Cred că unul dintre cele mai promițătoare aspecte ale AI pentru descoperirea de medicamente este beneficiul multimodalității și capacitatea de a construi modele pentru multe sarcini distincte. În eseul său din 2012 care sublinia Legea lui Eroom (scăderea exponențială a eficienței cercetării și dezvoltării descoperirii de medicamente), unul dintre "diagnosticele" lui Jack Scannell pentru problemă a fost prejudecata "cercetare de bază-forță brută". Avem tendința de a supraestima impactul scalării tehnologiilor de descoperire în stadiu incipient. De multe ori, aceste teste au o "validitate predictivă" scăzută a succesului clinic. O modalitate prin care modelele AI ajută la rezolvarea acestei probleme este că pot încorpora predicții mai relevante din punct de vedere translațional în primele etape ale descoperirii. Cred că acesta este geniul viziunii lui Brandon și Alex la Axiom. Prin reducerea costurilor, timpului și fricțiunii asociate cu testarea toxicității, aceasta poate fi retrasă mult mai devreme în procesul de descoperire - de îndată ce aveți o moleculă. Aceasta este una dintre cele mai radicale schimbări ale învățării automate moleculare în raport cu eforturile timpurii de chimie computațională. Un număr mare de criterii de descoperire diferite pot fi luate în considerare într-o singură trecere înainte.