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。
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。
托納-羅傑斯本人也感到有些驚訝。他曾認為，在發現新奇化合物方面，AI充其量也只能剛剛趕上科學家的水準。「我本來以為可能會弄出一堆沒什麼用處的蹩腳材料來，」他說。
這些科學創新成果可能會在其他方面帶來好處，因為新發明可能會帶來意想不到的後續發展。汽油引擎是為驅動汽車而開發的，但把它用到拖拉機上，就改變了農業。哈佛大學（Harvard University）經濟學家戴維·戴明（David Deming）指出，美國農業就業人口比例從1930年的20%下降到1960年的6%，但在那段時間裡，農業產量增長到原來的四倍。
艾塞默魯表示，這個實驗室的生產率出現如此顯著的提高，讓他感到「有些意外」，如果這種改善情況在整個經濟體系中足夠多的重現，將挑戰他的悲觀看法。他在最近的一篇論文中估計，AI將在未來10年使美國GDP總計提高約1%。
該實驗室只是一個特例。艾塞默魯指出，與人們試圖廣泛應用的ChatGPT等大語言模型不同，該實驗室的AI工具是專門為材料發現用途而構建的。
托納-羅傑斯研究的科學家們也擁有化學、物理和工程學的高級學位。這些技能可能使他們能夠更容易地採用AI。
艾塞默魯仍然擔心AI可能會擴大收入差距。托納-羅傑斯的論文提出了一個可能引發這種情況的途徑。
他發現，那些在發現化合物方面已經最成功的研究人員在使用AI工具後更加成功，而其他科學家則沒有受益那麼多。由於個人的薪酬往往與他們的生產率掛鉤，這預示著收入不平等將會加劇。
從這個工具給出的配方建議來看，頂尖科學家往往能夠正確識別出最有可能成功的配方，並首先推進這些配方。排名前10%的科學家的科研成果較過去增加了81%。
但其他研究人員在挑選成功方案方面做得更差，他們花了很多時間來評估那些最終沒有成功的潛在化合物。排名後三分之一的研究人員幾乎沒有取得任何改進。
奧托仍然認為，只要對勞動者進行適當的培訓，AI就可以減少收入不平等。例如，一個使用AI和經過充分培訓的律師助理，可能就可以執行許多現在由經驗豐富的律師負責的任務，從而賺到更多的錢。
他說，否則，「這就像讓人們登上飛機，卻沒有先讓他們在飛行模擬器中進行訓練，然後告訴他們，『哦，對不起，你墜毀了，我想你是個糟糕的飛行員。』」
戴維·奧特和達龍·艾塞默魯都研究了早期技術如何重塑勞動力市場。
對於這個實驗室AI工具，托納-羅傑斯找出的最後一個毛病是：科學家們並不都喜歡它，82%的人表示對工作的滿意度下降了。
雖然許多AI樂觀主義者認為，AI技術將減少人們不得不執行的繁瑣任務的數量，但科學家們覺得，AI剝奪了他們工作中最喜歡的部分，即構思新化合物。一位科學家說：「我忍不住覺得，我曾接受過的很多教育現在都變得毫無價值了。」
也許隨著科學家們對AI越來越熟悉，他們會更樂意使用AI，但這並不是確定會發生的情景。
托納-羅傑斯說：「這個過程中一個關鍵的、創造性的部分實現了自動化。人們可能永遠都不會對此感到高興。」
