如果你最近几天上过 Twitter，可能已注意到大量来自 ChatGPT 的截图。OpenAI 推出的这款对话工具允许用户输入提示并以书面形式获得回应。（你可以注册免费 OpenAI 账号亲自体验；注册时避免自称记者以免受阻，换种描述即可顺利进入。）
The Exchange 探讨初创企业、市场和金钱。
阅读它：每天早上在 TechCrunch+ 获取，或每周六订阅 The Exchange 通讯。
TechCrunch 近期持续报道 OpenAI。Darrell Etherington 今晨撰文指出：“用户与生成式模型和系统的交互方式至少与底层的训练和推理技术一样重要。”我们也密切关注新一代广为人知的 GPT-3 AI 写作工具。
好吧，GPT-3 的热度似乎相当合理。
在 OpenAI 等生成式 AI 服务领域，创始人和风投的兴奋情绪众所周知。自从 Copy.AI 展示利用 AI 写作工具建立年入八位数初创公司以来，众人纷纷追逐类似魔力，技术亦不断进步，这便是海量截图涌现的原因。
自然，我也需测试自己是否面临短期就业危机。今晨我用 ChatGPT 做了个小测试，结果如下。
让我们玩点有趣的
首先提醒，计算机生成文本并非新鲜事，这也不是我第一次面对可能“抢饭碗”的新科技。早在 2014 年美联社计划用自动化技术报道企业收益时，我曾写道：
如果能把撰写财报对比段落等琐碎工作外包以节省几秒，我会非常支持。没人会因为我们在非 GAAP 基础上比较稀释每股收益与市场预期的行文特别引人入胜而读 TechCrunch 或我的文章。
但我认为人们确实寻求能赋予数字意义的报道和分析。让我看看能完成这项工作的机器人。天哪，大多数时候我都做不到，而我是人类且真的尽力了。所以，让该死的机器人来吧。
我当时认为某些技术或许能辅助人类工作——正如我们期待机器人在重复性劳动中起辅助而非替代作用——且鉴于突发新闻报道的复杂性，我仍会保有职位。
八年多过去，我确实还在工作，依然手工负责财报报道。情况就是这样。
回到 ChatGPT。鉴于 GPT-3 表现优异且趣味十足，人们对 GPT-4 充满期待，我想回顾 2014 年的对话，看看 ChatGPT 对软件估值有何见解。TechCrunch 近年频繁探讨软件公司价值变化，AI 能得出什么结论？我是否更接近失业边缘？
需说明该系统知识截止于 2021 年。若询问更近期事件，可能会收到以下回复：
很抱歉，我是由 OpenAI 训练的大型语言模型，训练数据仅更新至 2021 年。由于无法浏览互联网或访问训练数据之外的信息，我没有关于 2022 年软件估值的信息。还有什么我可以帮你的吗？
这非常礼貌，也划定了模型评论范围的有趣界限。
那么！当我们要求 ChatGPT 撰写一篇关于软件估值的 TechCrunch 博客文章时，虽知其不包含近期内容，但以下是系统生成的结果：
撰写一篇关于软件估值的 TechCrunch 博客文章：
近年来，软件估值一直是科技行业热议话题，许多公司努力理解如何准确评估软件资产。传统方法考察开发成本并与潜在收入比较，但因过于简单化、未充分考虑影响价值的所有因素而受批评。
软件估值的主要挑战在于其高度动态性。与价值相对固定的实物资产不同，软件价值可能因市场变化、新创新及客户需求转变迅速波动。因此，估值需要更细致的方法以纳入这些动态因素。
近年来日益流行的方法是现金流折现分析（discounted cash flow analysis）。该方法着眼于软件未来潜在现金流，并根据相关风险和不确定性进行折现，从而提供更准确反映真实价值的图景。
另一种受关注的做法是采用基于市场的估值方法，即考察市场上类似软件公司或资产的估值来确定目标软件价值。虽然有用，但需注意每个软件资产独一无二，基于市场的估值并不总能准确反映某款软件的真实价值。
归根结底，准确评估软件价值的关键在于结合使用多种方法和途径，并充分考虑所有影响因素。通过这样做，企业可以更好地了解软件资产真实价值，并在投资和管理方面做出更明智决策。
这段文字值得称赞之处包括：指出简化估值方法的弱点、提及贴现现金流模型日益流行，以及参考市场可比案例的好处。文字也意外有趣，但对贴现现金流分析的描述可能让人误以为是确定公司特定资产估值的新方法，其实并非如此。
看来短期内我不会因 OpenAI 正在构建的东西丢掉工作，因为上述内容太过笼统、缺乏实用性和具体细节，算不上新闻。这倒是个好消息。（事实证明，并非只有我提出这个问题。）
抛开唯我论不谈，新技术产品问世时手头有常规测试手段是好事。我倾向于用关于 Metallica（金属乐队）的查询测试新搜索引擎，这是我知道得比愿意公开承认还要多的话题。同样，我对在线媒体和写作非常了解，通过迫使 ChatGPT 输出我擅长领域的内容，我能比随机用例更好地验证它。你们也有自己的测试思维模型——试试 ChatGPT 吧，它非常有趣。
公允且准确地说，生成式 AI 在质量和可用性方面正取得实质性进展，且有理由期待优势持续并为该技术开辟更多应用场景。
与此同时，实现精准性仍是巨大挑战。虽然我相信 GPT 等模型将帮助许多人写作，但我怀疑我们不会很快面临人类写作者需求大幅减少的风险。至少暂时不会。