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.
Terobosan Teknologi Organoid Otak dalam Mengenali Pola Braille
Perkembangan sistem kecerdasan buatan semakin mendorong kebutuhan terhadap pendekatan pemrosesan informasi alternatif. Selama ini, pelaksanaan perhitungan elektronik bergantung pada komponen elektronik. Walaupun kemampuan perangkat keras semakin meningkat, konsumsi listrik sistem pemrosesan memerlukan pendekatan yang lebih efisien. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol menguji penggunaan organoid otak sebagai jaringan saraf hidup untuk mengolah sinyal. Rancangan penelitian ini menggabungkan jaringan biologis dan perangkat elektronik untuk menguji potensi pemrosesan berbasis jaringan saraf.
Dalam penelitian tersebut, tim ilmuwan memanfaatkan organoid yang dibentuk melalui kultur sel manusia untuk merespons sinyal elektronik. Struktur sel saraf tersebut tidak memiliki seluruh kemampuan otak manusia. Walaupun ukurannya sangat kecil, organoid memiliki jaringan sel saraf hidup. Dalam pengujian berikutnya, ilmuwan memberikan pola stimulasi yang mewakili huruf Braille. Sinyal yang dihasilkan jaringan saraf dianalisis menggunakan algoritma komputer untuk membedakan informasi yang diberikan. Pengujian tersebut memperlihatkan potensi pemrosesan informasi melalui organoid.
Mekanisme Sensor Sentuhan dan Elektroda pada Komputasi Biohibrida
Untuk menjalankan eksperimen, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk mengumpulkan informasi huruf Braille. Sistem tulisan Braille mengandalkan susunan titik tertentu yang memiliki konfigurasi berbeda untuk setiap huruf. Melalui proses perekaman sensor, peneliti menggunakan seluruh 26 karakter alfabet dalam pengujian. Informasi taktil yang diperoleh kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Tahapan konversi ini memungkinkan komunikasi awal antara informasi fisik dan organoid otak.
Sesudah data taktil diubah menjadi sinyal listrik, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. Multielectrode array atau MEA merupakan susunan elektroda yang memungkinkan interaksi dengan sel biologis. Melalui perangkat tersebut, organoid menerima stimulasi listrik sesuai pola tertentu. Jaringan saraf kemudian, organoid memperlihatkan perubahan aktivitas neuron yang dapat direkam dan dianalisis. Dengan demikian, data taktil dapat diteruskan melalui jaringan neuron hidup. Akan tetapi, proses tersebut belum menunjukkan kemampuan membaca seperti manusia.
Algoritma Machine Learning Membantu Mengenali Respons Organoid
Sesudah sinyal biologis dikumpulkan, peneliti menggunakan algoritma pembelajaran mesin untuk membedakan respons terhadap setiap huruf. Pendekatan klasifikasi tersebut adalah support vector machine atau SVM, yaitu teknik pembelajaran mesin untuk mengelompokkan data. Melalui tahap pemrosesan digital, sistem menganalisis perbedaan sinyal biologis yang dihasilkan. Setelah pola respons dipelajari, algoritma menentukan kategori sinyal yang diterima. Melalui kombinasi biologis dan digital, jaringan saraf hidup menjadi bagian dari jalur pemrosesan informasi.
Keterlibatan sistem klasifikasi tidak boleh disamakan dengan kecerdasan biologis mandiri. Dalam penelitian tersebut, organoid tidak menghasilkan keluaran berupa karakter tertulis. Sebaliknya, sinyal biologis diukur lalu ditafsirkan oleh algoritma komputer. Hasil klasifikasi tersebut menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Namun demikian, eksperimen tidak menunjukkan perubahan perilaku melalui latihan berulang. Pembedaan tersebut membantu menempatkan hasil penelitian secara proporsional.
Hasil Eksperimen Komputasi Biohibrida dengan Satu dan Tiga Organoid
Pencapaian penting dalam penelitian adalah peningkatan kemampuan klasifikasi ketika beberapa organoid digabungkan. Pada konfigurasi organoid tunggal, algoritma mampu mengklasifikasikan huruf dengan akurasi rata-rata 61 persen. Sebagai perbandingan, penggunaan tiga organoid meningkatkan akurasi menjadi 83 persen. Peningkatan tersebut memperlihatkan potensi penggunaan beberapa jaringan saraf. Berdasarkan rancangan penelitian tersebut, persentase tersebut menggambarkan keberhasilan decoder, bukan kemampuan organoid mengenali tulisan seperti manusia.
Eksperimen tersebut memperlihatkan bahwa penggabungan respons biologis meningkatkan ketahanan klasifikasi terhadap gangguan tertentu. Dalam pengujian tambahan, ilmuwan memodifikasi data masukan menggunakan noise sintetis. Setelah gangguan diterapkan, peneliti membandingkan klasifikasi respons organoid dengan pemrosesan langsung sinyal yang terganggu. Berdasarkan perbandingan tersebut, pengolahan melalui organoid membantu mempertahankan informasi. Meski demikian, alasan biologis peningkatan performa belum sepenuhnya dipahami.
Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi
Penelitian organoid otak membuka kemungkinan penelitian baru bagi teknologi komputer masa depan. Otak manusia dikenal memiliki efisiensi energi yang tinggi. Dengan mempertimbangkan kemampuan biologis tersebut, ilmuwan menguji kemungkinan integrasi sel biologis sebagai elemen dalam arsitektur biohibrida. Jika penelitian lanjutan menunjukkan hasil yang konsisten, organoid dapat menjadi bagian dari pendekatan pemrosesan alternatif. Walaupun memiliki potensi tersebut, efisiensi daya perangkat biohibrida lengkap belum terbukti unggul.
Sebelum sistem dapat diterapkan secara luas, peneliti menghadapi berbagai persoalan penting. Material biologis tersebut terdiri dari sel aktif sehingga harus dijaga agar tetap hidup. Tantangan lainnya, aktivitas neuron tidak selalu identik antarsampel karena hubungan antarneuron dapat bervariasi. Variasi respons ini menantang proses pengembangan sistem yang konsisten. Selain tantangan rekayasa, penggunaan jaringan biologis manusia juga membutuhkan pertimbangan etika, termasuk asal sel dan persetujuan donor.
Prospek Pengembangan Komputer Biologis setelah Eksperimen Braille
Penelitian dari University of Bristol memberikan hasil yang menjanjikan dalam pengembangan antarmuka jaringan saraf dan perangkat elektronik. Dengan memanfaatkan sensor sentuhan, antarmuka elektronik jaringan biologis, serta metode klasifikasi digital, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Keunggulan konfigurasi multi-organoid menjadi indikasi potensi penggabungan jaringan biologis. Walaupun menunjukkan hasil positif, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Pada tahap pengembangan selanjutnya, pengembangan sistem umpan balik dua arah mungkin memberikan informasi mengenai pemrosesan saraf yang lebih mendalam. Apa pendapat Anda, apakah pengembangan pemrosesan informasi biologis mampu menghadirkan pendekatan baru yang bermanfaat? Bagikan pemikiran Anda mengenai manfaat dan tantangan teknologi tersebut.
