Para peneliti dari University of Bristol, Inggris, berhasil menunjukkan kemampuan organoid otak manusia dalam memproses pola huruf Braille melalui eksperimen komputasi biohibrida. Penelitian yang dipublikasikan pada 16 Oktober 2026 dalam jurnal Frontiers in Artificial Intelligence ini menggabungkan jaringan saraf biologis, sensor sentuhan, dan sistem pembelajaran mesin. Hasil pengujian menunjukkan bahwa penggunaan satu organoid menghasilkan akurasi klasifikasi 61 persen, sedangkan kombinasi tiga organoid meningkat menjadi 83 persen. Temuan tersebut membuka peluang pengembangan teknologi komputer biologis yang berpotensi lebih hemat energi, meskipun kemampuan pembelajaran organoid dalam eksperimen ini belum terbukti.
Eksperimen Jaringan Saraf Biologis untuk Pemrosesan Informasi Digital
Perkembangan inovasi pemrosesan informasi semakin mendorong kebutuhan terhadap metode pengolahan data yang efisien. Pada sebagian besar perangkat elektronik, aktivitas komputasi digital menggunakan rangkaian semikonduktor. Walaupun kemampuan perangkat keras semakin meningkat, penggunaan daya perangkat digital menjadi perhatian penting. Menanggapi tantangan tersebut, ilmuwan University of Bristol mengevaluasi penggunaan organoid otak sebagai jaringan saraf hidup untuk mengolah sinyal. Konsep tersebut menggabungkan jaringan biologis dan perangkat elektronik untuk menguji potensi pemrosesan berbasis jaringan saraf.
Melalui eksperimen yang dilakukan, tim ilmuwan memanfaatkan organoid yang dikembangkan dari sel manusia untuk merespons sinyal elektronik. Jaringan biologis mini ini bukanlah otak manusia yang utuh. Kendati bentuknya jauh lebih sederhana, organoid memiliki jaringan sel saraf hidup. Tim penelitian selanjutnya mengirim rangsangan listrik berdasarkan pola sentuhan. Aktivitas listrik yang muncul dianalisis menggunakan algoritma komputer untuk menentukan kesesuaian respons dengan rangsangan. Eksperimen ini memperlihatkan potensi pemrosesan informasi melalui organoid.
Cara Kerja Organoid Otak dalam Memproses Pola Huruf Braille
Dalam merancang pengujian, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk mengumpulkan informasi huruf Braille. Metode representasi karakter Braille merepresentasikan karakter melalui pola titik yang memiliki konfigurasi berbeda untuk setiap huruf. Dalam eksperimen tersebut, peneliti merekam pola yang mewakili 26 huruf. Informasi taktil yang diperoleh kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Tahapan konversi ini berfungsi sebagai antarmuka penting antara perangkat elektronik dengan sistem biologis.
Sesudah data taktil diubah menjadi sinyal listrik, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. Multielectrode array atau MEA merupakan perangkat yang memiliki sejumlah elektroda kecil. Pada penelitian ini, organoid menerima stimulasi listrik sesuai pola tertentu. Jaringan saraf kemudian, organoid menghasilkan aktivitas listrik yang dapat direkam dan dianalisis. Dengan demikian, data taktil dapat diteruskan melalui jaringan neuron hidup. Akan tetapi, proses tersebut tidak berarti organoid memahami bahasa Braille.
Algoritma Machine Learning Membantu Mengenali Respons Organoid
Sesudah sinyal biologis dikumpulkan, peneliti menerapkan sistem klasifikasi berbasis komputer untuk menentukan kategori rangsangan yang diterima. Metode yang dipilih adalah support vector machine atau SVM, yaitu algoritma yang dapat membedakan kategori berdasarkan karakteristik informasi. Melalui tahap pemrosesan digital, sistem menganalisis perbedaan sinyal biologis yang dihasilkan. Setelah pola respons dipelajari, algoritma mengidentifikasi rangsangan berdasarkan respons organoid. Melalui kombinasi biologis dan digital, jaringan saraf hidup menjadi bagian dari jalur pemrosesan informasi.
