Per anni, l’automazione applicata alla ricerca scientifica si è concentrata quasi esclusivamente sul testo. L’intelligenza artificiale ha imparato a cercare articoli, organizzare bibliografie, riassumere studi complessi e persino a suggerire ipotesi di ricerca. Le immagini, però, sono rimaste un territorio difficile da conquistare. Diagrammi, schemi concettuali e grafici non sono semplici elementi decorativi, ma parti integranti del linguaggio scientifico, strumenti attraverso cui la logica di una ricerca viene resa visibile. È proprio su questo terreno che si colloca PaperBanana, un nuovo framework di intelligenza artificiale multi-agente rilasciato da Google insieme ai ricercatori della Università di Pechino.
L’obiettivo di PaperBanana è ambizioso: generare automaticamente immagini accademiche pronte per la pubblicazione, riducendo al minimo gli errori tipici dell’AI e rispettando al tempo stesso criteri rigorosi di chiarezza, accuratezza ed estetica. Secondo il team di ricerca, proprio le illustrazioni rappresentavano uno dei principali punti deboli degli articoli generati o assistiti dall’intelligenza artificiale. Figure imprecise, numeri sbagliati o layout poco curati finivano spesso per compromettere la credibilità dell’intero lavoro, anche quando il contenuto testuale era solido.
PaperBanana nasce per affrontare questo problema alla radice, combinando modelli di linguaggio visivo e modelli di generazione delle immagini, come NanoBanana Pro di Google, all’interno di un’architettura multi-agente. A differenza di molti sistemi basati su un singolo prompt, il framework segue un processo strutturato e progressivo, che va dalla pianificazione iniziale fino all’autoverifica finale, simulando in parte il flusso di lavoro umano di un ricercatore o di un grafico scientifico.
Il funzionamento si articola in due grandi momenti. Nella fase iniziale, definita di pianificazione lineare, il sistema analizza il contenuto dell’articolo, cerca riferimenti visivi pertinenti e traduce le descrizioni testuali dei metodi di ricerca in un progetto grafico coerente. In questo passaggio entrano in gioco agenti specializzati che selezionano esempi di riferimento da archivi accademici, trasformano concetti tecnici in composizioni visive e adattano colori e layout allo stile della conferenza di destinazione. Non si tratta di un dettaglio secondario: ogni comunità scientifica ha un proprio linguaggio visivo, e PaperBanana è progettato per rispettarlo. Un articolo destinato a NeurIPS, ad esempio, richiede scelte grafiche diverse rispetto a una pubblicazione in ambito teorico o ingegneristico.
La seconda fase è quella del miglioramento iterativo, in cui entrano in dialogo un agente di visualizzazione e un agente di critica. Qui emerge uno degli aspetti più interessanti del framework. PaperBanana non si affida ciecamente alla generazione di immagini, che eccelle dal punto di vista estetico ma può introdurre artefatti visivi o errori numerici. Quando deve produrre grafici basati su dati, come istogrammi o curve statistiche, il sistema preferisce generare direttamente codice, ad esempio in Python con Matplotlib, garantendo una precisione numerica totale. L’agente di critica analizza poi il risultato, confrontando l’immagine con il testo originale e segnalando eventuali discrepanze, in un ciclo di correzione che può ripetersi più volte.
Per valutare l’efficacia del sistema, i ricercatori hanno creato un benchmark dedicato, chiamato PaperBananaBench, composto da quasi trecento esempi di diagrammi tratti da articoli reali presentati a NeurIPS 2025. I risultati mostrano che PaperBanana supera approcci più tradizionali, sia quelli basati su prompt diretti sia altri framework multi-agente, ottenendo punteggi più alti in termini di fedeltà al contenuto, leggibilità, sintesi ed estetica. Un dato significativo, perché indica che l’automazione può avvicinarsi agli standard richiesti dalle principali conferenze internazionali.
Un altro elemento centrale del progetto è la guida di stile automatizzata. PaperBanana non genera immagini “neutre”, ma tiene conto delle convenzioni estetiche delle diverse discipline. In molti ambiti accademici, ad esempio, si preferiscono colori tenui e palette pastello ai colori primari troppo saturi. In altri casi, come nella visione artificiale, vengono applicati codici RGB specifici, mentre nei campi più teorici si ricorre spesso a scale di grigi minimali. Questo approccio rafforza l’idea che le illustrazioni scientifiche siano un vero e proprio linguaggio, non un semplice abbellimento.
Gli stessi ricercatori lo sottolineano chiaramente: le immagini accademiche servono a visualizzare la logica della ricerca. Per questo, PaperBanana punta a evitare quelle che vengono spesso definite “allucinazioni visive”, garantendo rigore attraverso l’uso diretto di dati e codice quando necessario. Resta comunque aperto il dibattito sulle implicazioni etiche. Anche con strumenti così avanzati, la responsabilità finale della verifica resta in capo ai ricercatori, così come le questioni legate al copyright e alla trasparenza sull’uso dell’intelligenza artificiale nella produzione delle figure.
Il team ha annunciato l’intenzione di pubblicare a breve il codice di PaperBanana su GitHub, aprendo la strada a un utilizzo più ampio e a possibili contributi della comunità scientifica. Se questo approccio prenderà piede, potremmo assistere a un cambiamento profondo nel modo in cui le immagini accademiche vengono progettate e prodotte. Non più un collo di bottiglia difficile da automatizzare, ma un processo assistito dall’AI che, se usato con criterio, potrebbe liberare tempo e risorse per ciò che conta davvero nella ricerca: le idee e la loro validazione.