Myslím, že jedním z nejslibnějších aspektů umělé inteligence pro objevování léků je výhoda multimodality a schopnost vytvářet modely pro mnoho různých úkolů. Ve své eseji z roku 2012, v níž nastínil Eroomův zákon (exponenciálně klesající efektivita výzkumu a vývoje v oblasti objevování léků), byla jednou z "diagnóz" tohoto problému Jack Scannell předpojatost "základního výzkumu – hrubá síla". Máme tendenci přeceňovat dopad škálování technologií objevování v rané fázi. Tyto testy mají často nízkou "prediktivní validitu" klinického úspěchu. Jedním ze způsobů, jak modely umělé inteligence pomáhají tento problém vyřešit, je to, že mohou začlenit více translačních relevantních předpovědí do nejranějších fází objevu. Myslím, že v tom spočívá genialita vize Brandona a Alexe v Axiomu. Snížením nákladů, času a tření spojených s testováním toxicity jej lze vytáhnout mnohem dříve v procesu objevování – jakmile máte molekulu. Jedná se o jeden z nejradikálnějších odklonů od molekulárního strojového učení ve srovnání s ranými snahami výpočetní chemie. V jediném průchodu vpřed lze zohlednit velké množství různých kritérií zjišťování.