ChatGPT vừa cho ra mắt tính năng mới dành cho người học - Chế độ học tập trên ChatGPT - một trải nghiệm học tập giúp người học từng bước giải quyết vấn đề thay vì chỉ nhận được đáp án. Tính năng này sẽ được triển khai cho người dùng các gói Free, Plus, Pro, Team và sẽ sớm có mặt trên ChatGPT Edu trong vài tuần tới.
ChatGPT đang trở thành một trong những công cụ học tập được sử dụng rộng rãi nhất trên thế giới. Học sinh chuyển sang công cụ này để học tập thông qua các bài tập về nhà đầy thách thức, chuẩn bị cho các kỳ thi và khám phá những khái niệm mới. Tuy nhiên, việc sử dụng công cụ này trong giáo dục cũng làm dấy lên một câu hỏi quan trọng: làm thế nào để đảm bảo nó được sử dụng để hỗ trợ quá trình học tập thực sự, thay vì đưa ra lời giải mà không giúp học sinh hiểu rõ kiến thức?
ChatGPT đã xây dựng chế độ học để giúp trả lời câu hỏi này. Khi sử dụng chế độ học tập, học sinh sẽ được gợi ý bằng các câu hỏi dẫn dắt nhằm điều chỉnh câu trả lời cho phù hợp với mục tiêu và trình độ kỹ năng của mình, giúp các em hình thành hiểu biết sâu sắc hơn. Chế độ học tập được thiết kế để tạo cảm giác hấp dẫn và tương tác, nhằm giúp học sinh thực sự hiểu bài chứ không chỉ hoàn thành nhiệm vụ.
Chế độ học tập này được xây dựng như thế nào?
Về cơ bản, chế độ học tập dựa trên nền tảng là các hướng dẫn hệ thống tùy chỉnh đã được thiết kế với sự hợp tác của các giáo viên, nhà khoa học và chuyên gia sư phạm để mô phỏng một tập hợp các hành vi cốt lõi hỗ trợ học sâu hơn gồm:khuyến khích sự tham gia tích cực, quản lý tải nhận thức, chủ động phát triển siêu nhận thức và tự suy ngẫm, nuôi dưỡng trí tò mò và đưa ra phản hồi thực tế và mang tính xây dựng. Những hành vi này đều dựa trên nghiên cứu lâu dài về khoa học học tập và giúp định hình cho cách thức mà chế độ học tập phản hồi học sinh.
“Thay vì làm bài hộ cho các em, chế độ học tập khuyến khích học sinh tư duy phản biện về nội dung mình học. Những tính năng như thế này là một bước tiến tích cực hướng tới sử dụng AI hiệu quả trong học tập. Ngay cả trong kỷ nguyên AI, học tập vẫn sẽ đạt được hiệu quả tốt nhất khi học sinh hứng thú và tích cực tham gia nội dung bài học." - Robbie Torney, Giám đốc cấp cao phụ trách Chương trình AI tại Common Sense Media, cho biết.
Tính năng chính
Lời nhắc tương tác: Kết hợp phương pháp đặt câu hỏi kiểu Socrate, gợi ý và lời nhắc tự suy ngẫm để dẫn dắt người học tìm hiểu và tích cực tư duy thay vì đưa ra câu trả lời trực tiếp.
Câu trả lời theo phương pháp giàn giáo (scaffolding): Thông tin được sắp xếp thành các phần dễ theo dõi, làm nổi bật mối liên hệ chính giữa các chủ đề, giữ cho thông tin hấp dẫn với lượng bối cảnh vừa đủ và giảm độ choáng ngợp đối với các chủ đề phức tạp.
Hỗ trợ được cá nhân hóa: Các bài học được điều chỉnh ở cấp độ phù hợp với người dùng, dựa trên các câu hỏi đánh giá mức độ kỹ năng và bộ nhớ từ các đoạn chat trước đó.
Kiểm tra kiến thức: Các bài kiểm tra và câu hỏi mở, cùng với phản hồi cá nhân hóa để theo dõi tiến độ, hỗ trợ ghi nhớ kiến thức và khả năng áp dụng kiến thức đó vào các tình huống mới.
Linh hoạt: Dễ dàng điều chỉnh bật và tắt chế độ học tập trong khi trò chuyện, giúp người học linh hoạt điều chỉnh mục tiêu học tập trong mỗi cuộc trò chuyện.
