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 sistem kecerdasan buatan terus meningkatkan kebutuhan terhadap metode pengolahan data yang efisien. Dalam sistem komputer konvensional, 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 bagian dari sistem komputasi biohibrida. Konsep tersebut memadukan sel saraf dengan sistem digital untuk mengeksplorasi kemampuan pengolahan informasi.
Dalam penelitian tersebut, tim ilmuwan menempatkan organoid yang ditumbuhkan menggunakan teknik laboratorium untuk menerima rangsangan listrik. Organoid tersebut bukanlah otak manusia yang utuh. Kendati bentuknya jauh lebih sederhana, organoid memiliki jaringan sel saraf hidup. Dalam pengujian berikutnya, ilmuwan mengirim rangsangan listrik berdasarkan pola sentuhan. Sinyal yang dihasilkan jaringan saraf dievaluasi dengan metode pembelajaran mesin untuk mengidentifikasi pola huruf. Eksperimen ini memperlihatkan potensi pemrosesan informasi melalui organoid.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Dalam merancang pengujian, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk merekam karakteristik susunan titik Braille. Huruf Braille mengandalkan susunan titik tertentu yang dapat dikenali melalui sentuhan. Dalam eksperimen tersebut, peneliti merekam pola yang mewakili 26 huruf. Sinyal sentuhan yang direkam kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Mekanisme pengodean tersebut memungkinkan komunikasi awal antara perangkat elektronik dengan sistem biologis.
Sesudah data taktil diubah menjadi sinyal listrik, peneliti menyalurkan impuls listrik lewat sistem elektroda mikro. Multielectrode array atau MEA merupakan susunan elektroda yang memungkinkan interaksi dengan sel biologis. Melalui perangkat tersebut, organoid menerima stimulasi listrik sesuai pola tertentu. Setelah menerima rangsangan, organoid menunjukkan pola impuls saraf yang dapat direkam dan dianalisis. Dengan demikian, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Meski demikian, proses tersebut tidak membuktikan adanya pemahaman simbol secara sadar.
Teknologi Pembelajaran Mesin untuk Membaca Sinyal Jaringan Saraf
Ketika aktivitas neuron berhasil direkam, peneliti menggunakan algoritma pembelajaran mesin untuk mengidentifikasi pola informasi. Algoritma yang digunakan adalah support vector machine atau SVM, yaitu algoritma yang dapat membedakan kategori berdasarkan karakteristik informasi. Melalui tahap pemrosesan digital, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Pada tahap klasifikasi, algoritma mengidentifikasi rangsangan berdasarkan respons organoid. Berkat pengolahan data tersebut, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Peran pembelajaran mesin penting dibedakan dari kemampuan organoid. Dalam penelitian tersebut, organoid bukan pihak yang menentukan label alfabet secara mandiri. Sebaliknya, aktivitas neuron direkam lalu dianalisis melalui model pembelajaran mesin. Keberhasilan pengujian menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Namun demikian, penelitian belum membuktikan kemampuan belajar organoid. Pembedaan tersebut membantu menempatkan hasil penelitian secara proporsional.
Pengujian Multi-Organoid Menunjukkan Klasifikasi Huruf Lebih Akurat
Pencapaian penting dalam penelitian adalah perbedaan akurasi antara penggunaan satu dan tiga organoid. Ketika sistem hanya memanfaatkan satu jaringan mini, algoritma mampu mengklasifikasikan huruf dengan akurasi rata-rata 61 persen. Pada konfigurasi berikutnya, penggunaan tiga organoid menghasilkan ketepatan klasifikasi sekitar 83 persen. Perbedaan hasil ini memperlihatkan potensi penggunaan beberapa jaringan saraf. Berdasarkan rancangan penelitian tersebut, persentase tersebut menggambarkan keberhasilan decoder, bukan kemampuan organoid mengenali tulisan seperti manusia.
Peneliti juga menemukan bahwa sistem multi-organoid lebih kuat menghadapi noise buatan. Dalam pengujian tambahan, ilmuwan memodifikasi data masukan menggunakan noise sintetis. Pada tahap analisis berikutnya, peneliti mengevaluasi hasil biohibrida terhadap decoder tanpa organoid. Dalam kondisi yang diuji, pengolahan melalui organoid membantu mempertahankan informasi. Walaupun hasil tersebut positif, alasan biologis peningkatan performa belum sepenuhnya dipahami.
Peluang Penggunaan Organoid Otak dalam Sistem Pemrosesan Masa Depan
Penelitian organoid otak membuka kemungkinan penelitian baru bagi komputasi hemat energi. Otak manusia menjadi inspirasi bagi rancangan komputasi efisien. Dengan mempertimbangkan kemampuan biologis tersebut, ilmuwan tertarik mempelajari penggunaan organoid sebagai bagian dari sistem komputasi. Apabila teknologi ini terus berkembang, organoid berpotensi mendukung pemrosesan informasi tertentu. Namun demikian, hasil pengujian belum cukup untuk menyatakan penghematan energi sistem.
Dalam perjalanan menuju komputasi biohibrida komersial, peneliti menghadapi berbagai persoalan penting. Komponen saraf yang digunakan masih membutuhkan kondisi biologis sesuai sehingga memerlukan lingkungan pemeliharaan khusus. Tantangan lainnya, variasi biologis dapat memengaruhi hasil karena hubungan antarneuron dapat bervariasi. Variasi respons ini membuat standardisasi menjadi sulit. Tidak hanya berkaitan dengan performa, penggunaan jaringan biologis manusia 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 memberikan hasil yang menjanjikan dalam penelitian komputasi generasi baru. Dengan memanfaatkan sensor sentuhan, antarmuka elektronik jaringan biologis, serta teknologi machine learning, peneliti berhasil mengidentifikasi pola huruf dari respons organoid. Peningkatan akurasi dari 61 persen menjadi 83 persen menunjukkan manfaat pemanfaatan beberapa organoid. Meskipun demikian, eksperimen ini belum membuktikan pembelajaran organoid. Pada tahap pengembangan selanjutnya, pengujian rangsangan sentuhan yang lebih kompleks berpotensi memperluas penelitian komputasi biologis. Bagaimana menurut Anda, apakah teknologi komputer yang memanfaatkan jaringan saraf hidup berpotensi menjadi bagian dari komputer masa depan? Sampaikan pandangan Anda mengenai potensi komputer biologis.
