La science ressemble à une ville où les rues sont tracées par les habitants eux-mêmes. Là où des sentiers sont déjà battus, on construit de nouvelles maisons, tandis que les terrains vagues restent ignorés — non pas parce qu'on ne peut pas y bâtir, mais parce que personne n'y va. En science, ces terrains vagues sont des directions qui découlent logiquement de ce que l'on sait déjà, mais qui ne viennent pas à l'esprit des chercheurs, car chacun a sa propre spécialisation étroite et ses méthodes habituelles.
Le nouveau système fonctionne comme un cartographe qui ne suit pas les sentiers, mais qui regarde la carte d'en haut. Il prend des articles scientifiques et les décompose en des milliers de petites « briques » — des concepts et des méthodes individuels. Ensuite, il évalue chaque combinaison de briques sous deux angles : dans quelle mesure elle est sensée (peut-on en tirer une idée réalisable) et dans quelle mesure elle est accessible (y a-t-il déjà des chercheurs qui pensent ainsi). L'objectif est de trouver des combinaisons qui sont sensées mais pas encore occupées par des humains. Les auteurs appellent ces idées « l'espace étranger de la science ».
La conclusion principale : l'intelligence artificielle peut non seulement accélérer ce que les humains savent déjà faire, mais aussi les compléter — en ouvrant des quartiers entiers de la science que la communauté humaine n'explore pas. C'est comme si la carte de la ville révélait soudain des rues invisibles qu'il vaudrait la peine de tracer.
Le mot « alien » dans le nom de l'approche ne signifie pas « extraterrestre » au sens de visiteurs de l'espace. Il signifie « étranger » par rapport à la pensée habituelle des scientifiques — comme un territoire inexploré où aucun chercheur n'a encore mis les pieds.