Cách thức học sinh sử dụng chế độ học tập
Chế độ học tập được xây dựng phù hợp với sinh viên đại học. Một vài ý kiến của sinh viên mà chúng tôi nhận được trong quá trình thử nghiệm ban đầu:
“Theo tôi, cách mô tả đúng nhất là "giờ làm việc" trực tiếp, hoạt động 24/7, và hiểu biết toàn diện.” - Ý kiến của Noah Campbell, sinh viên đại học
“Chế độ học tập đã làm rất tốt khi chia tách các tài liệu khó thành những lời giải thích rõ ràng, mạch lạc.” — Chia sẻ của Caleb Masi, sinh viên đại học
“Tôi đã thử nghiệm Chế độ học tập để được hướng dẫn về một khái niệm mà tôi đã cố gắng học nhiều lần trước đây: mã hóa vị trí hình sin. Chế độ này hệt như một gia sư không bao giờ thấy phiền với những câu hỏi của tôi. Sau 3 giờ làm việc, cuối cùng tôi đã hiểu rõ đến mức cảm thấy tự tin.” — Maggie Wang, sinh viên đại học
Các phương thức sử dụng chế độ học tập được truyền cảm hứng từ các sinh viên đại học của phòng thí nghiệm ChatGPT
Người dùng: Tôi muốn tìm hiểu về Lý thuyết Trò chơi, cụ thể là phạm vi rộng lớn mà lĩnh vực này bao hàm, và cả những cách thức mà anh nghĩ nó sẽ hữu ích cho tôi trong cuộc sống hàng ngày. Tất nhiên, tôi muốn anh chiều theo sự tò mò của tôi, nhưng chủ yếu anh sẽ hướng dẫn tôi về nó, và lập một kế hoạch chi tiết để tôi có thể bao quát toàn bộ phạm vi ở đây. Tôi sẽ hỏi khi tôi tò mò, nhưng chắc chắn sẽ nhanh chóng hướng dẫn tôi về điều này.
Chat GPT: Hoàn hảo. Đây là kế hoạch tổng quát mà tôi sẽ hướng dẫn chúng ta - hãy coi nó như một lộ trình nhiều lớp từ những ý tưởng nền tảng đến trực giác thực tế:
🔹 Giai đoạn 1: Nền tảng cốt lõi
1. Lý thuyết trò chơi thực sự là gì?
Tương tác chiến lược, tác nhân lý trí, giả định.
2. Các loại trò chơi
Hợp tác và không hợp tác
Đồng thời so với tuần tự
Tổng bằng không so với tổng khác không
3. Các khái niệm cơ bản
Người chơi, chiến lược, lợi nhuận, thông tin
Chiến lược thống trị
Cân bằng Nash (cốt lõi của hầu hết mọi thứ)
🔸 Giai đoạn 2: Trò chơi và khái niệm cổ điển
4. Trò chơi nổi tiếng
Thế tiến thoái lưỡng nan của tù nhân
Thịt gà
Trận chiến giữa các giới tính
Săn hươu
Đồng xu phù hợp
5. Cân bằng chiến lược hỗn hợp
Khi không có chiến lược thuần túy nào hiệu quả
Ngẫu nhiên hóa và lợi nhuận mong đợi
🔹 Giai đoạn 3: Đào sâu mô hình
6. Trò chơi lặp lại & Định lý dân gian
Sự hợp tác đang nổi lên theo thời gian
Ăn miếng trả miếng, Grim Trigger, v.v.
7. Trò chơi dạng mở rộng
Cây trò chơi, quy nạp ngược
Cân bằng hoàn hảo của trò chơi con
8. Trò chơi Bayesian
Trò chơi có thông tin không đầy đủ
Niềm tin, loại hình và tiện ích mong đợi
🔸 Giai đoạn 4: Sự liên quan trong cuộc sống thực
9. Thiết kế cơ chế / Lý thuyết trò chơi ngược
Hệ thống bỏ phiếu, đấu giá, hợp đồng
10. Lý thuyết trò chơi hành vi
Tính hợp lý bị giới hạn, tính công bằng, phương pháp tìm kiếm
11. Ứng dụng trong cuộc sống hàng ngày
Đàm phán, hẹn hò, chính trị, hệ thống AI, v.v.
🔹 Giai đoạn 5: Nâng cao & Tùy chọn
12. Lý thuyết trò chơi tiến hóa
Các chiến lược tái tạo theo thời gian
13. Lý thuyết trò chơi thuật toán
Hiệu ứng mạng, đấu giá trên internet
14. Thế giới của bạn: Nó quan trọng như thế nào với Parker
Thiết kế hệ thống, khuyến khích, cấu trúc quyền lực
Trong suốt quá trình này, tôi sẽ kết hợp:
🔄 Ví dụ có hướng dẫn
🧠 Thí nghiệm tư duy
🎭 Các tình huống thực tế để áp dụng lý thuyết vào
🧩 Kiểm tra nhanh để đảm bảo các ý tưởng được thực hiện đúng
Hãy bắt đầu Giai đoạn 1.
