KOMPUTASI SEMANTIK & AI : Transformasi Pengetahuan menuju Kecerdasan

Abstrak

Puji  syukur  ke  hadirat  Tuhan  Yang  Maha  Esa  atas  segala  rahmat-Nya  sehingga  buku “Komputasi  Semantik  &  AI:  Transformasi  Pengetahuan  menuju  Kecerdasan”  ini  dapat terselesaikan dengan sempurna.  Perkembangan pesat dalam bidang kecerdasan buatan (AI) dan komputasi semantik selama dekade terakhir telah menghasilkan lompatan konseptual dan teknis  yang  signifikan.  Kemampuan  sistem  untuk  memahami,  merepresentasikan,  dan memanfaatkan  pengetahuan  telah  mengalami  transformasi  dari  sekadar  model  statistik  ke sistem  hibrida  yang  menggabungkan  representasi  simbolik,  struktur  graf-pengetahuan,  dan kemampuan  pembelajaran  mendalam  yang  kuat.  Buku  ini  disusun  dengan  tujuan menghadirkan telaah yang menyeluruh dan terintegrasi mengenai perkembangan tersebut— menggabungkan fondasi teoretis, algoritma, eksperimen, serta aplikasi lintas domain. 

Kebutuhan  akan  narasi  yang  menjembatani  teori  dan  praktik  menjadi  dasar penyusunan  buku  ini.  Dalam  praktik  riset  maupun  pembangunan  sistem,  sering  terdapat jurang antara konsep abstrak (seperti ontologi, logika deskriptif, atau representasi semantik) dan  implementasi  efektif  pada  skala  nyata  (misalnya,  deployment  LLM,  pipeline  ekstraksi pengetahuan  pada  data  medis,  atau  sistem  deteksi  fraud  berbasis  graf).  Buku  ini  dirancang untuk  mengatasi  jurang  tersebut  dengan  menyajikan:  penjelasan  konseptual  yang  matang, formulasi  matematis  yang  diperlukan,  deskripsi  algoritma  dan  arsitektur,  serta  hasil eksperimen yang dapat menjadi referensi bagi replikasi dan pengembangan lanjutan. 

Buku  ini  tersusun  atas  empat  belas  bab  yang  masing-masing  menyajikan  topik  inti secara  mendetail.  Berikut  ringkasan  tiap  bagian  utama  beserta  tujuan  pedagogis  dan teknisnya,  Bab  1  Bab  pembuka  memetakan  evolusi  model  bahasa  besar  (LLM),  termasuk fondasi teknis jaringan saraf modern, proses pembangunan model bahasa berskala besar, serta pergeseran  paradigma  yang  dipicu  oleh  arsitektur  transformer.  Selain  aspek  teknis,  bab  ini menyoroti tantangan akuntabilitas, bias, dan isu keselamatan yang muncul ketika kemampuan model  meningkat.  Tujuan  bab  ini  adalah  memberikan  konteks  historis  dan  kritis  sehingga pembaca mampu mengevaluasi kemajuan LLM secara seimbang.