Saya pikir salah satu aspek AI yang paling menjanjikan untuk penemuan obat adalah manfaat multi-modalitas dan kemampuan untuk membangun model untuk banyak tugas yang berbeda. Dalam esainya tahun 2012 yang menguraikan Hukum Eroom (efisiensi R&D penemuan obat yang menurun secara eksponensial), salah satu "diagnosis" Jack Scannell untuk masalah ini adalah bias 'penelitian dasar-kekerasan'. Kami memiliki kecenderungan untuk melebih-lebihkan dampak penskalaan teknologi penemuan tahap awal. Seringkali, pengujian ini memiliki "validitas prediktif" keberhasilan klinis yang rendah. Salah satu cara model AI membantu memecahkan masalah ini adalah bahwa mereka dapat memasukkan prediksi yang lebih relevan secara translasi ke dalam tahap penemuan paling awal. Saya pikir ini adalah kejeniusan visi Brandon dan Alex di Axiom. Dengan mengurangi biaya, waktu, dan gesekan yang terkait dengan pengujian toksisitas, itu dapat ditarik jauh lebih awal dalam proses penemuan—segera setelah Anda memiliki molekul. Ini adalah salah satu keberangkatan paling radikal dari pembelajaran mesin molekuler relatif terhadap upaya kimia komputasi awal. Sejumlah besar kriteria penemuan yang berbeda dapat dipertanggungjawabkan dalam satu umpan maju.