🔗 원문 전체 보기 → Venturesquare.net
요약
튜링이 이공계 특화 AI 에이전트 GPAI의 '비주얼 에이전트'를 업데이트했다. AI가 논문용 이미지의 코드를 직접 작성하고 오류를 스스로 수정하는 에이전틱 방식을 적용해 정확성을 높인 것이 특징이다. 회사는 연구 전 과정을 지원하는 AI 플랫폼으로 기능을 지속 확대할... The post 논문 그림도 AI가 직접 검토하고 수정…튜링, ‘비주얼 에이전트’ 고도화 appeared first on 벤처스퀘어.
본문
- 수학·회로·화학 전용 AI 에이전트 추가…이공계 학술 이미지 생성 지원
- AI가 직접 그리고 오류까지 수정…누적 생성 이미지 380만 건 돌파
생성형 AI가 텍스트를 넘어 전문 분야의 시각 자료 제작까지 영역을 넓히고 있다. 특히 논문과 연구보고서에 필요한 수식과 회로도, 분자 구조처럼 높은 정확도가 요구되는 이미지 생성 시장에서도 AI 에이전트를 활용한 자동화 경쟁이 본격화되는 모습이다.
추론 AI 에이전트 개발사 튜링은 이공계 특화 AI 에이전트 ‘GPAI’의 이미지 생성 기능인 ‘비주얼 에이전트(Visual Agent)’를 업데이트했다. 이번 업데이트는 AI가 이미지를 한 번에 생성하는 기존 방식에서 벗어나 스스로 결과를 검토하고 수정하는 에이전틱(AI Agentic) 방식을 적용한 것이 핵심이다.
AI가 코드 작성부터 오류 수정까지 수행
이번 업데이트로 GPAI에는 수학·물리 다이어그램을 생성하는 ‘TikZ 에이전트’, 전기·전자 회로도를 제작하는 ‘CircuitikZ 에이전트’, 화학 분자 구조식을 생성하는 ‘Chemistry 에이전트’ 등 전문 에이전트 3종이 추가됐다.
사용자가 자연어로 원하는 이미지를 설명하면 AI가 직접 코드를 작성해 이미지를 생성하고, 오류를 확인한 뒤 수정하는 과정을 반복하며 결과물을 완성한다. 생성 과정은 실시간으로 확인할 수 있으며, “선을 더 굵게 해달라”와 같은 자연어 명령으로 세부 수정도 가능하다.
튜링은 범용 이미지 생성 AI와 달리 GPAI가 LaTeX 기반의 TikZ·CircuitikZ 패키지와 RDKit 등 과학 분야에서 검증된 라이브러리를 활용한다는 점을 차별점으로 제시했다. 기존 생성형 AI가 한 번에 이미지를 만드는 방식이라 수식이나 회로 연결 오류를 수정하기 어려웠다면, GPAI는 코드를 기반으로 결과를 검증하고 반복적으로 수정해 정확성을 높인다는 설명이다.
현재 GPAI를 통해 생성된 이미지는 누적 380만 건을 넘어섰다. 이번 업데이트 이후 사용자당 이미지 생성 건수는 약 10% 증가했으며, 실제 한 연구기관에서는 논문용 이미지 제작 시간을 기존 3시간에서 10분으로 단축한 사례도 나왔다.
튜링은 앞으로 전문 비주얼 에이전트를 다양한 이공계 분야로 확대하고, 생성한 이미지와 연구 내용을 자동으로 발표 자료 형태로 구성하는 기능도 추가할 계획이다. 이를 통해 문제 이해와 데이터 분석, 결과 시각화까지 연구 전 과정을 하나의 환경에서 지원하는 연구 플랫폼으로 발전시킨다는 목표다. 현재는 학교와 연구기관을 중심으로 도입 및 협력도 확대하고 있다.
생성형 AI는 문서 작성 지원을 넘어 연구자의 전문 업무를 자동화하는 단계로 진화하고 있다. 특히 코드 기반으로 정확성을 검증하는 AI 에이전트가 등장하면서 연구 생산성을 높이는 AI 도구 경쟁도 더욱 치열해질 것으로 전망된다.
Like this:
Like Loading...Related
AI Directly Reviews and Corrects Paper Figures… Turing Advances 'Visual Agent'
Generative AI is expanding its scope beyond text to the production of visual materials in specialized fields. In particular, competition for automation utilizing AI agents is intensifying in the market for generating images that require high accuracy—such as mathematical formulas, circuit diagrams, and molecular structures needed for academic papers and research reports.
Turing, a developer of inference AI agents, has updated 'Visual Agent,' the image generation feature of its science and engineering-specialized AI agent, 'GPAI.' The key feature of this update is the application of an AI Agentic approach, which moves away from the existing method of AI generating images all at once and instead reviews and modifies results autonomously.
