这篇论文《人工智能、科学发现与产品创新》由Aidan Toner-Rodgers撰写，来自麻省理工学院（MIT），发表于2024年11月6日。论文研究了人工智能对创新的影响，特别是通过随机引入一种新的材料发现技术给一家大型美国公司研发实验室的1018名科学家。
研究发现，AI辅助的研究人员发现了44%更多的材料，导致专利申请增加了39%，下游产品创新上升了7%。这些化合物具有更新颖的化学结构，并导致了更激进的发明。
然而，这项技术在生产力分布上产生了显著不同的影响：底部三分之一的科学家几乎看不到好处，而顶尖研究人员的产出几乎翻了一番。
研究还探讨了这些结果背后的机制，表明AI自动化了57%的“创意生成”任务，将研究人员重新分配到评估模型产生的候选材料的新任务上。
顶尖科学家利用他们的领域知识优先考虑有前景的AI建议，而其他人则在测试假阳性上浪费了大量资源。这些发现展示了AI增强研究的潜力，并强调了算法和专业知识在创新过程中的互补性。
调查证据显示，这些收益是有代价的，因为82%的科学家报告说，由于创造力下降和技能未充分利用，他们对工作的满意度降低了。
论文还讨论了AI对科学家工作满意度和对AI的看法的影响，发现尽管AI提高了生产力，但许多科学家对工作的满意度却下降了，因为他们觉得工作变得不那么有创造性和技能未被充分利用。
此外，论文还探讨了AI对科学家信念的影响，发现与AI工具的实际工作经验可以显著改变他们对技术的看法。
论文最后指出，尽管AI在材料科学领域可以加速发现，但它需要与足够熟练的科学家配对才能发挥作用。论文还提出了一些未探索的关键问题，包括AI对科学专业知识供需的均衡效应、组织对AI的适应性变化，以及随着AI技术进步结果的变化。