Als AI-wetenschappers miljoenen artikelen schrijven, waarvan veel slordig zijn en sommige slechts incrementele vooruitgang, hoe zouden we dan de één of twee kunnen identificeren die met een extreem productief nieuw idee komen? In 1948 was Shannon een van de honderden ingenieurs bij Bell Labs die werkte aan hoe je spraaksignalen schoon kunt verzenden over ruisachtige koperen draden. Zijn paper stond in hetzelfde technische tijdschrift als rapporten over het verminderen van statisch en het bouwen van betere filters. Hoe zou je herkennen dat hij met dit zeer algemene kader voor het denken over informatie en communicatiekanalen is gekomen, dat in de komende decennia enorm veel gebruik zou hebben in domeinen die zo ver uit elkaar liggen als cryptografie, genetica en kwantummechanica? Het lijkt erop dat het velden meerdere decennia kan kosten om de betekenis van het verenigen van nieuwe concepten te erkennen. Omdat het op die tijdschaal is dat de vruchten van zulke algemene concepten leiden tot nieuwe ontdekkingen in veel verschillende velden. We zijn erin geslaagd dit peer review-probleem voor menselijke wetenschappers op te lossen (tenminste tot op zekere hoogte). Nu moeten we dit op een veel grotere schaal doen voor de massa van AI-wetenschap die op ons afkomt.