formuje to, ako režim štúdia reaguje na študentov.

„Namiesto toho, aby za nich vykonával prácu, režim štúdia povzbudzuje študentov, aby kriticky premýšľali o svojom učení. Funkcie, ako sú tieto, predstavujú pozitívny krok k efektívnemu využívaniu umelej inteligencie na učenie. Aj v ére umelej inteligencie sa najlepšie učenie deje vtedy, keď sú študenti nadšení z učiva a aktívne sa doň zapájajú.“ —Robbie Torney, vedúci riaditeľ programov umelej inteligencie v spoločnosti Common Sense Media.

Kľúčové vlastnosti

Interaktívne príkazy: Kombinuje sokratovské otázky, tipy a sebareflexiu s cieľom viesť porozumenie a podporovať aktívne učenie, namiesto poskytovania priamych odpovedí.

Prepracované odpovede: Informácie sú usporiadané do ľahko sledovateľných sekcií, ktoré zdôrazňujú kľúčové súvislosti medzi témami, čím sa zabezpečí pútavosť informácií s presným kontextom a zníži sa ich zahltenie zložitými témami.

Personalizovaná podpora: Lekcie sú prispôsobené správnej úrovni používateľa na základe otázok, ktoré hodnotia úroveň zručností a pamäť z predchádzajúcich rozhovorov.

Kontroly znalostí: Kvízy a otvorené otázky spolu s personalizovanou spätnou väzbou na sledovanie pokroku podporujú uchovávanie znalostí a schopnosť aplikovať tieto znalosti v nových kontextoch.

Flexibilita: Počas konverzácie môžete jednoducho zapínať a vypínať režim štúdia, čo vám dáva flexibilitu prispôsobiť sa vašim vzdelávacím cieľom v každej konverzácii.

Ako študenti používajú režim štúdia

Režim štúdia bol vytvorený s ohľadom na vysokoškolákov. Niekoľko pripomienok, ktoré sme počuli od študentov počas počiatočného testovania:

„Najlepšie by som to opísal ako živé, vševediace ’úradné hodiny’, ktoré sú k dispozícii 24/7.“ —Noah Campbell, vysokoškolský študent

„Režim štúdia odviedol skvelú prácu pri rozdelení hustej látky na jasné a zrozumiteľné vysvetlenia.“ – Caleb Masi, vysokoškolský študent

„Vyskúšal som režim štúdia, aby ma doučil koncept, ktorý som sa už mnohokrát pokúšal naučiť: sínusoidné pozičné kódovanie.“ Bolo to ako tútor, ktorého moje otázky neunavujú. Po trojhodinovej pracovnej relácii som tomu konečne porozumel natoľko dobre, aby som sa cítil sebavedomo.“ —Maggie Wang, vysokoškolská študentka

Spôsoby, ako využiť režim štúdia inšpirované vysokoškolskými študentmi z laboratória 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

Začíname

Režim štúdia je obzvlášť užitočný na pomoc s domácimi úlohami, prípravu na testy a učenie sa nových tém. Ak ho chcete vyskúšať, vyberte v nástrojoch ChatGPT možnosť „Študovať a učiť sa“ a položte otázku.

Obmedzenia a ďalšie kroky

Toto je prvý krok na dlhšej ceste k zlepšeniu učenia v ChatGPT. Dnes je režim štúdia poháňaný vlastnými systémovými pokynmi. Tento prístup sme zvolili, pretože nám umožňuje rýchlo sa učiť zo spätnej väzby od skutočných študentov a zlepšovať používateľský zážitok – aj keď to vedie k nekonzistentnému správaniu a chybám v rámci konverzácií. Toto správanie plánujeme priamo natrénovať v našich hlavných modeloch, hneď ako sa prostredníctvom iterácií a spätnej väzby od študentov naučíme, čo funguje najlepšie.

Taktiež skúmame funkcie, ktoré by urobili režim štúdia pútavejším a užitočnejším pre študentov, vrátane:

jasnejších vizualizácií pre zložité alebo textovo náročné koncepty
stanovenia cieľov a sledovania pokroku naprieč konverzáciami
hlbšej personalizácii prispôsobenej úrovni zručností a cieľom každého študenta

Výskumná krajina v oblasti najlepších spôsobov aplikácie umelej inteligencie vo vzdelávaní sa stále formuje. OpenAI umožňuje ďalší výskum v oblasti učenia a umelej inteligencie prostredníctvom rôznych partnerov v rámci svojej iniciatívy NextGenAI⁠ a spolupracuje s expertmi z iniciatívy SCALE v rámci Akcelerátora Stanfordskej univerzity pre vzdelávanie⁠(otvorí sa v novom okne) na štúdiu a zdieľaní toho, ako nástroje umelej inteligencie ovplyvňujú výsledky vzdelávania v oblastiach, ako je vzdelávanie na základnej a strednej škole.

Keďže vykonávame dlhodobejšie štúdie o tom, ako sa študenti najlepšie učia s umelou inteligenciou, máme v úmysle publikovať hlbšiu analýzu toho, čo sme sa dozvedeli o súvislostiach medzi návrhom modelu a kogníciou, formovať budúce skúsenosti s produktmi na základe týchto poznatkov a spolupracovať so širším vzdelávacím ekosystémom, aby sme zabezpečili, že umelá inteligencia bude prospešná pre študentov na celom svete.

Autor

OpenAI

Pokračovať v čítaní

Zobraziť všetko

Introducing the OpenAI Partner Network

Produkt14. 6. 2026

Better memory for a more helpful ChatGPT

Silnejší základ pre pamäť ChatGPT

Vyhľadávanie4. 6. 2026

Predstavujeme nové schopnosti pre GPT-Rosalind

Produkt3. 6. 2026