PaperBanana: Google enseña a las redes neuronales a crear gráficos que superan el escrutinio de los revisores

Google y la Universidad de Pekín han presentado PaperBanana, un framework multiagente que automatiza la creación de diagramas de metodología y gráficos estadísticos para publicaciones científicas. Así lo informa el medio MarkTechPost.

El problema de la visualización científica

Un gráfico científico debe ser preciso, escalable y cumplir estándares de publicación estrictos. Los modelos generativos convencionales como DALL-E no sirven para esta tarea: alucinan datos y no entienden la lógica del experimento. Hasta ahora, la automatización de la ciencia se había centrado sobre todo en el texto y el cálculo —las redes neuronales ya saben redactar revisiones bibliográficas, plantear hipótesis y programar—, pero la visualización de resultados seguía siendo un trabajo manual.

Cómo funciona PaperBanana

En lugar de encargar el dibujo a una sola red neuronal, PaperBanana reparte la tarea entre agentes especializados: uno planifica la estructura del esquema, otro escribe el código para dibujarlo y un tercero critica el resultado, comprobando que los ejes no estén confundidos y que las fuentes sean legibles. Es una estructura jerárquica que imita el funcionamiento de un pequeño estudio de diseño.

Contexto: herramientas para la investigación con IA

Proyectos como AI Scientist, de Sakana AI, ya demostraron que una red neuronal puede llevar una investigación desde la idea hasta el borrador del artículo, pero estos trabajos tropezaban en la fase de visualización. Google, que compite con OpenAI y Anthropic en herramientas para desarrolladores y científicos, cubre ese hueco con un framework orientado al público académico.

Preguntas abiertas sobre ética y calidad

Si un artículo está generado íntegramente por IA, incluida la visualización de datos, surge la cuestión de cómo podrán los revisores verificar la fiabilidad de esos datos. Los gráficos de PaperBanana se construyen a partir de cifras reales, pero la propia facilidad para crearlos puede provocar una avalancha de publicaciones de baja calidad «bien empaquetadas».

¿Qué hace PaperBanana?

PaperBanana es un framework multiagente de Google y la Universidad de Pekín que automatiza la creación de diagramas de metodología y gráficos estadísticos para publicaciones científicas.

¿Por qué los modelos generativos convencionales como DALL-E no sirven

para gráficos científicos?

Porque alucinan datos y no entienden la lógica del experimento, mientras que un gráfico científico debe ser preciso, escalable y cumplir estándares de publicación estrictos.

¿Cómo se reparten los roles entre los agentes de

PaperBanana?

Un agente planifica la estructura del esquema, otro escribe el código para dibujarlo y un tercero critica el resultado, comprobando que los ejes no estén confundidos y que las fuentes sean legibles.