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 teknologi komputasi modern terus meningkatkan kebutuhan terhadap arsitektur komputasi hemat energi. Dalam sistem komputer konvensional, proses pengolahan informasi bergantung pada komponen elektronik. Namun demikian, konsumsi listrik sistem pemrosesan mendorong pencarian solusi baru. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol menguji penggunaan organoid otak sebagai bagian dari sistem komputasi biohibrida. Pendekatan ini menghubungkan organoid hidup dengan perangkat komputasi untuk mengeksplorasi kemampuan pengolahan informasi.
Pada studi yang dipublikasikan, tim ilmuwan menggunakan organoid yang ditumbuhkan menggunakan teknik laboratorium untuk menerima rangsangan listrik. Jaringan biologis mini ini tidak memiliki seluruh kemampuan otak manusia. Walaupun ukurannya sangat kecil, organoid mengandung ribuan neuron. Peneliti kemudian mengirim rangsangan listrik berdasarkan pola sentuhan. Aktivitas listrik yang muncul diproses melalui sistem klasifikasi digital untuk membedakan informasi yang diberikan. Pendekatan penelitian tersebut memberikan dasar pengembangan sistem komputasi biohibrida.
Cara Kerja Organoid Otak dalam Memproses Pola Huruf Braille
Dalam merancang pengujian, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk mendeteksi pola sentuhan pada simbol Braille. Huruf Braille menggunakan kombinasi titik timbul yang memiliki konfigurasi berbeda untuk setiap huruf. Melalui proses perekaman sensor, peneliti menggunakan seluruh 26 karakter alfabet dalam pengujian. Data hasil pembacaan sensor kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Tahapan konversi ini memungkinkan komunikasi awal antara sensor mekanis dan jaringan saraf.
Setelah proses pengodean selesai, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. Multielectrode array atau MEA merupakan sistem antarmuka elektronik untuk jaringan saraf. Melalui perangkat tersebut, organoid merespons impuls elektronik yang sudah dikodekan. Sebagai respons terhadap stimulasi, organoid menghasilkan aktivitas listrik yang dapat direkam dan dianalisis. Melalui mekanisme tersebut, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Akan tetapi, proses tersebut belum menunjukkan kemampuan membaca seperti manusia.
Algoritma Machine Learning Membantu Mengenali Respons Organoid
Setelah memperoleh respons listrik organoid, 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. Pada proses analisis, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Setelah pola respons dipelajari, algoritma menentukan kategori sinyal yang diterima. Melalui kombinasi biologis dan digital, jaringan saraf hidup mendukung pembentukan sinyal yang dapat dibaca komputer.
Keterlibatan sistem klasifikasi penting dibedakan dari kemampuan organoid. Dalam penelitian tersebut, organoid tidak memberikan jawaban berupa huruf secara langsung. Sebaliknya, aktivitas neuron direkam lalu diklasifikasikan menggunakan perangkat lunak. Keberhasilan pengujian membuktikan adanya pola sinyal yang dapat dibedakan. Meski hasilnya menarik, penelitian belum membuktikan kemampuan belajar organoid. Pembedaan tersebut penting untuk menghindari kesimpulan berlebihan.
Tiga Organoid Otak Tingkatkan Akurasi Pengenalan Braille Menjadi 83 Persen
Pencapaian penting dalam penelitian adalah perbaikan hasil pengenalan pola melalui kombinasi jaringan biologis. Ketika sistem hanya memanfaatkan satu jaringan mini, algoritma mampu mengklasifikasikan huruf dengan akurasi rata-rata 61 persen. Sementara itu, penggunaan tiga organoid meningkatkan akurasi menjadi 83 persen. Peningkatan tersebut memperlihatkan potensi penggunaan beberapa jaringan saraf. Dalam konteks eksperimen, persentase tersebut menggambarkan keberhasilan decoder, bukan kemampuan organoid mengenali tulisan seperti manusia.
Hasil pengujian turut menunjukkan bahwa kombinasi tiga organoid memiliki ketahanan lebih baik terhadap gangguan sinyal. Dalam pengujian tambahan, ilmuwan memodifikasi data masukan menggunakan noise sintetis. Kemudian, peneliti membandingkan klasifikasi respons organoid dengan pemrosesan langsung sinyal yang terganggu. Berdasarkan perbandingan tersebut, respons gabungan organoid lebih tahan terhadap sejumlah gangguan. Meski demikian, 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. Otak manusia mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. Karena karakteristik tersebut, ilmuwan menguji kemungkinan integrasi sel biologis sebagai komponen pengolah informasi. Apabila teknologi ini terus berkembang, organoid berpotensi mendukung pemrosesan informasi tertentu. Walaupun memiliki potensi tersebut, efisiensi daya perangkat biohibrida lengkap belum terbukti unggul.
Sebelum sistem dapat diterapkan secara luas, sejumlah hambatan pengembangan harus diselesaikan. Material biologis tersebut terdiri dari sel aktif sehingga harus dijaga agar tetap hidup. Di samping kebutuhan pemeliharaan, aktivitas neuron tidak selalu identik antarsampel karena karakteristik biologis masing-masing organoid berlainan. Perbedaan tersebut menantang proses pengembangan sistem yang konsisten. Selain tantangan rekayasa, pengembangan sistem berbasis organoid juga memerlukan tata kelola penelitian yang bertanggung jawab, termasuk asal sel dan persetujuan donor.
Prospek Pengembangan Komputer Biologis setelah Eksperimen Braille
Pengembangan sistem pengolahan Braille menggunakan organoid otak menghadirkan temuan menarik dalam penelitian komputasi generasi baru. Berkat pengodean informasi Braille, susunan mikroelektroda, serta teknologi machine learning, peneliti berhasil mengidentifikasi pola huruf dari respons organoid. Perbaikan hasil melalui penggunaan tiga organoid memberikan dasar penelitian sistem biohibrida yang lebih kompleks. 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 komputasi biohibrida berbasis organoid dapat membuka peluang inovasi komputasi hemat energi? Silakan bagikan pendapat Anda mengenai masa depan penelitian organoid otak.