Câu hỏi đầu tiên nhanh thôi: Theo cách diễn đạt của bạn, bạn nghĩ Lý thuyết Trò chơi là gì? Không cần phải trau chuốt—chỉ cần nói ra thôi.
Người dùng: Tôi nghĩ Lý thuyết trò chơi là một dạng khung khía cạnh siêu hình của xã hội hiện đại trong cuộc sống, nơi chúng ta xem xét con người trong các tình huống và hệ thống phức tạp và chúng ta cố gắng phân tích cách mọi người trong đó đưa ra quyết định, đôi khi tại sao họ đưa ra quyết định và điều này ảnh hưởng đến tình huống/hệ thống như thế nào.
Chat GPT: Tuyệt vời—bạn đã đi vòng quanh lõi rồi.
Chúng ta hãy cùng nhau tìm hiểu sâu hơn một chút. Lý thuyết trò chơi về cơ bản là về việc ra quyết định chiến lược — những tình huống mà kết quả của mỗi người không chỉ phụ thuộc vào những gì họ làm mà còn phụ thuộc vào những gì người khác làm.
Nói nhanh nhé:
Nếu bạn đang đưa ra quyết định và quyết định đó hoàn toàn phụ thuộc vào bản chất hoặc cơ hội—giống như việc tung xúc xắc—thì đó có phải là Lý thuyết trò chơi không?
Và sau đó:
Nếu bạn đưa ra quyết định và quyết định đó phụ thuộc vào hành động của người khác - chẳng hạn như họ hợp tác hay phản bội bạn - thì đó có phải là Lý thuyết trò chơi không?
Hãy chia sẻ suy nghĩ của bạn về cả hai vấn đề.
................
Những giới hạn và kế hoạch tiếp theo
Đây là bước đầu tiên trong hành trình dài hơi nhằm cải thiện việc học tập trên ChatGPT. Hiện nay, chế độ học tập dựa trên nền tảng là các hướng dẫn hệ thống tùy chỉnh. ChatGPT chọn cách tiếp cận này vì nó cho phép nhanh chóng học hỏi từ phản hồi thực tế của người học và cải thiện trải nghiệm - ngay cả khi điều đó dẫn đến một số hành vi thiếu nhất quán và sai sót trong các cuộc trò chuyện. ChatGPT dự định trực tiếp huấn luyện hành vi này cho các mô hình chính của mình sau khi đã tìm ra phương pháp hiệu quả nhất thông qua quá trình lặp lại và phản hồi từ người học.
Chúng tôi cũng đang khám phá những tính năng mới để chế độ học tập trở nên hấp dẫn và hữu ích hơn cho người học, bao gồm:
- Các hình ảnh minh họa rõ hơn những khái niệm phức tạp hoặc chứa nhiều văn bản.
- Đặt mục tiêu và theo dõi tiến độ trong suốt các cuộc hội thoại
- Cá nhân hóa sâu hơn để phù hợp với trình độ kỹ năng và mục tiêu của từng học sinh
Công tác nghiên cứu vẫn đang phát triển cụ thể những cách áp dụng AI hiệu quả nhất trong giáo dục. OpenAI đang thúc đẩy nghiên cứu sâu hơn về học tập và trí tuệ nhân tạo (AI) thông qua nhiều đối tác khác nhau trong sáng kiến NextGenAI của mình, đồng thời phối hợp với các chuyên gia trong Sáng kiến SCALE của Tổ chức Accelerator for Learning thuộc Đại học Stanford(mở trong cửa sổ mới) để nghiên cứu và chia sẻ cách thức các công cụ AI ảnh hưởng đến kết quả học tập trong các lĩnh vực như giáo dục mẫu giáo - lớp 12.
Trong quá trình nghiên cứu dài hạn về việc học sinh học tập với AI như thế nào sẽ là hiệu quả nhất, OpenAI dự định công bố một phân tích sâu hơn về những phát hiện về mối liên hệ giữa thiết kế mô hình và nhận thức, định hình cho những trải nghiệm sản phẩm trong tương lai dựa trên những hiểu biết sâu sắc này, và hợp tác với hệ sinh thái giáo dục rộng lớn hơn để đảm bảo AI mang lại lợi ích cho người học trên toàn thế giới.