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
Pertumbuhan teknologi komputasi modern semakin mendorong kebutuhan terhadap arsitektur komputasi hemat energi. Selama ini, pelaksanaan perhitungan elektronik mengandalkan prosesor berbasis silikon. Namun demikian, konsumsi listrik sistem pemrosesan menjadi perhatian penting. Dalam upaya mengeksplorasi metode baru, ilmuwan University of Bristol mengevaluasi penggunaan organoid otak sebagai jaringan saraf hidup untuk mengolah sinyal. Konsep tersebut menggabungkan jaringan biologis dan perangkat elektronik untuk menguji potensi pemrosesan berbasis jaringan saraf.
Dalam penelitian tersebut, tim ilmuwan menempatkan organoid yang dibentuk melalui kultur sel manusia untuk merespons sinyal elektronik. Struktur sel saraf tersebut bukanlah otak manusia yang utuh. Kendati bentuknya jauh lebih sederhana, organoid mengandung ribuan neuron. Dalam pengujian berikutnya, ilmuwan mengirim rangsangan listrik berdasarkan pola sentuhan. Aktivitas listrik yang muncul dievaluasi dengan metode pembelajaran mesin untuk mengidentifikasi pola huruf. Pengujian tersebut memberikan dasar pengembangan sistem komputasi biohibrida.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Untuk menjalankan eksperimen, ilmuwan memanfaatkan perangkat pendeteksi taktil untuk merekam karakteristik susunan titik Braille. Huruf Braille menggunakan kombinasi titik timbul yang dapat dikenali melalui sentuhan. Melalui proses perekaman sensor, peneliti mengambil informasi dari 26 huruf alfabet Braille. Sinyal sentuhan yang direkam kemudian diterjemahkan ke dalam rangkaian impuls elektronik. Proses tersebut menjadi penghubung utama antara informasi fisik dan organoid otak.
Setelah proses pengodean selesai, peneliti mengirimkan rangsangan melalui multielectrode array. Multielectrode array atau MEA merupakan susunan elektroda yang memungkinkan interaksi dengan sel biologis. Melalui perangkat tersebut, organoid merespons impuls elektronik yang sudah dikodekan. Sebagai respons terhadap stimulasi, organoid menunjukkan pola impuls saraf yang ditangkap oleh sistem pengukuran. Berkat rangkaian proses ini, 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
Sesudah sinyal biologis dikumpulkan, peneliti menerapkan sistem klasifikasi berbasis komputer untuk menentukan kategori rangsangan yang diterima. Pendekatan klasifikasi tersebut adalah support vector machine atau SVM, yaitu teknik pembelajaran mesin untuk mengelompokkan data. Dalam eksperimen, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Pada tahap klasifikasi, algoritma memperkirakan huruf yang sesuai. Dengan cara tersebut, jaringan saraf hidup menjadi bagian dari jalur pemrosesan informasi.
Fungsi algoritma SVM tidak boleh disamakan dengan kecerdasan biologis mandiri. Melalui sistem yang diuji, organoid tidak memberikan jawaban berupa huruf secara langsung. Sebaliknya, aktivitas neuron direkam lalu diklasifikasikan menggunakan perangkat lunak. Keberhasilan pengujian menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Walaupun memperlihatkan potensi besar, eksperimen tidak menunjukkan perubahan perilaku melalui latihan berulang. Pembedaan tersebut membantu menempatkan hasil penelitian secara proporsional.
Hasil Eksperimen Komputasi Biohibrida dengan Satu dan Tiga Organoid
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. Sebagai perbandingan, penggunaan tiga organoid menghasilkan ketepatan klasifikasi sekitar 83 persen. Peningkatan tersebut menunjukkan manfaat penggabungan respons biologis. Dalam konteks eksperimen, hasil itu menunjukkan ketepatan klasifikasi sinyal, bukan pemahaman bahasa oleh jaringan biologis.
Hasil pengujian turut menunjukkan bahwa sistem multi-organoid lebih kuat menghadapi noise buatan. Sebagai bagian dari pengukuran performa, ilmuwan menambahkan gangguan buatan pada sinyal Braille. Pada tahap analisis berikutnya, peneliti mengevaluasi hasil biohibrida terhadap decoder tanpa organoid. Hasilnya, pengolahan melalui organoid membantu mempertahankan informasi. Meski demikian, peneliti belum mengetahui secara pasti penyebab peningkatannya.
Manfaat Jaringan Saraf Biologis bagi Teknologi Komputasi Generasi Baru
Eksperimen pengolahan sinyal biologis memberikan arah pengembangan alternatif bagi arsitektur pemrosesan berdaya rendah. Jaringan neuron alami menjadi inspirasi bagi rancangan komputasi efisien. Karena karakteristik tersebut, 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. Walaupun memiliki potensi tersebut, hasil pengujian belum cukup untuk menyatakan penghematan energi sistem.
Dalam perjalanan menuju komputasi biohibrida komersial, berbagai tantangan teknis masih perlu diatasi. Organoid merupakan jaringan hidup sehingga memerlukan lingkungan pemeliharaan khusus. Selain itu, respons setiap organoid dapat berbeda karena hubungan antarneuron dapat bervariasi. Ketidakseragaman biologis tersebut menantang proses pengembangan sistem yang konsisten. Tidak hanya berkaitan dengan performa, pengembangan sistem berbasis organoid juga harus memperhatikan prinsip penelitian biologis, termasuk batas pengembangan sistem saraf hidup.
Kesimpulan Penelitian Organoid Otak dalam Mengenali Huruf Braille
Eksperimen komputasi biohibrida yang dilakukan ilmuwan Inggris menghadirkan temuan menarik dalam penelitian komputasi generasi baru. Berkat pengodean informasi Braille, antarmuka elektronik jaringan biologis, serta metode klasifikasi digital, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Perbaikan hasil melalui penggunaan tiga organoid menunjukkan manfaat pemanfaatan beberapa organoid. Walaupun menunjukkan hasil positif, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Dalam penelitian berikutnya, eksperimen dengan tekstur dan pola berbeda mungkin memberikan informasi mengenai pemrosesan saraf yang lebih mendalam. Menurut pandangan Anda, apakah pengembangan pemrosesan informasi biologis dapat membuka peluang inovasi komputasi hemat energi? Silakan bagikan pendapat Anda mengenai potensi komputer biologis.
