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
Kemajuan inovasi pemrosesan informasi semakin mendorong kebutuhan terhadap metode pengolahan data yang efisien. Pada sebagian besar perangkat elektronik, proses pengolahan informasi bergantung pada komponen elektronik. Walaupun kemampuan perangkat keras semakin meningkat, kebutuhan energi komputasi menjadi perhatian penting. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol mengevaluasi penggunaan organoid otak sebagai komponen pemrosesan biologis. Rancangan penelitian ini menghubungkan organoid hidup dengan perangkat komputasi untuk menguji potensi pemrosesan berbasis jaringan saraf.
Melalui eksperimen yang dilakukan, tim ilmuwan memanfaatkan organoid yang dibentuk melalui kultur sel manusia untuk menerima rangsangan listrik. Struktur sel saraf tersebut bukanlah otak manusia yang utuh. Kendati bentuknya jauh lebih sederhana, organoid menyimpan kumpulan sel yang dapat menghasilkan aktivitas listrik. Peneliti kemudian memberikan pola stimulasi yang mewakili huruf Braille. Hasil respons biologis dianalisis menggunakan algoritma komputer untuk menentukan kesesuaian respons dengan rangsangan. Pengujian tersebut memperlihatkan potensi pemrosesan informasi melalui organoid.
Cara Kerja Organoid Otak dalam Memproses Pola Huruf Braille
Sebagai langkah awal penelitian, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk mendeteksi pola sentuhan pada simbol Braille. Sistem tulisan Braille merepresentasikan karakter melalui pola titik yang digunakan sebagai media komunikasi taktil. Pada tahap pengumpulan data, peneliti merekam pola yang mewakili 26 huruf. Data hasil pembacaan sensor kemudian diterjemahkan ke dalam rangkaian impuls elektronik. Mekanisme pengodean tersebut berfungsi sebagai antarmuka penting 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. Dalam rancangan pengujian, organoid menerima stimulasi listrik sesuai pola tertentu. Sebagai respons terhadap stimulasi, organoid memperlihatkan perubahan aktivitas neuron yang dipantau menggunakan perangkat elektronik. Dengan demikian, informasi sentuhan dapat direpresentasikan dalam respons biologis. Namun, proses tersebut tidak membuktikan adanya pemahaman simbol secara sadar.
Teknologi Pembelajaran Mesin untuk Membaca Sinyal Jaringan Saraf
Ketika aktivitas neuron berhasil direkam, peneliti memanfaatkan metode machine learning untuk menentukan kategori rangsangan yang diterima. Algoritma yang digunakan adalah support vector machine atau SVM, yaitu metode komputasi untuk mengklasifikasikan pola tertentu. Pada proses analisis, sistem mempelajari hubungan antara aktivitas saraf dan stimulus Braille. Pada tahap klasifikasi, algoritma mengidentifikasi rangsangan berdasarkan respons organoid. Dengan cara tersebut, jaringan saraf hidup mendukung pembentukan sinyal yang dapat dibaca komputer.
Fungsi algoritma SVM perlu dipahami secara tepat. Dalam penelitian tersebut, organoid tidak memberikan jawaban berupa huruf secara langsung. Yang terjadi adalah, aktivitas neuron direkam lalu dianalisis melalui model pembelajaran mesin. Keberhasilan pengujian menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Meski hasilnya menarik, eksperimen tidak menunjukkan perubahan perilaku melalui latihan berulang. Penjelasan tersebut penting untuk menghindari kesimpulan berlebihan.
Tiga Organoid Otak Tingkatkan Akurasi Pengenalan Braille Menjadi 83 Persen
Pencapaian penting dalam penelitian adalah perbaikan hasil pengenalan pola melalui kombinasi jaringan biologis. Dalam pengujian menggunakan satu organoid, algoritma menghasilkan ketepatan pengenalan sekitar 61 persen. Pada konfigurasi berikutnya, penggunaan tiga organoid memberikan hasil pengenalan pola sebesar 83 persen. Perbedaan hasil ini memperlihatkan potensi penggunaan beberapa jaringan saraf. Berdasarkan rancangan penelitian tersebut, angka akurasi merujuk pada pengenalan pola stimulus, bukan kemampuan membaca dokumen Braille secara mandiri.
Eksperimen tersebut memperlihatkan bahwa sistem multi-organoid lebih kuat menghadapi noise buatan. Dalam pengujian tambahan, ilmuwan memberikan gangguan terhadap informasi taktil. Setelah gangguan diterapkan, peneliti membandingkan klasifikasi respons organoid dengan pemrosesan langsung sinyal yang terganggu. Dalam kondisi yang diuji, pengolahan melalui organoid membantu mempertahankan informasi. Walaupun hasil tersebut positif, peneliti belum mengetahui secara pasti penyebab peningkatannya.
Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi
Penelitian organoid otak membuka kemungkinan penelitian baru bagi teknologi komputer masa depan. Otak manusia menjadi inspirasi bagi rancangan komputasi efisien. Berdasarkan prinsip kerja jaringan saraf, ilmuwan tertarik mempelajari penggunaan organoid sebagai elemen dalam arsitektur biohibrida. Ketika sistem biologis dapat dikendalikan lebih baik, organoid berpotensi mendukung pemrosesan informasi tertentu. Walaupun memiliki potensi tersebut, belum ada bukti bahwa sistem eksperimen ini lebih hemat energi secara keseluruhan.
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. Ketidakseragaman biologis tersebut menantang proses pengembangan sistem yang konsisten. Di samping aspek teknis, pemanfaatan sel manusia dalam perangkat komputasi juga harus memperhatikan prinsip penelitian biologis, termasuk asal sel dan persetujuan donor.
Masa Depan Teknologi Komputasi Biohibrida Berbasis Jaringan Saraf
Penelitian dari University of Bristol menunjukkan perkembangan penting dalam penelitian komputasi generasi baru. Dengan memanfaatkan sensor sentuhan, sistem elektroda berukuran kecil, serta algoritma pembelajaran mesin, 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. Ke depan, eksperimen dengan tekstur dan pola berbeda mungkin memberikan informasi mengenai pemrosesan saraf yang lebih mendalam. Apa pendapat Anda, apakah komputasi biohibrida berbasis organoid dapat membuka peluang inovasi komputasi hemat energi? Silakan bagikan pendapat Anda mengenai manfaat dan tantangan teknologi tersebut.
