Gå direkt till huvudinnehåll
OpenAI

29 juli 2025

Produkt

Vi presenterar studieläge

Ett nytt sätt för lärande i ChatGPT, som erbjuder vägledning steg för steg istället för snabba svar.

Laddar …

Idag presenterar vi studieläge i ChatGPT – en upplevelse för lärande som hjälper dig att arbeta igenom uppgifter steg för steg istället för att bara få svar. Från och med idag är det tillgängligt för inloggade användare av Free-, Plus-, Pro- och Team-abonnemang, och kommer att bli tillgängligt i ChatGPT Edu inom de närmaste veckorna.

ChatGPT är på väg att bli ett av världens mest använda verktyg för lärande. Studenter använder den som hjälp vid svåra uppgifter, förbereda sig för tentor och utforska nya koncept. Men dess användning inom utbildning har också väckt en viktig fråga: Hur säkerställer vi att ChatGPT används för att stödja verkligt lärande och inte bara erbjuder lösningar utan att hjälpa studenter att förstå?

Vi har skapat studieläget för att hjälpa till att besvara den här frågan. När studerande använder studieläge får de vägledande frågor som anpassar svaren till deras mål och kunskapsnivå så att de kan få en djupare förståelse. Studieläget är utformat för att vara engagerande och interaktivt, och för att hjälpa de studerande att lära sig saker – inte bara utföra dem.  

Så här byggdes studieläget

Under huven drivs studieläget av anpassade systeminstruktioner som har tagits fram i samarbete med lärare, forskare och pedagogikexperter för att återspegla ett antal viktiga beteenden som erbjuder bättre lärande, till exempel:uppmuntra aktivt deltagande, hantera kognitiv belastning, proaktivt utveckla metakognition och självreflektion, främja nyfikenhet och ge genomförbar och stöttande feedback. Dessa beteenden är baserade på långvarig forskning inom lärandevetenskap och formar hur studieläget ger svar till studenter.

”Studieläget uppmuntrar studenter att tänka kritiskt kring sitt lärande, istället för att göra jobbet åt dem. Funktioner som dessa är ett positivt steg mot effektiv AI-användning för lärande. Även i AI-eran sker det bästa lärandet när studenterna är entusiastiska över, och aktivt engagerar sig i, läromaterialet.” – Robbie Torney, Senior Director of AI Programs hos Common Sense Media.

Viktiga funktioner

Interaktiva promptar: En kombination av den sokratiska metoden, ledtrådar och promptar för att vägleda mot förståelse och främja aktivt lärande istället för att ge direkta svar.

Stödjande svar: Informationen är indelad i avsnitt som är enkla att förstå och som lyfter fram de viktigaste kopplingarna mellan ämnena. Detta gör att informationen är engagerande med exakt rätt mängd kontext och risken för överbelastning när det kommer till komplexa ämnen minskar.

Individanpassat stöd: Lektioner är anpassade till användarens rätta nivå utifrån frågor som bedömer kunskapsnivå samt minne från tidigare chattar.

Kunskapskontroller: Quiz och öppna frågor, tillsammans med individuell feedback gör att man följer upp framstegen, vilket underlättar kunskapslagring och förmågan att tillämpa den kunskapen i nya sammanhang.

Flexibilitet: Du kan enkelt aktivera och inaktivera studieläget under ett samtal, vilket ger dig flexibilitet att göra anpassningar utifrån dina lärandemål i varje samtal.

Så här använder studenter studieläget

Studieläget togs fram för universitetsstudenter. Här kommer lite feedback från studenter under tester i tidigt skede:

”Det är som en allvetande ’professor’, tillgänglig dygnet runt online, det är så jag bäst kan beskriva det.” – Noah Campbell, universitetsstudent 

”Studieläget lyckades dela upp komplexa material i tydliga förklaringar.” – Caleb Masi, universitetsstudent 

”Jag testade studieläget för att få handledning i ett koncept jag tidigare försökt lära mig: sinusformad positionskodning. Det var som att ha en handledare som aldrig tröttnar på mina frågor. Efter att ha jobbat på det i tre timmar förstod jag det äntligen bra nog för att känna mig säker.” – Maggie Wang, universitetsstudent

Olika sätt att använda studieläget inspirerat av universitetsstudenter från ChatGPT‑labbet

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

Komma igång 

Studieläget är särskilt bra för att få hjälp med läxor, förbereda sig inför prov och för att lära sig nya ämnen. Om du vill testa det, välj ”Studera och lär dig” från verktygen i ChatGPT och ställ en fråga. 

Begränsningar och nästa steg

Detta är ett första steg i en längre resa för ett förbättrat lärande i ChatGPT.  Idag drivs studieläget av anpassade systeminstruktioner. Vi har valt den här metoden eftersom den gör att vi snabbt kan lära oss av feedback från verkliga studenter och förbättra upplevelsen – även om det ibland leder till inkonsekvent beteende och fel i samtalen. När vi har tagit reda på vad som fungerar bäst genom iteration och studentfeedback, planerar att använda beteendet för att träna våra huvudmodeller. 

Vi utforskar också funktioner för att göra studieläget mer engagerande och hjälpsamt för studenter, inklusive:

  • Tydligare visualiseringar för koncept som är komplexa eller innehåller mycket text
  • Målsättning och framstegsuppföljning i samtal
  • Mer omfattande individanpassning efter studenters färdighetsnivå och mål

Det pågår fortfarande mycket forskning om de bästa sätten att tillämpa AI inom utbildning. OpenAI gör det möjligt att forska vidare om lärande och AI genom olika partner i företagets NextGenAI-initiativ. Tack vare samarbetet med experter från SCALE-initiativet vid Stanford Universitys Accelerator for Learning(öppnas i ett nytt fönster) för att studera och dela hur AI-verktyg påverkar läranderesultaten inom områden som grundskole- och gymnasieutbildning.

I takt med att vi gör längre studier om hur studerande lär sig bäst med AI, avser vi att publicera en mer djupgående analys av vad vi har lärt oss om kopplingarna mellan modelldesign och kognition, bygga framtida produktupplevelser baserat på dessa insikter och arbeta sida vid sida med utbildningsekosystemet för att se till att AI gynnar studenter över hela världen.