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 inovasi pemrosesan informasi semakin mendorong kebutuhan terhadap pendekatan pemrosesan informasi alternatif. Selama ini, aktivitas komputasi digital mengandalkan prosesor berbasis silikon. Namun demikian, kebutuhan energi komputasi menjadi perhatian penting. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol meneliti penggunaan organoid otak sebagai bagian dari sistem komputasi biohibrida. Konsep tersebut menghubungkan organoid hidup dengan perangkat komputasi untuk menguji potensi pemrosesan berbasis jaringan saraf.
Melalui eksperimen yang dilakukan, tim ilmuwan menempatkan organoid yang ditumbuhkan menggunakan teknik laboratorium untuk menerima rangsangan listrik. Struktur sel saraf tersebut bukanlah otak manusia yang utuh. Kendati bentuknya jauh lebih sederhana, organoid memiliki jaringan sel saraf hidup. Peneliti kemudian memberikan pola stimulasi yang mewakili huruf Braille. Sinyal yang dihasilkan jaringan saraf dianalisis menggunakan algoritma komputer untuk membedakan informasi yang diberikan. Pendekatan penelitian tersebut memperlihatkan potensi pemrosesan informasi melalui organoid.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Untuk menjalankan eksperimen, ilmuwan menggunakan sensor sentuhan untuk mengumpulkan informasi huruf Braille. Metode representasi karakter Braille merepresentasikan karakter melalui pola titik yang digunakan sebagai media komunikasi taktil. Dalam eksperimen tersebut, peneliti menggunakan seluruh 26 karakter alfabet dalam pengujian. Informasi taktil yang diperoleh kemudian diubah menjadi pola stimulasi listrik. Proses tersebut berfungsi sebagai antarmuka penting antara informasi fisik dan organoid otak.
Setelah proses pengodean selesai, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. Multielectrode array atau MEA merupakan sistem antarmuka elektronik untuk jaringan saraf. Dalam rancangan pengujian, organoid menerima stimulasi listrik sesuai pola tertentu. Sebagai respons terhadap stimulasi, organoid memperlihatkan perubahan aktivitas neuron yang dapat direkam dan dianalisis. Melalui mekanisme tersebut, informasi sentuhan dapat direpresentasikan dalam respons biologis. 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 mengidentifikasi pola informasi. Algoritma yang digunakan adalah support vector machine atau SVM, yaitu teknik pembelajaran mesin untuk mengelompokkan data. Pada proses analisis, sistem mempelajari hubungan antara aktivitas saraf dan stimulus Braille. Setelah pola respons dipelajari, algoritma menentukan kategori sinyal yang diterima. Berkat pengolahan data tersebut, jaringan saraf hidup mendukung pembentukan sinyal yang dapat dibaca komputer.
Keterlibatan sistem klasifikasi tidak boleh disamakan dengan kecerdasan biologis mandiri. Dalam penelitian tersebut, organoid tidak menghasilkan keluaran berupa karakter tertulis. Yang terjadi adalah, sinyal biologis diukur lalu dianalisis melalui model pembelajaran mesin. Pencapaian sistem biohibrida menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Meski hasilnya menarik, hasilnya belum dapat digunakan untuk menyimpulkan adanya pembelajaran biologis jangka panjang. Pembedaan tersebut penting untuk menghindari kesimpulan berlebihan.
Pengujian Multi-Organoid Menunjukkan Klasifikasi Huruf Lebih Akurat
Salah satu temuan utama adalah perbedaan akurasi antara penggunaan satu dan tiga organoid. Pada konfigurasi organoid tunggal, algoritma mencatat keberhasilan klasifikasi sebesar 61 persen. Sementara itu, penggunaan tiga organoid memberikan hasil pengenalan pola sebesar 83 persen. Kenaikan performa tersebut memperlihatkan potensi penggunaan beberapa jaringan saraf. Pada pengujian laboratorium ini, angka akurasi merujuk pada pengenalan pola stimulus, bukan kemampuan membaca dokumen Braille secara mandiri.
Hasil pengujian turut menunjukkan bahwa kombinasi tiga organoid memiliki ketahanan lebih baik terhadap gangguan sinyal. Sebagai bagian dari pengukuran performa, ilmuwan memodifikasi data masukan menggunakan noise sintetis. Kemudian, peneliti mengevaluasi hasil biohibrida terhadap decoder tanpa organoid. Berdasarkan perbandingan tersebut, respons gabungan organoid lebih tahan terhadap sejumlah gangguan. Walaupun hasil tersebut positif, peneliti belum mengetahui secara pasti penyebab peningkatannya.
Manfaat Jaringan Saraf Biologis bagi Teknologi Komputasi Generasi Baru
Penelitian organoid otak membuka kemungkinan penelitian baru bagi arsitektur pemrosesan berdaya rendah. Jaringan neuron alami mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. Berdasarkan prinsip kerja jaringan saraf, ilmuwan menguji kemungkinan integrasi sel biologis sebagai komponen pengolah informasi. Ketika sistem biologis dapat dikendalikan lebih baik, organoid dapat menjadi bagian dari pendekatan pemrosesan alternatif. Meski konsepnya menjanjikan, efisiensi daya perangkat biohibrida lengkap belum terbukti unggul.
Untuk mencapai penggunaan praktis, sejumlah hambatan pengembangan harus diselesaikan. Material biologis tersebut terdiri dari sel aktif sehingga memerlukan lingkungan pemeliharaan khusus. Tantangan lainnya, aktivitas neuron tidak selalu identik antarsampel karena karakteristik biologis masing-masing organoid berlainan. Perbedaan tersebut membuat standardisasi menjadi sulit. Di samping aspek teknis, pengembangan sistem berbasis organoid juga harus memperhatikan prinsip penelitian biologis, termasuk asal sel dan persetujuan donor.
Kesimpulan Penelitian Organoid Otak dalam Mengenali Huruf Braille
Eksperimen komputasi biohibrida yang dilakukan ilmuwan Inggris menghadirkan temuan menarik dalam pengembangan antarmuka jaringan saraf dan perangkat elektronik. Dengan memanfaatkan sensor sentuhan, antarmuka elektronik jaringan biologis, serta algoritma pembelajaran mesin, peneliti menunjukkan bahwa jaringan saraf menghasilkan informasi yang dapat diklasifikasikan. Perbaikan hasil melalui penggunaan tiga organoid memberikan dasar penelitian sistem biohibrida yang lebih kompleks. Kendati membuka kemungkinan pengembangan, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Pada tahap pengembangan selanjutnya, pengujian rangsangan sentuhan yang lebih kompleks dapat membantu memahami kemampuan adaptasi organoid. Bagaimana menurut Anda, apakah pengembangan pemrosesan informasi biologis berpotensi menjadi bagian dari komputer masa depan? Silakan bagikan pendapat Anda mengenai potensi komputer biologis.
