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
Pertumbuhan teknologi komputasi modern terus meningkatkan kebutuhan terhadap arsitektur komputasi hemat energi. Selama ini, aktivitas komputasi digital menggunakan rangkaian semikonduktor. Walaupun kemampuan perangkat keras semakin meningkat, penggunaan daya perangkat digital memerlukan pendekatan yang lebih efisien. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol mengevaluasi penggunaan organoid otak sebagai komponen pemrosesan biologis. Pendekatan ini menghubungkan organoid hidup dengan perangkat komputasi untuk menguji potensi pemrosesan berbasis jaringan saraf.
Pada studi yang dipublikasikan, tim ilmuwan menggunakan organoid yang dikembangkan dari sel manusia untuk memproses stimulasi yang diberikan. Struktur sel saraf tersebut bukanlah otak manusia yang utuh. Kendati bentuknya jauh lebih sederhana, organoid memiliki jaringan sel saraf hidup. Tim penelitian selanjutnya menyampaikan informasi Braille melalui elektroda. Sinyal yang dihasilkan jaringan saraf dianalisis menggunakan algoritma komputer untuk menentukan kesesuaian respons dengan rangsangan. Eksperimen ini memberikan dasar pengembangan sistem komputasi biohibrida.
Cara Kerja Organoid Otak dalam Memproses Pola Huruf Braille
Sebagai langkah awal penelitian, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk mendeteksi pola sentuhan pada simbol Braille. Sistem tulisan Braille mengandalkan susunan titik tertentu yang dapat dikenali melalui sentuhan. Dalam eksperimen tersebut, peneliti mengambil informasi dari 26 huruf alfabet Braille. Sinyal sentuhan yang direkam kemudian diubah menjadi pola stimulasi listrik. Mekanisme pengodean tersebut berfungsi sebagai antarmuka penting antara sensor mekanis dan jaringan saraf.
Setelah proses pengodean selesai, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. Multielectrode array atau MEA merupakan perangkat yang memiliki sejumlah elektroda kecil. Dalam rancangan pengujian, organoid menerima stimulasi listrik sesuai pola tertentu. Sebagai respons terhadap stimulasi, organoid memperlihatkan perubahan aktivitas neuron yang dipantau menggunakan perangkat elektronik. Berkat rangkaian proses ini, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Meski demikian, proses tersebut tidak membuktikan adanya pemahaman simbol secara sadar.
Algoritma Machine Learning Membantu Mengenali Respons Organoid
Ketika aktivitas neuron berhasil direkam, peneliti memanfaatkan metode machine learning untuk menentukan kategori rangsangan yang diterima. Pendekatan klasifikasi tersebut adalah support vector machine atau SVM, yaitu metode komputasi untuk mengklasifikasikan pola tertentu. Pada proses analisis, sistem mempelajari hubungan antara aktivitas saraf dan stimulus Braille. Setelah pola respons dipelajari, algoritma menentukan kategori sinyal yang diterima. Melalui kombinasi biologis dan digital, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Keterlibatan sistem klasifikasi tidak boleh disamakan dengan kecerdasan biologis mandiri. Dalam penelitian tersebut, organoid bukan pihak yang menentukan label alfabet secara mandiri. Yang terjadi adalah, sinyal biologis diukur lalu dianalisis melalui model pembelajaran mesin. Pencapaian sistem biohibrida membuktikan adanya pola sinyal yang dapat dibedakan. Walaupun memperlihatkan potensi besar, eksperimen tidak menunjukkan perubahan perilaku melalui latihan berulang. Pembedaan tersebut menjaga ketepatan interpretasi teknologi.
Hasil Eksperimen Komputasi Biohibrida dengan Satu dan Tiga Organoid
Salah satu temuan utama adalah peningkatan kemampuan klasifikasi ketika beberapa organoid digabungkan. Pada konfigurasi organoid tunggal, algoritma menghasilkan ketepatan pengenalan sekitar 61 persen. Sebagai perbandingan, penggunaan tiga organoid memberikan hasil pengenalan pola sebesar 83 persen. Kenaikan performa tersebut menunjukkan manfaat penggabungan respons biologis. Berdasarkan rancangan penelitian tersebut, hasil itu menunjukkan ketepatan klasifikasi sinyal, bukan kemampuan organoid mengenali tulisan seperti manusia.
Eksperimen tersebut memperlihatkan bahwa kombinasi tiga organoid memiliki ketahanan lebih baik terhadap gangguan sinyal. Sebagai bagian dari pengukuran performa, ilmuwan menambahkan gangguan buatan pada sinyal Braille. Kemudian, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Dalam kondisi yang diuji, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Kendati menunjukkan ketahanan terhadap noise, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Manfaat Jaringan Saraf Biologis bagi Teknologi Komputasi Generasi Baru
Pengembangan sistem biohibrida memberikan arah pengembangan alternatif bagi komputasi hemat energi. Jaringan neuron alami mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. Berdasarkan prinsip kerja jaringan saraf, ilmuwan menguji kemungkinan integrasi sel biologis sebagai bagian dari sistem komputasi. Jika penelitian lanjutan menunjukkan hasil yang konsisten, organoid berpotensi mendukung pemrosesan informasi tertentu. Walaupun memiliki potensi tersebut, belum ada bukti bahwa sistem eksperimen ini lebih hemat energi secara keseluruhan.
Sebelum sistem dapat diterapkan secara luas, sejumlah hambatan pengembangan harus diselesaikan. Material biologis tersebut terdiri dari sel aktif sehingga membutuhkan pengaturan suhu dan nutrisi. Selain itu, aktivitas neuron tidak selalu identik antarsampel karena karakteristik biologis masing-masing organoid berlainan. Perbedaan tersebut memerlukan metode kalibrasi dan pengendalian yang lebih baik. Selain tantangan rekayasa, pemanfaatan sel manusia dalam perangkat komputasi juga harus memperhatikan prinsip penelitian biologis, termasuk pengawasan penggunaan material biologis.
Kesimpulan Penelitian Organoid Otak dalam Mengenali Huruf Braille
Pengembangan sistem pengolahan Braille menggunakan organoid otak menghadirkan temuan menarik dalam teknologi pemrosesan informasi biologis. Melalui penggunaan perangkat pendeteksi taktil, susunan mikroelektroda, serta metode klasifikasi digital, peneliti berhasil mengidentifikasi pola huruf dari respons organoid. Keunggulan konfigurasi multi-organoid memberikan dasar penelitian sistem biohibrida yang lebih kompleks. Walaupun menunjukkan hasil positif, eksperimen ini belum membuktikan pembelajaran organoid. Dalam penelitian berikutnya, eksperimen dengan tekstur dan pola berbeda berpotensi memperluas penelitian komputasi biologis. Bagaimana menurut Anda, apakah pengembangan pemrosesan informasi biologis berpotensi menjadi bagian dari komputer masa depan? Silakan bagikan pendapat Anda mengenai potensi komputer biologis.