AI performs everything from writing code to fixing errors
With this update, three specialized agents have been added to GPAI: the 'TikZ Agent' which generates mathematical and physical diagrams, the 'CircuitikZ Agent' which creates electrical and electronic circuit diagrams, and the 'Chemistry Agent' which generates chemical molecular structural formulas.
When a user describes a desired image in natural language, the AI directly writes code to generate the image, and completes the result by repeating the process of checking for and correcting errors. The generation process can be viewed in real time, and detailed modifications can be made using natural language commands such as "make the lines thicker."
Turing presented the fact that, unlike general-purpose image generation AI, GPAI utilizes scientifically proven libraries such as LaTeX-based TikZ and CircuitikZ packages and RDKit as a differentiating factor. He explained that while existing generative AI creates images in a single step, making it difficult to correct errors in formulas or circuit connections, GPAI improves accuracy by verifying results based on code and making iterative corrections.
The cumulative number of images generated through GPAI has now exceeded 3.8 million. Following this update, the number of images generated per user has increased by approximately 10%, and there was even a case where a research institution reduced the time required to produce images for papers from the previous 3 hours to 10 minutes.
Turing plans to expand its professional visual agents to various science and engineering fields and add features that automatically organize generated images and research content into presentation materials. Through this, the goal is to develop it into a research platform that supports the entire research process—from problem understanding and data analysis to result visualization—within a single environment. Currently, adoption and collaboration are also expanding, primarily among universities and research institutions.
Generative AI is evolving beyond document creation support to a stage where it automates researchers' specialized tasks. In particular, with the emergence of AI agents that verify accuracy based on code, competition for AI tools to enhance research productivity is expected to intensify.
論文図もAIが直接検討して修正…チューリング、「ビジュアルエージェント」の高度化
生成型AIがテキストを超えて専門分野の視覚資料制作まで領域を広げている。特に論文や研究報告書に必要な式や回路図、分子構造のように高い精度が要求されるイメージ生成市場でも、AIエージェントを活用した自動化競争が本格化する姿だ。
推論AIエージェント開発会社チューリングは、理工系特化AIエージェント「GPAI」のイメージ生成機能である「ビジュアルエージェント（Visual Agent）」をアップデートした。今回のアップデートは、AIがイメージを一度に生成する既存の方式から抜け出して、自ら結果を検討して修正するエージェンティック（AI Agentic）方式を適用したことが核心だ。
AIがコード作成からエラー訂正まで行う
今回のアップデートでGPAIには、数学・物理図を生成する「TikZエージェント」、電気・電子回路図を製作する「CircuitikZエージェント」、化学分子構造式を生成する「Chemistryエージェント」など専門エージェント3種が追加された。
ユーザーが自然言語で必要な画像を説明すると、AIが直接コードを作成して画像を生成し、エラーを確認して修正する過程を繰り返し、結果物を完成する。生成過程はリアルタイムで確認でき、「線を太くしてほしい」などの自然言語命令で細かい修正も可能です。
チューリングは、汎用イメージ生成AIとは異なり、GPAIがLaTeXベースのTikZ・CircuitikZパッケージとRDKitなど科学分野で検証されたライブラリを活用することを差別点として提示した。既存の生成型AIが一度に画像を作る方式であり、式や回路接続エラーを修正することが難しかった場合、GPAIはコードに基づいて結果を検証し、繰り返し修正して精度を高めるという説明だ。
現在GPAIを通じて生成された画像は累積380万件を超えた。今回のアップデート以降、ユーザー当たりの画像生成件数は約10％増加し、実際の研究機関では論文用の画像制作時間を既存の3時間から10分に短縮した事例も出た。
チューリングは今後、専門ビジュアルエージェントを多様な理工界分野に拡大し、生成したイメージと研究内容を自動的に発表資料の形で構成する機能も追加する計画だ。これにより、問題理解とデータ分析、結果の可視化まで、研究前の過程を一つの環境で支援する研究プラットフォームに発展させるという目標だ。現在は学校と研究機関を中心に導入及び協力も拡大している。
生成型AIは文書作成支援を超えて研究者の専門業務を自動化する段階に進化している。特にコードベースで精度を検証するAIエージェントが登場し、研究生産性を高めるAIツールの競争もさらに激しくなると見込まれる。
人工智能直接审阅并修正论文图表……图灵研究所推进“视觉代理”项目
生成式人工智能的应用范围正从文本扩展到特定领域的视觉材料生成。尤其是在生成高精度图像（例如学术论文和研究报告所需的数学公式、电路图和分子结构）的市场中，利用人工智能代理实现自动化的竞争日益激烈。
推理人工智能代理开发商 Turing 对其科学与工程专用人工智能代理“GPAI”的图像生成功能“Visual Agent”进行了更新。此次更新的关键在于应用了人工智能代理方法，该方法摒弃了人工智能一次性生成图像的现有方法，而是自主地审查和修改结果。
人工智能可以执行从编写代码到修复错误的一切操作。
通过此次更新，GPAI 新增了三个专业代理：生成数学和物理图的“TikZ 代理”、创建电气和电子电路图的“CircuitikZ 代理”以及生成化学分子结构式的“化学代理”。
当用户用自然语言描述想要生成的图像时，人工智能会直接编写代码生成图像，并通过反复检查和纠正错误来最终完成生成结果。生成过程可以实时查看，并且可以使用“加粗线条”等自然语言命令进行详细修改。
