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
Pertumbuhan inovasi pemrosesan informasi terus meningkatkan kebutuhan terhadap metode pengolahan data yang efisien. Selama ini, aktivitas komputasi digital bergantung pada komponen elektronik. Meski teknologi tersebut terus berkembang, konsumsi listrik sistem pemrosesan mendorong pencarian solusi baru. Dalam upaya mengeksplorasi metode baru, ilmuwan University of Bristol mengevaluasi penggunaan organoid otak sebagai jaringan saraf hidup untuk mengolah sinyal. Konsep tersebut memadukan sel saraf dengan sistem digital untuk mempelajari respons biologis terhadap data.
Pada studi yang dipublikasikan, tim ilmuwan menempatkan organoid yang dikembangkan dari sel manusia untuk merespons sinyal elektronik. Struktur sel saraf tersebut tidak memiliki seluruh kemampuan otak manusia. Meski memiliki dimensi kurang dari satu milimeter, organoid mengandung ribuan neuron. Dalam pengujian berikutnya, ilmuwan menyampaikan informasi Braille melalui elektroda. Hasil respons biologis diproses melalui sistem klasifikasi digital untuk membedakan informasi yang diberikan. Eksperimen ini memberikan dasar pengembangan sistem komputasi biohibrida.
Cara Kerja Organoid Otak dalam Memproses Pola Huruf Braille
Untuk menjalankan eksperimen, ilmuwan menggunakan sensor sentuhan untuk mengumpulkan informasi huruf Braille. Sistem tulisan Braille menggunakan kombinasi titik timbul yang memiliki konfigurasi berbeda untuk setiap huruf. Dalam eksperimen tersebut, peneliti mengambil informasi dari 26 huruf alfabet Braille. Informasi taktil yang diperoleh kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Mekanisme pengodean tersebut berfungsi sebagai antarmuka penting antara informasi fisik dan organoid otak.
Sesudah data taktil diubah menjadi sinyal listrik, peneliti menyalurkan impuls listrik lewat sistem elektroda mikro. Multielectrode array atau MEA merupakan perangkat yang memiliki sejumlah elektroda kecil. Dalam rancangan pengujian, organoid menerima stimulasi listrik sesuai pola tertentu. Jaringan saraf kemudian, organoid memperlihatkan perubahan aktivitas neuron yang dapat direkam dan dianalisis. Melalui mekanisme tersebut, 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 menggunakan algoritma pembelajaran mesin untuk membedakan respons terhadap setiap huruf. Pendekatan klasifikasi tersebut adalah support vector machine atau SVM, yaitu metode komputasi untuk mengklasifikasikan pola tertentu. Dalam eksperimen, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Setelah pola respons dipelajari, algoritma mengidentifikasi rangsangan berdasarkan respons organoid. Berkat pengolahan data tersebut, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Fungsi algoritma SVM penting dibedakan dari kemampuan organoid. Pada konfigurasi eksperimen, organoid bukan pihak yang menentukan label alfabet secara mandiri. Sebaliknya, aktivitas neuron direkam lalu ditafsirkan oleh algoritma komputer. Hasil klasifikasi tersebut menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Meski hasilnya menarik, hasilnya belum dapat digunakan untuk menyimpulkan adanya pembelajaran biologis jangka panjang. Pembedaan tersebut menjaga ketepatan interpretasi teknologi.
Tiga Organoid Otak Tingkatkan Akurasi Pengenalan Braille Menjadi 83 Persen
Pencapaian penting dalam penelitian adalah peningkatan kemampuan klasifikasi ketika beberapa organoid digabungkan. Ketika sistem hanya memanfaatkan satu jaringan mini, algoritma mencatat keberhasilan klasifikasi sebesar 61 persen. Sebagai perbandingan, penggunaan tiga organoid menghasilkan ketepatan klasifikasi sekitar 83 persen. Perbedaan hasil ini memperlihatkan potensi penggunaan beberapa jaringan saraf. Dalam konteks eksperimen, angka akurasi merujuk pada pengenalan pola stimulus, bukan kemampuan organoid mengenali tulisan seperti manusia.
Peneliti juga menemukan bahwa penggabungan respons biologis meningkatkan ketahanan klasifikasi terhadap gangguan tertentu. Untuk mengevaluasi ketahanan sistem, ilmuwan menambahkan gangguan buatan pada sinyal Braille. Kemudian, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Hasilnya, pengolahan melalui organoid membantu mempertahankan informasi. Walaupun hasil tersebut positif, peneliti belum mengetahui secara pasti penyebab peningkatannya.
Peluang Penggunaan Organoid Otak dalam Sistem Pemrosesan Masa Depan
Pengembangan sistem biohibrida memberikan arah pengembangan alternatif bagi komputasi hemat energi. Sistem saraf biologis manusia mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. Dengan mempertimbangkan kemampuan biologis tersebut, ilmuwan mengeksplorasi pemanfaatan jaringan neuron hidup sebagai bagian dari sistem komputasi. Apabila teknologi ini terus berkembang, organoid berpotensi mendukung pemrosesan informasi tertentu. Namun demikian, efisiensi daya perangkat biohibrida lengkap belum terbukti unggul.
Dalam perjalanan menuju komputasi biohibrida komersial, berbagai tantangan teknis masih perlu diatasi. Organoid merupakan jaringan hidup sehingga harus dijaga agar tetap hidup. Di samping kebutuhan pemeliharaan, aktivitas neuron tidak selalu identik antarsampel karena karakteristik biologis masing-masing organoid berlainan. Variasi respons ini menantang proses pengembangan sistem yang konsisten. Di samping aspek teknis, pemanfaatan sel manusia dalam perangkat komputasi juga harus memperhatikan prinsip penelitian biologis, termasuk batas pengembangan sistem saraf hidup.
Masa Depan Teknologi Komputasi Biohibrida Berbasis Jaringan Saraf
Pengembangan sistem pengolahan Braille menggunakan organoid otak menghadirkan temuan menarik dalam pengembangan antarmuka jaringan saraf dan perangkat elektronik. Melalui penggunaan perangkat pendeteksi taktil, susunan mikroelektroda, serta teknologi machine learning, peneliti menunjukkan bahwa jaringan saraf menghasilkan informasi yang dapat diklasifikasikan. Peningkatan akurasi dari 61 persen menjadi 83 persen menunjukkan manfaat pemanfaatan beberapa organoid. Kendati membuka kemungkinan pengembangan, eksperimen ini belum membuktikan pembelajaran organoid. Ke depan, eksperimen dengan tekstur dan pola berbeda berpotensi memperluas penelitian komputasi biologis. Bagaimana menurut Anda, apakah komputasi biohibrida berbasis organoid mampu menghadirkan pendekatan baru yang bermanfaat? Bagikan pemikiran Anda mengenai potensi komputer biologis.
