Desde o início do projeto, assumimos um compromisso público: os desenvolvimentos alcançados no âmbito da Automaise Sustainable AI Platform seriam partilhados com a comunidade global de profissionais de IA, em código aberto, sem barreiras de acesso. 

Hoje podemos dizer que cumprimos essa promessa. As três bibliotecas Python desenvolvidas no projeto estão disponíveis no PyPI, prontas a ser instaladas e utilizadas por qualquer equipa de desenvolvimento de IA. 

Porquê o open-source? 

A IA tem estado no centro da maioria dos avanços científicos e tecnológicos dos últimos 20 anos. Mas o desenvolvimento de soluções baseadas em IA, particularmente nos processos de treino e inferência dos modelos, consome quantidades elevadas de energia, pondo em causa a sustentabilidade desta tecnologia em termos ambientais e energéticos. 

A comunidade científica reconhece o problema. O que falta são ferramentas práticas, desenvolvidas com dados reais, que qualquer equipa possa usar no seu dia a dia. 

As três bibliotecas 

winnow-sampler — o Data-Centric Sampler em código aberto 

Gera conjuntos de dados sintéticos a partir de uma base de conhecimento, otimizados para fine-tuning. Reduz em até 40% o volume de dados necessário para treinar um modelo, sem comprometer a qualidade. 

Disponível em: pypi.org/project/winnow-sampler 

llm-carbon-calculator — o AI Carbon Emissions Calculator em código aberto 

Calcula as emissões de CO₂ associadas a chamadas de API a modelos de linguagem, seguindo os standards da Green Software Foundation. Permite medir o impacto ambiental real das soluções de IA, integrado diretamente nos fluxos de desenvolvimento. É a ferramenta que nos permite responder a uma pergunta que, até agora, poucos faziam: quanto custa este modelo ao planeta? 

Disponível em: pypi.org/project/llm-carbon-calculator  

fiesta-trainer — o Green LLM Engine em código aberto 

Permite fazer fine-tuning do modelo multilingual-e5-large-instruct com adaptadores LoRA, otimizado para tarefas de information retrieval. Uma forma mais eficiente de ajustar modelos de linguagem para contextos específicos, reduzindo a complexidade computacional do processo e tornando o desenvolvimento de soluções de IA mais acessível e mais sustentável. 

Disponível em: pypi.org/project/fiesta-trainer 

E há mais uma novidade 

No decorrer deste projeto, submetemos também um pedido de patente. Um reconhecimento formal de que o trabalho de investigação desenvolvido representa uma contribuição original ao estado da arte. Protegemos o que é nosso, sem deixar de partilhar o que é de todos. 

O que fazer a seguir 

Qualquer equipa de data science pode hoje instalar estas bibliotecas, integrá-las nos seus fluxos de trabalho e beneficiar de dois anos de investigação aplicada. Sem custos, sem fricção. 

O objetivo foi sempre este: sensibilizar a comunidade de profissionais de IA para os consumos energéticos das tecnologias que usamos todos os dias, e colocar ferramentas concretas nas mãos de quem as pode usar para fazer a diferença. 

A Automaise Sustainable AI Platform é um projeto co-financiado pelo Portugal 2030 e pela União Europeia através do programa COMPETE 2030. As bibliotecas Python desenvolvidas no âmbito do projeto estão disponíveis em PyPI: winnow-sampler, llm-carbon-calculator e fiesta-trainer.