图灵指出，与通用图像生成人工智能不同，GPAI 利用了经过科学验证的库，例如基于 LaTeX 的 TikZ 和 CircuitikZ 包以及 RDKit，这是其区别于其他人工智能的关键因素。他解释说，现有的生成式人工智能通常一步生成图像，难以纠正公式或电路连接中的错误，而 GPAI 则通过基于代码验证结果并进行迭代修正来提高准确性。
GPAI 生成的图像累计数量现已超过 380 万张。此次更新后，每位用户生成的图像数量增加了约 10%，甚至有研究机构将论文图像的生成时间从之前的 3 小时缩短到了 10 分钟。
图灵计划将其专业可视化代理扩展到各个科学和工程领域，并添加自动将生成的图像和研究内容整理成演示材料的功能。通过这些举措，其目标是将其发展成为一个研究平台，在一个统一的环境中支持从问题理解、数据分析到结果可视化的整个研究流程。目前，该平台的应用和合作也在不断扩展，主要用户群体是大学和研究机构。
生成式人工智能正从支持文档创建发展到能够自动化研究人员的特定任务。尤其随着基于代码验证准确性的人工智能代理的出现，用于提升研究效率的人工智能工具之间的竞争预计将会加剧。
L'IA examine et corrige directement les figures sur papier… Turing fait progresser l'« agent visuel »
L'intelligence artificielle générative étend son champ d'application au-delà du texte pour produire des supports visuels dans des domaines spécialisés. En particulier, la concurrence s'intensifie sur le marché de l'automatisation par agents d'IA pour la génération d'images de haute précision, telles que les formules mathématiques, les schémas de circuits et les structures moléculaires nécessaires aux articles universitaires et aux rapports de recherche.
Turing, développeur d'agents d'IA d'inférence, a mis à jour « Visual Agent », la fonctionnalité de génération d'images de son agent d'IA spécialisé dans les sciences et l'ingénierie, « GPAI ». La principale nouveauté de cette mise à jour est l'application d'une approche d'IA agentique, qui s'éloigne de la méthode existante de génération d'images par l'IA en une seule fois et examine et modifie plutôt les résultats de manière autonome.
L'IA effectue tout, de l'écriture de code à la correction des erreurs.
Avec cette mise à jour, trois agents spécialisés ont été ajoutés à GPAI : l’« agent TikZ » qui génère des diagrammes mathématiques et physiques, l’« agent CircuitikZ » qui crée des schémas de circuits électriques et électroniques, et l’« agent de chimie » qui génère des formules structurales moléculaires chimiques.
Lorsqu'un utilisateur décrit l'image souhaitée en langage naturel, l'IA génère directement le code nécessaire et finalise le résultat en vérifiant et en corrigeant les erreurs. Le processus de génération est visible en temps réel et des modifications précises peuvent être apportées grâce à des commandes en langage naturel, comme « épaissir les traits ».
Turing a présenté le fait que, contrairement aux IA de génération d'images à usage général, l'IA générative à haut potentiel (GPAI) utilise des bibliothèques scientifiquement éprouvées telles que les packages TikZ et CircuitikZ basés sur LaTeX, ainsi que RDKit, comme facteur de différenciation. Il a expliqué que, tandis que les IA génératives existantes créent des images en une seule étape, rendant difficile la correction des erreurs dans les formules ou les connexions des circuits, la GPAI améliore la précision en vérifiant les résultats à partir du code et en effectuant des corrections itératives.
Le nombre cumulé d'images générées par GPAI a désormais dépassé les 3,8 millions. Suite à cette mise à jour, le nombre d'images générées par utilisateur a augmenté d'environ 10 %, et un institut de recherche a même réussi à réduire le temps nécessaire à la production d'images pour ses articles de 3 heures à 10 minutes.
Turing prévoit d'étendre ses agents visuels professionnels à divers domaines scientifiques et techniques et d'y ajouter des fonctionnalités permettant d'organiser automatiquement les images générées et les contenus de recherche en supports de présentation. L'objectif est ainsi de développer une plateforme de recherche qui prenne en charge l'ensemble du processus, de la compréhension du problème à l'analyse des données et à la visualisation des résultats, au sein d'un environnement unique. Actuellement, l'adoption et la collaboration se développent également, principalement entre les universités et les instituts de recherche.
L'IA générative évolue, passant de la simple création de documents à l'automatisation des tâches spécialisées des chercheurs. En particulier, avec l'émergence d'agents d'IA vérifiant l'exactitude du code, la concurrence pour les outils d'IA destinés à améliorer la productivité de la recherche devrait s'intensifier.