最近榮獲諾貝爾經濟學獎的麻省理工學院（MIT）教授達龍·艾塞默魯（Daron Acemoglu）擔心，人工智慧（AI）會加劇收入不平等，而且對生產率的貢獻也不大。他的朋友和同事戴維·奧托（David Autor）則更為樂觀，他認為情況可能恰恰相反。
麻省理工學院博士生艾丹·托納-羅傑斯（Aidan Toner-Rodgers）的一項新研究對艾塞默魯的悲觀看法和奧托的樂觀看法都構成了挑戰。而兩位教授都對這項研究贊不絕口。
本文為風傳媒與華爾街日報正式合作授權轉載。加入VVIP會員請點此訂閱：風傳媒・華爾街日報VVIP，獨享全球最低優惠價，暢讀中英日文全版本之華爾街日報，洞悉國際政經最前沿。
「棒極了，」艾塞默魯說。
「我感到震驚，」奧托說。
奧托和艾塞默魯都沒有改變他們對AI的看法。但26歲的托納-羅傑斯的研究通過考察AI在現實世界中的影響，朝著弄清AI可能會對勞動力產生什麼影響邁進了一步。
包括奧托和艾塞默魯在內，許多經濟學家都研究過以往的技術是如何重塑勞動力市場的。雖然這種對過去的理解提供了重要的背景，但AI將如何影響經濟卻難以梳理：它會像汽油引擎那樣，改變整個產業格局，促進增長，創造大量新的工作類別，並讓數百萬美國人獲得生產效率更高、薪酬更高的新工作嗎？還是會像20世紀20年代和30年代的齊柏林飛艇那樣，人們曾認為它將改變世界，而現在只是一種懷舊的念想？
為了弄清楚AI可能適合什麼位置，經濟學家需要仔細研究它在當今工作場所的使用。托納-羅傑斯的論文正是這樣做的。他的研究考察了一種AI工具隨機派發給一家材料科學研究實驗室的1,018名科學家的情況。
從20世紀初發明的貝克萊特酚醛塑膠到20世紀60年代的克維拉纖維，新材料的發現和創造歷來是一個耗時的反覆試錯的過程。科學家確定了他們希望一種化合物具有的特性後，就會去想這種新化合物的化學結構可能是什麼樣子。然後他們開始測試化合物，希望能碰到一種合適的。
用現有材料結構數據訓練出來的AI工具可以使發現過程大大縮短，成本也大大降低。科學家們指定他們希望一種化合物具有的特性，AI工具就會生成配方，然後科學家們可以對這些配方進行評估。
「也許AI最令人興奮的地方在於，它可以加速科學發現和創新，」托納-羅傑斯說。「這將是一個巨大的好處。」
托納-羅傑斯是加州兩位教師的孩子，他從小痴迷籃球，曾在明尼蘇達州的瑪卡萊斯特學院（Macalester College）擔任後衛。他大一時上了第一堂經濟學課，從此便迷上了經濟學。他在紐約聯邦儲備銀行（Federal Reserve Bank of New York）工作一段時間後，於2023年進入麻省理工學院。
托納-羅傑斯研究的這家實驗室從2022年5月開始，分三批隨機分配研究團隊開始使用這款工具。托納-羅傑斯與該實驗室接洽後，該實驗室同意與他合作，但不願公開實驗室的名字。 （相關報導： 華爾街日報》AI對人類工作是福是禍？26歲麻省理工博士生，找到意外答案 ｜ 更多文章 ）
托納-羅傑斯的發現令人震驚：使用該工具後，研究人員發現的材料數量增加了44%，他們的專利申請數量增加了39%，新產品原型數量增加了17%。與人們擔心的將AI用於科學研究可能會導致「路燈效應」（streetlight effect）（即找到最明顯的解決方案，而不是最佳解決方案）相反，科學家使用AI後發現的新奇化合物比使用AI之前還要多。
