أعتقد أن أحد أكثر الجوانب الواعدة في الذكاء الاصطناعي لاكتشاف الأدوية هو الاستفادة من تعدد الأساليب والقدرة على بناء نماذج للعديد من المهام المتميزة. في مقالته عام 2012 التي تحدد قانون إيروم (انخفاض كفاءة البحث والتطوير لاكتشاف الأدوية بشكل كبير) ، كان أحد "تشخيصات" جاك سكانيل للمشكلة هو تحيز "البحث الأساسي - القوة الغاشمة". لدينا ميل إلى المبالغة في تقدير تأثير توسيع نطاق تقنيات الاكتشاف في المراحل المبكرة. في كثير من الأحيان ، يكون لهذه المقايسات "صلاحية تنبؤية" منخفضة للنجاح السريري. تتمثل إحدى الطرق التي تساعد بها نماذج الذكاء الاصطناعي في حل هذه المشكلة في أنها يمكن أن تدمج المزيد من التنبؤات ذات الصلة من الناحية الانتقالية في المراحل الأولى من الاكتشاف. أعتقد أن هذه هي عبقرية رؤية براندون وأليكس في أكسيوم. من خلال تقليل التكلفة والوقت والاحتكاك المرتبط باختبار السمية ، يمكن سحبها في وقت مبكر جدا من عملية الاكتشاف - بمجرد أن يكون لديك جزيء. هذه واحدة من أكثر المغادرات جذرية للتعلم الآلي الجزيئي بالنسبة لجهود الكيمياء الحاسوبية المبكرة. يمكن حساب عدد كبير من معايير الاكتشاف المختلفة في تمريرة أمامية واحدة.