O que têm em comum o lançamento do LLM AMALIA e o primeiro drone da Tekever e da marinha portuguesa em 2014? Ambos foram sujeitos a um coro de críticas extemporâneas. A internet está desde sempre cheia de veredictos definitivos, com entusiasmo a mais e conhecimento a menos… A Tekever, e 12 anos volvidos, de “meme” passou a empresa líder mundial!

Por isso comecemos por enquadrar: AMALIA é um acrónimo de Agente Multimodal Automático de Linguagem com IA. É um grande modelo de linguagem (LLM) desenvolvido de raiz com um objetivo muito claro: compreender e produzir português europeu. Tem na sua essência um aspeto que, para mim, é crítico: é verdadeiramente aberto. Não disponibiliza apenas os pesos do modelo; inclui também o código de treino, os dados utilizados e um relatório técnico detalhado. É a diferença entre oferecer um bolo ou partilhar não só a receita, como também os ingredientes e a cozinha.

O projeto resulta do trabalho de investigadores portugueses, incluindo da Univ. de Coimbra com financiamento da FCT e do PRR. O treino decorreu no Barcelona Supercomputing Center, e partiu do modelo EuroLLM 9B, mas foi afinado para privilegiar o português europeu. Isto pode parecer irrelevante, mas qualquer utilizador de inteligência artificial (I.A.) sabe como a maioria dos modelos rapidamente deriva para o português do Brasil e nos brinda com os habituais “ônibus”, “trem” ou “café da manhã”. O mérito do AMALIA está precisamente em preservar a nossa variante linguística.

Grande parte dos dados veio do Arquivo.pt, depois de um enorme trabalho de limpeza, filtragem e anonimização para garantir qualidade e conformidade com o RGPD. O resultado não foi um modelo treinado com “mais dados”, mas com melhores dados e mais transparentes.
Li algumas opiniões sobre o modelo, mas muitos avaliaram-no de forma errada: fizeram-lhe perguntas de cultura geral, encontraram uma ou outra resposta imprecisa e concluíram que “não presta”… jornalistas e a TV fizeram eco e isso revela um equívoco comum sobre o que é um LLM. Um modelo de linguagem não é uma enciclopédia. Ele apreende padrões da língua, mas não memoriza todos os factos do mundo. Além disso, a I.A. usamos diariamente (ChatGPT ou Gemini) não são apenas um modelo, são sistemas completos, com pesquisa na web, memória e outras ferramentas. Não se podem sequer comparar.

O valor do AMALIA está na qualidade linguística e na possibilidade aberta de qualquer um, empresa ou cidadão, o executar localmente, estudá-lo e melhorá-lo. Mais do que um modelo, o AMALIA representa um passo importante para a afirmação da língua portuguesa na era da I.A..
Num mundo onde empresas globais têm vindo a concentrar a capacidade em I.A., investir em capacidades próprias significa reforçar a autonomia tecnológica, estimular o nosso ecossistema científico e criar conhecimento que pode beneficiar toda a comunidade lusófona. Sim, é possível construir tecnologia aberta, transparente e verdadeiramente adaptada ao nosso idioma!

Sejam curiosos e explorem: https://amaliallm.pt
Ou no GitHub: https://github.com/AMALIA-LLM/AMALIA
https://github.com/orgs/AMALIA-LLM/repositories