29. јул 2025.

Predstavljamo режим учења

Novi način učenja u ChatGPT‑ju koji nudi vođenje korak po korak umesto brzih odgovora.

Учитавање…

Danas uvodimo режим учења u ChatGPT‑ju — iskustvo učenja koje vam pomaže da prolazite kroz probleme korak po korak, umesto da samo dobijete odgovor. Od danas je dostupan prijavljenim korisnicima paketa Free, Plus, Pro i Team, a dostupnost u ChatGPT Edu stiže u narednih nekoliko nedelja.

ChatGPT postaje jedan od najčešće korišćenih alata za učenje na svetu. Učenici i studenti mu se obraćaju da prođu kroz zahtevne domaće zadatke, pripreme se za ispite i istraže nove pojmove. Ali njegova upotreba u obrazovanju pokrenula je i važno pitanje: kako da obezbedimo da se koristi kao podrška stvarnom učenju, a ne samo da nudi rešenja bez pomoći učenicima da ih zaista razumeju?

Napravili smo режим учења kako bismo pomogli da se odgovori na ovo pitanje. Kada učenici i studenti koriste режим учења, dočekuju ih usmeravajuća pitanja koja prilagođavaju odgovore njihovom cilju i nivou znanja, kako bi izgradili dublje razumevanje. Režim učenja je osmišljen tako da bude zanimljiv i interaktivan i da pomogne učenicima da nešto nauče — a ne samo da nešto završe.

Kako je napravljen режим учења

U pozadini, режим учења pokreću prilagođena sistemska uputstva koja smo napisali u saradnji sa nastavnicima, naučnicima i stručnjacima za pedagogiju, kako bi odražavala osnovni skup ponašanja koja podržavaju dublje učenje, uključujući: podsticanje aktivnog učešća, upravljanje kognitivnim opterećenjem, proaktivni razvoj metakognicije i samorefleksije, negovanje radoznalosti i pružanje primenljivih i podržavajućih povratnih informacija. Ova ponašanja zasnovana su na dugogodišnjim istraživanjima u nauci o učenju i oblikuju način na koji режим учења odgovara učenicima i studentima.

„Umesto da rade posao umesto njih, режим учења podstiče učenike da kritički razmišljaju o svom učenju. Funkcije poput ove predstavljaju pozitivan korak ka efikasnoj upotrebi AI-ja za učenje. Čak i u eri AI-ja, najbolje učenje se i dalje dešava kada su učenici uzbuđeni zbog gradiva i aktivno se njime bave.“ — Robbie Torney, viši direktor AI programa u Common Sense Media.

Ključne funkcije

Interaktivne instrukcije: Kombinuju sokratovsko ispitivanje, nagoveštaje i instrukcije za samorefleksiju kako bi usmeravali razumevanje i podsticali aktivno učenje, umesto da odmah daju odgovore.

Postepeno strukturisani odgovori: Informacije su organizovane u celine koje je lako pratiti i koje ističu ključne veze između tema, čineći sadržaj zanimljivim uz pravu meru konteksta i smanjujući opterećenje kod složenih tema.

Personalizovana podrška: Lekcije su prilagođene odgovarajućem nivou korisnika, na osnovu pitanja koja procenjuju nivo znanja i pamćenje iz prethodnih razgovora.

Provere znanja: Kvizovi i otvorena pitanja, zajedno sa personalizovanim povratnim informacijama za praćenje napretka, podržavaju zadržavanje znanja i sposobnost da se to znanje primeni u novim kontekstima.

Fleksibilnost: Lako uključite ili isključite режим учења tokom razgovora, što vam daje fleksibilnost da se u svakom razgovoru prilagodite svojim ciljevima učenja.

Kako učenici koriste режим учења

Režim učenja je napravljen imajući pre svega na umu studente. Neke povratne informacije koje smo čuli od studenata tokom ranog testiranja:

„Najbolje bih to opisao kao žive, 24/7, sveznajuće „konsultacije“. — Noah Campbell, student

„Režim učenja je odlično razložio gusto gradivo u jasna, dobro tempirana objašnjenja.“ — Caleb Masi, student

„Stavila sam режим учења na probu da mi objasni pojam koji sam mnogo puta ranije pokušavala da naučim: sinusoidna poziciona kodiranja. Bilo je kao tutor koji se ne umara od mojih pitanja. Posle trosatne radne sesije, konačno sam to dovoljno dobro razumela da se osećam sigurno.“ — Maggie Wang, studentkinja

Načini korišćenja režima učenja inspirisani studentima iz ChatGPT laboratorije

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

Početak korišćenja

Režim učenja je posebno koristan za pomoć oko domaćih zadataka, pripremu za testove i učenje novih tema. Da biste ga isprobali, izaberite „Study and learn“ u alatkama u ChatGPT‑ju i postavite pitanje.

Ograničenja i šta sledi

Ovo je prvi korak na dužem putu unapređenja učenja u ChatGPT‑ju. Danas режим учења pokreću prilagođena sistemska uputstva. Izabrali smo ovaj pristup jer nam omogućava da brzo učimo iz stvarnih povratnih informacija studenata i unapređujemo iskustvo — čak i ako to dovodi do ponekog nedoslednog ponašanja i grešaka kroz razgovore. Planiramo da ovo ponašanje direktno obučimo u naše glavne modele kada kroz iteracije i povratne informacije studenata naučimo šta najbolje funkcioniše.

Takođe istražujemo funkcionalnosti koje bi režim učenja učinile zanimljivijim i korisnijim za učenike i studente, uključujući:

Jasnije vizualizacije za složene ili tekstualno obimne pojmove
Postavljanje ciljeva i praćenje napretka kroz razgovore
Dublju personalizaciju prilagođenu nivou znanja i ciljevima svakog učenika

Istraživački okvir za najbolje načine primene AI-ja u obrazovanju i dalje se oblikuje. OpenAI omogućava dalja istraživanja o učenju i AI-ju kroz različite partnere u okviru svoje inicijative NextGenAI⁠, i sarađuje sa stručnjacima iz SCALE Initiative pri Stanford University’s Accelerator for Learning⁠(отвара се у новом прозору) na proučavanju i deljenju saznanja o tome kako AI alati utiču na ishode učenja u oblastima kao što je obrazovanje K-12.

Dok sprovodimo dugoročnija istraživanja o tome kako učenici najbolje uče uz AI, nameravamo da objavimo dublju analizu onoga što smo naučili o vezama između dizajna modela i kognicije, oblikujemo buduća iskustva proizvoda na osnovu tih uvida i radimo rame uz rame sa širim obrazovnim ekosistemom kako bismo osigurali da AI koristi učenicima širom sveta.

Аутор

OpenAI

Наставите са читањем

Прикажи све

Reimagining advertising with AI — Card cover

Поново осмишљавамо оглашавање уз AI

Производ16. сеп 2026.

How to connect AI usage to business value — art card

Како повезати коришћење AI-ја с пословном вредношћу