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
Perkembangan inovasi pemrosesan informasi semakin mendorong kebutuhan terhadap metode pengolahan data yang efisien. Dalam sistem komputer konvensional, aktivitas komputasi digital mengandalkan prosesor berbasis silikon. Namun demikian, kebutuhan energi komputasi menjadi perhatian penting. Menanggapi tantangan tersebut, ilmuwan University of Bristol meneliti penggunaan organoid otak sebagai bagian dari sistem komputasi biohibrida. Konsep tersebut memadukan sel saraf dengan sistem digital untuk menguji potensi pemrosesan berbasis jaringan saraf.
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. Peneliti kemudian mengirim rangsangan listrik berdasarkan pola sentuhan. Hasil respons biologis dievaluasi dengan metode pembelajaran mesin untuk membedakan informasi yang diberikan. Pengujian tersebut menunjukkan hubungan antara sensor buatan dan jaringan biologis.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Sebagai langkah awal penelitian, ilmuwan menggunakan sensor sentuhan untuk mendeteksi pola sentuhan pada simbol Braille. Sistem tulisan Braille mengandalkan susunan titik tertentu 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. Tahapan konversi ini memungkinkan komunikasi awal antara informasi fisik dan organoid otak.
Ketika pola stimulasi telah disiapkan, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. Multielectrode array atau MEA merupakan sistem antarmuka elektronik untuk jaringan saraf. Pada penelitian ini, organoid diberikan rangsangan yang mewakili informasi Braille. Jaringan saraf kemudian, organoid memperlihatkan perubahan aktivitas neuron yang ditangkap oleh sistem pengukuran. Berkat rangkaian proses ini, informasi sentuhan dapat direpresentasikan dalam respons biologis. Meski demikian, proses tersebut tidak berarti organoid memahami bahasa Braille.
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 menganalisis perbedaan sinyal biologis yang dihasilkan. Setelah pola respons dipelajari, algoritma mengidentifikasi rangsangan berdasarkan respons organoid. Melalui kombinasi biologis dan digital, jaringan saraf hidup menjadi bagian dari jalur pemrosesan informasi.
Keterlibatan sistem klasifikasi tidak boleh disamakan dengan kecerdasan biologis mandiri. Dalam penelitian tersebut, organoid bukan pihak yang menentukan label alfabet secara mandiri. Sementara itu, aktivitas neuron direkam lalu diklasifikasikan menggunakan perangkat lunak. Hasil klasifikasi tersebut mengindikasikan jaringan biologis mampu menghasilkan respons informatif. Namun demikian, hasilnya belum dapat digunakan untuk menyimpulkan adanya pembelajaran biologis jangka panjang. Pembedaan tersebut menjaga ketepatan interpretasi teknologi.
Pengujian Multi-Organoid Menunjukkan Klasifikasi Huruf Lebih Akurat
Pencapaian penting dalam penelitian adalah peningkatan kemampuan klasifikasi ketika beberapa organoid digabungkan. Dalam pengujian menggunakan satu organoid, 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 mengindikasikan informasi tambahan dari sejumlah organoid dapat membantu klasifikasi. Pada pengujian laboratorium ini, angka akurasi merujuk pada pengenalan pola stimulus, bukan kemampuan membaca dokumen Braille secara mandiri.
Peneliti juga menemukan bahwa kombinasi tiga organoid memiliki ketahanan lebih baik terhadap gangguan sinyal. Sebagai bagian dari pengukuran performa, ilmuwan memberikan gangguan terhadap informasi taktil. Pada tahap analisis berikutnya, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Berdasarkan perbandingan tersebut, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Kendati menunjukkan ketahanan terhadap noise, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Manfaat Jaringan Saraf Biologis bagi Teknologi Komputasi Generasi Baru
Penelitian organoid otak memunculkan peluang menarik bagi komputasi hemat energi. Sistem saraf biologis manusia mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. Berdasarkan prinsip kerja jaringan saraf, ilmuwan mengeksplorasi pemanfaatan jaringan neuron hidup sebagai komponen pengolah informasi. Apabila teknologi ini terus berkembang, organoid dapat menjadi bagian dari pendekatan pemrosesan alternatif. Walaupun memiliki potensi tersebut, efisiensi daya perangkat biohibrida lengkap belum terbukti unggul.
Untuk mencapai penggunaan praktis, berbagai tantangan teknis masih perlu diatasi. Material biologis tersebut terdiri dari sel aktif sehingga memerlukan lingkungan pemeliharaan khusus. Tantangan lainnya, variasi biologis dapat memengaruhi hasil karena hubungan antarneuron dapat bervariasi. Ketidakseragaman biologis tersebut membuat standardisasi menjadi sulit. Tidak hanya berkaitan dengan performa, pemanfaatan sel manusia dalam perangkat komputasi juga membutuhkan pertimbangan etika, termasuk batas pengembangan sistem saraf hidup.
Prospek Pengembangan Komputer Biologis setelah Eksperimen Braille
Penelitian dari University of Bristol menghadirkan temuan menarik dalam teknologi pemrosesan informasi biologis. Dengan memanfaatkan sensor sentuhan, antarmuka elektronik jaringan biologis, serta algoritma pembelajaran mesin, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Keunggulan konfigurasi multi-organoid memberikan dasar penelitian sistem biohibrida yang lebih kompleks. Kendati membuka kemungkinan pengembangan, eksperimen ini belum membuktikan pembelajaran organoid. Pada tahap pengembangan selanjutnya, pengujian rangsangan sentuhan yang lebih kompleks dapat membantu memahami kemampuan adaptasi organoid. Apa pendapat Anda, apakah teknologi komputer yang memanfaatkan jaringan saraf hidup dapat membuka peluang inovasi komputasi hemat energi? Sampaikan pandangan Anda mengenai potensi komputer biologis.
