PaperBanana: غوغل تعلّم الذكاء الاصطناعي رسم مخططات لا يخجل منها الباحث أمام المراجعين
قدّمت غوغل وجامعة بكين PaperBanana، وهو نظام متعدد الوكلاء لإنشاء الرسوم التوضيحية الأكاديمية. حتى الآن كانت نماذج LLM تتعامل جيداً مع النصوص والأكواد، لكن تصوير المنهجيات المعقدة بصرياً ظل «كعب أخيل» بالنسبة إليها. يعتمد PaperBanana على مجموعة من الوكلاء تتولى تصميم المخططات وكتابة الكود الخاص بها ثم رسمها. ولا يقتصر الأمر على توليد الصور، فالنظام ينتج مخططات وعروضاً إحصائية جاهزة للنشر بصيغ مثل PDF أو SVG. وبالنسبة إلى الباحثين، يعني ذلك نهاية الجلسات الطويلة التي تستغرق ساعات في برامج التحرير الرسومي. وتُعادل جودة المخرجات عمل مصمم محترف، وهو ما يسدّ عملياً الفجوة الأخيرة في مفهوم الدورة العلمية المستقلة بالكامل.
معالج بواسطة الذكاء الاصطناعي من MarkTechPost؛ بتحرير Hamidun News
قدّمت غوغل بالتعاون مع جامعة بكين إطار PaperBanana، وهو نظام متعدد الوكلاء يؤتمت إنشاء مخططات المنهجية والرسوم البيانية الإحصائية للمنشورات العلمية. وقد نقل خبر هذا التطوير موقع MarkTechPost.
مشكلة التصوير البصري في العلوم
يجب أن يكون الرسم البياني العلمي دقيقاً وقابلاً للتحجيم ومتوافقاً مع معايير النشر الصارمة. أما النماذج التوليدية المعتادة مثل DALL-E فلا تصلح لهذه المهمة، إذ تختلق البيانات (هلوسة) ولا تفهم منطق التجربة. وفي السابق، اقتصرت أتمتة العلوم في الغالب على النصوص والحسابات، فقد تعلّمت الشبكات العصبية كتابة مراجعات الأدبيات وطرح الفرضيات وكتابة الأكواد، لكن تصوير النتائج بصرياً ظل عملاً يدوياً.
كيف يعمل PaperBanana
بدلاً من إسناد الرسم إلى شبكة عصبية واحدة، يوزّع PaperBanana المهمة على وكلاء متخصصين: أحدهم يخطط لبنية المخطط، والثاني يكتب الكود اللازم لرسمه، والثالث ينتقد النتيجة ويتحقق من عدم خلط المحاور ومن وضوح قراءة الخطوط. وهذه بنية هرمية تحاكي عمل استوديو تصميم صغير.
السياق: أدوات الأبحاث بالذكاء الاصطناعي
أظهرت مشاريع مثل AI Scientist من Sakana AI أن الشبكة العصبية قادرة على إجراء بحث كامل من الفكرة حتى مسودة المقال، لكن هذه الأعمال تعثرت عند مرحلة التصوير البصري. وتسدّ غوغل هذه الفجوة بإطار موجّه إلى الجمهور الأكاديمي، في إطار منافستها مع OpenAI وAnthropic على أدوات المطورين والعلماء.
أسئلة مفتوحة حول الأخلاقيات والجودة
إذا وُلّد المقال بالكامل بواسطة الذكاء الاصطناعي، بما في ذلك تصوير البيانات بصرياً، يبرز سؤال حول كيفية تحقق المراجعين من موثوقية هذه البيانات. فالرسوم في PaperBanana تُبنى على أرقام حقيقية، لكن سهولة إنشائها بحد ذاتها قد تُحدث سيلاً من المنشورات المتدنية الجودة «المغلّفة بشكل جميل».
ما وظيفة PaperBanana؟
PaperBanana إطار متعدد الوكلاء من غوغل وجامعة بكين، يؤتمت إنشاء مخططات المنهجية والرسوم البيانية الإحصائية للمنشورات العلمية.
لماذا لا تناسب النماذج التوليدية المعتادة مثل DALL-E الرسوم البيانية العلمية؟
لأنها تختلق البيانات (هلوسة) ولا تفهم منطق التجربة، في حين يجب أن يكون الرسم البياني العلمي دقيقاً وقابلاً للتحجيم ومتوافقاً مع معايير النشر الصارمة.
كيف توزَّع الأدوار بين الوكلاء في PaperBanana؟
يخطط أحد الوكلاء لبنية المخطط، ويكتب الثاني الكود اللازم لرسمه، ويقوم الثالث بنقد النتيجة، فيتحقق من عدم خلط المحاور ومن وضوح قراءة الخطوط.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.