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.
Peneliti University of Bristol Kembangkan Komputasi Biohibrida Berbasis Organoid Otak
Kemajuan teknologi komputasi modern memperbesar kebutuhan terhadap pendekatan pemrosesan informasi alternatif. Pada sebagian besar perangkat elektronik, pelaksanaan perhitungan elektronik menggunakan rangkaian semikonduktor. Namun demikian, kebutuhan energi komputasi mendorong pencarian solusi baru. Menanggapi tantangan tersebut, ilmuwan University of Bristol mengevaluasi penggunaan organoid otak sebagai jaringan saraf hidup untuk mengolah sinyal. Pendekatan ini memadukan sel saraf dengan sistem digital untuk menguji potensi pemrosesan berbasis jaringan saraf.
Pada studi yang dipublikasikan, tim ilmuwan menempatkan organoid yang ditumbuhkan menggunakan teknik laboratorium untuk merespons sinyal elektronik. Jaringan biologis mini ini tidak memiliki seluruh kemampuan otak manusia. Walaupun ukurannya sangat kecil, organoid mengandung ribuan neuron. Dalam pengujian berikutnya, ilmuwan mengirim rangsangan listrik berdasarkan pola sentuhan. Aktivitas listrik yang muncul diproses melalui sistem klasifikasi digital untuk membedakan informasi yang diberikan. Pendekatan penelitian tersebut menunjukkan hubungan antara sensor buatan dan jaringan biologis.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Dalam merancang pengujian, ilmuwan menggunakan sensor sentuhan untuk mendeteksi pola sentuhan pada simbol Braille. Metode representasi karakter Braille menggunakan kombinasi titik timbul yang digunakan sebagai media komunikasi taktil. Dalam eksperimen tersebut, peneliti merekam pola yang mewakili 26 huruf. Informasi taktil yang diperoleh kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Mekanisme pengodean tersebut memungkinkan komunikasi awal antara informasi fisik dan organoid otak.
Ketika pola stimulasi telah disiapkan, peneliti menyalurkan impuls listrik lewat sistem elektroda mikro. Multielectrode array atau MEA merupakan sistem antarmuka elektronik untuk jaringan saraf. Pada penelitian ini, organoid diberikan rangsangan yang mewakili informasi Braille. Sebagai respons terhadap stimulasi, organoid memperlihatkan perubahan aktivitas neuron yang dapat direkam dan dianalisis. Melalui mekanisme tersebut, 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
Ketika aktivitas neuron berhasil direkam, peneliti menggunakan algoritma pembelajaran mesin untuk mengidentifikasi pola informasi. Pendekatan klasifikasi tersebut adalah support vector machine atau SVM, yaitu algoritma yang dapat membedakan kategori berdasarkan karakteristik informasi. Pada proses analisis, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Setelah pola respons dipelajari, algoritma memperkirakan huruf yang sesuai. Melalui kombinasi biologis dan digital, jaringan saraf hidup menjadi bagian dari jalur pemrosesan informasi.
Peran pembelajaran mesin tidak boleh disamakan dengan kecerdasan biologis mandiri. Dalam penelitian tersebut, organoid bukan pihak yang menentukan label alfabet secara mandiri. Yang terjadi adalah, respons saraf dikumpulkan lalu diklasifikasikan menggunakan perangkat lunak. Pencapaian sistem biohibrida menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Namun demikian, penelitian belum membuktikan kemampuan belajar organoid. Pemahaman ini menjaga ketepatan interpretasi teknologi.
Hasil Eksperimen Komputasi Biohibrida dengan Satu dan Tiga Organoid
Salah satu temuan utama adalah perbedaan akurasi antara penggunaan satu dan tiga organoid. Pada konfigurasi organoid tunggal, algoritma mampu mengklasifikasikan huruf dengan akurasi rata-rata 61 persen. Sebagai perbandingan, penggunaan tiga organoid menghasilkan ketepatan klasifikasi sekitar 83 persen. Peningkatan tersebut memperlihatkan potensi penggunaan beberapa jaringan saraf. Dalam konteks eksperimen, hasil itu menunjukkan ketepatan klasifikasi sinyal, bukan pemahaman bahasa oleh jaringan biologis.
Peneliti juga menemukan bahwa penggabungan respons biologis meningkatkan ketahanan klasifikasi terhadap gangguan tertentu. Sebagai bagian dari pengukuran performa, ilmuwan menambahkan gangguan buatan pada sinyal Braille. Pada tahap analisis berikutnya, peneliti membandingkan klasifikasi respons organoid dengan pemrosesan langsung sinyal yang terganggu. Berdasarkan perbandingan tersebut, pengolahan melalui organoid membantu mempertahankan informasi. Meski demikian, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Manfaat Jaringan Saraf Biologis bagi Teknologi Komputasi Generasi Baru
Pengembangan sistem biohibrida membuka kemungkinan penelitian baru bagi komputasi hemat energi. Sistem saraf biologis manusia mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. Dengan mempertimbangkan kemampuan biologis tersebut, ilmuwan tertarik mempelajari penggunaan organoid sebagai elemen dalam arsitektur biohibrida. Jika penelitian lanjutan menunjukkan hasil yang konsisten, organoid dapat menjadi bagian dari pendekatan pemrosesan alternatif. Namun demikian, 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 membutuhkan pengaturan suhu dan nutrisi. Di samping kebutuhan pemeliharaan, aktivitas neuron tidak selalu identik antarsampel karena struktur jaringan dan kondisi perkembangan tidak seragam. Variasi respons ini menantang proses pengembangan sistem yang konsisten. Tidak hanya berkaitan dengan performa, penggunaan jaringan biologis manusia juga memerlukan tata kelola penelitian yang bertanggung jawab, termasuk pengawasan penggunaan material biologis.
Masa Depan Teknologi Komputasi Biohibrida Berbasis Jaringan Saraf
Penelitian dari University of Bristol menghadirkan temuan menarik dalam teknologi pemrosesan informasi biologis. Berkat pengodean informasi Braille, susunan mikroelektroda, serta metode klasifikasi digital, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Peningkatan akurasi dari 61 persen menjadi 83 persen menunjukkan manfaat pemanfaatan beberapa organoid. Kendati membuka kemungkinan pengembangan, penelitian belum menunjukkan kemampuan berpikir atau membaca secara sadar. Ke depan, pengembangan sistem umpan balik dua arah mungkin memberikan informasi mengenai pemrosesan saraf yang lebih mendalam. Apa pendapat Anda, apakah teknologi komputer yang memanfaatkan jaringan saraf hidup dapat membuka peluang inovasi komputasi hemat energi? Sampaikan pandangan Anda mengenai masa depan penelitian organoid otak.