Fungsi algoritma SVM tidak boleh disamakan dengan kecerdasan biologis mandiri. Melalui sistem yang diuji, organoid tidak menghasilkan keluaran berupa karakter tertulis. Sementara itu, aktivitas neuron direkam lalu diklasifikasikan menggunakan perangkat lunak. Pencapaian sistem biohibrida membuktikan adanya pola sinyal yang dapat dibedakan. Walaupun memperlihatkan potensi besar, hasilnya belum dapat digunakan untuk menyimpulkan adanya pembelajaran biologis jangka panjang. Pembedaan tersebut menjaga ketepatan interpretasi teknologi.
Tiga Organoid Otak Tingkatkan Akurasi Pengenalan Braille Menjadi 83 Persen
Pencapaian penting dalam penelitian adalah perbaikan hasil pengenalan pola melalui kombinasi jaringan biologis. Dalam pengujian menggunakan satu organoid, algoritma mencatat keberhasilan klasifikasi sebesar 61 persen. Sebagai perbandingan, penggunaan tiga organoid meningkatkan akurasi menjadi 83 persen. Kenaikan performa tersebut memperlihatkan potensi penggunaan beberapa jaringan saraf. Pada pengujian laboratorium ini, angka akurasi merujuk pada pengenalan pola stimulus, bukan pemahaman bahasa oleh jaringan biologis.
Peneliti juga menemukan bahwa sistem multi-organoid lebih kuat menghadapi noise buatan. Sebagai bagian dari pengukuran performa, ilmuwan memberikan gangguan terhadap informasi taktil. Kemudian, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Hasilnya, respons gabungan organoid lebih tahan terhadap sejumlah gangguan. Meski demikian, peneliti belum mengetahui secara pasti penyebab peningkatannya.
Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi
Eksperimen pengolahan sinyal biologis memunculkan peluang menarik bagi teknologi komputer masa depan. Jaringan neuron alami mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. Karena karakteristik tersebut, ilmuwan tertarik mempelajari penggunaan organoid sebagai komponen pengolah informasi. Apabila teknologi ini terus berkembang, organoid berpotensi mendukung pemrosesan informasi tertentu. Walaupun memiliki potensi tersebut, belum ada bukti bahwa sistem eksperimen ini lebih hemat energi secara keseluruhan.
Untuk mencapai penggunaan praktis, berbagai tantangan teknis masih perlu diatasi. Organoid merupakan jaringan hidup sehingga memerlukan lingkungan pemeliharaan khusus. Tantangan lainnya, respons setiap organoid dapat berbeda karena hubungan antarneuron dapat bervariasi. Ketidakseragaman biologis tersebut memerlukan metode kalibrasi dan pengendalian yang lebih baik. Tidak hanya berkaitan dengan performa, pengembangan sistem berbasis organoid juga membutuhkan pertimbangan etika, termasuk pengawasan penggunaan material biologis.
Masa Depan Teknologi Komputasi Biohibrida Berbasis Jaringan Saraf
Pengembangan sistem pengolahan Braille menggunakan organoid otak menunjukkan perkembangan penting dalam teknologi pemrosesan informasi biologis. Dengan memanfaatkan sensor sentuhan, sistem elektroda berukuran kecil, serta teknologi machine learning, peneliti menunjukkan bahwa jaringan saraf menghasilkan informasi yang dapat diklasifikasikan. Keunggulan konfigurasi multi-organoid menunjukkan manfaat pemanfaatan beberapa organoid. Kendati membuka kemungkinan pengembangan, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Ke depan, pengembangan sistem umpan balik dua arah berpotensi memperluas penelitian komputasi biologis. Apa pendapat Anda, apakah teknologi komputer yang memanfaatkan jaringan saraf hidup berpotensi menjadi bagian dari komputer masa depan? Sampaikan pandangan Anda mengenai potensi komputer biologis.
