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. Dalam sistem komputer konvensional, proses pengolahan informasi bergantung pada komponen elektronik. Meski teknologi tersebut terus berkembang, kebutuhan energi komputasi mendorong pencarian solusi baru. Dalam upaya mengeksplorasi metode baru, 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 memanfaatkan organoid yang ditumbuhkan menggunakan teknik laboratorium untuk merespons sinyal elektronik. Struktur sel saraf tersebut bukanlah otak manusia yang utuh. Meski memiliki dimensi kurang dari satu milimeter, organoid mengandung ribuan neuron. Peneliti kemudian menyampaikan informasi Braille melalui elektroda. Sinyal yang dihasilkan jaringan saraf diproses melalui sistem klasifikasi digital untuk mengidentifikasi pola huruf. Eksperimen ini menunjukkan hubungan antara sensor buatan dan jaringan biologis.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Dalam merancang pengujian, ilmuwan memanfaatkan perangkat pendeteksi taktil untuk mendeteksi pola sentuhan pada simbol Braille. Sistem tulisan Braille merepresentasikan karakter melalui pola titik yang dapat dikenali melalui sentuhan. Dalam eksperimen tersebut, peneliti menggunakan seluruh 26 karakter alfabet dalam pengujian. Data hasil pembacaan sensor kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Proses tersebut memungkinkan komunikasi awal antara informasi fisik dan organoid otak.
Ketika pola stimulasi telah disiapkan, peneliti mengirimkan rangsangan melalui multielectrode array. Multielectrode array atau MEA merupakan perangkat yang memiliki sejumlah elektroda kecil. Pada penelitian ini, organoid merespons impuls elektronik yang sudah dikodekan. Setelah menerima rangsangan, organoid memperlihatkan perubahan aktivitas neuron yang ditangkap oleh sistem pengukuran. Berkat rangkaian proses ini, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Meski demikian, proses tersebut tidak berarti organoid memahami bahasa Braille.
Teknologi Pembelajaran Mesin untuk Membaca Sinyal Jaringan Saraf
Sesudah sinyal biologis dikumpulkan, peneliti memanfaatkan metode machine learning untuk membedakan respons terhadap setiap huruf. Metode yang dipilih adalah support vector machine atau SVM, yaitu teknik pembelajaran mesin untuk mengelompokkan data. Melalui tahap pemrosesan digital, sistem mempelajari hubungan antara aktivitas saraf dan stimulus Braille. Setelah pola respons dipelajari, algoritma memperkirakan huruf yang sesuai. Melalui kombinasi biologis dan digital, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Keterlibatan sistem klasifikasi penting dibedakan dari kemampuan organoid. Pada konfigurasi eksperimen, organoid bukan pihak yang menentukan label alfabet secara mandiri. Sebaliknya, sinyal biologis diukur lalu ditafsirkan oleh algoritma komputer. Hasil klasifikasi tersebut mengindikasikan jaringan biologis mampu menghasilkan respons informatif. Walaupun memperlihatkan potensi besar, hasilnya belum dapat digunakan untuk menyimpulkan adanya pembelajaran biologis jangka panjang. Penjelasan tersebut membantu menempatkan hasil penelitian secara proporsional.
Pengujian Multi-Organoid Menunjukkan Klasifikasi Huruf Lebih Akurat
Hasil paling menonjol adalah perbaikan hasil pengenalan pola melalui kombinasi jaringan biologis. Ketika sistem hanya memanfaatkan satu jaringan mini, algoritma menghasilkan ketepatan pengenalan sekitar 61 persen. Sebagai perbandingan, 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 organoid mengenali tulisan seperti manusia.
Eksperimen tersebut memperlihatkan bahwa kombinasi tiga organoid memiliki ketahanan lebih baik terhadap gangguan sinyal. Sebagai bagian dari pengukuran performa, ilmuwan memberikan gangguan terhadap informasi taktil. Setelah gangguan diterapkan, peneliti membandingkan klasifikasi respons organoid dengan pemrosesan langsung sinyal yang terganggu. Dalam kondisi yang diuji, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Meski demikian, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Peluang Penggunaan Organoid Otak dalam Sistem Pemrosesan Masa Depan
Penelitian organoid otak memberikan arah pengembangan alternatif bagi komputasi hemat energi. Otak manusia mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. Dengan mempertimbangkan kemampuan biologis tersebut, ilmuwan tertarik mempelajari penggunaan organoid sebagai bagian dari sistem komputasi. Ketika sistem biologis dapat dikendalikan lebih baik, organoid dapat menjadi bagian dari pendekatan pemrosesan alternatif. Walaupun memiliki potensi tersebut, efisiensi daya perangkat biohibrida lengkap belum terbukti unggul.
Untuk mencapai penggunaan praktis, peneliti menghadapi berbagai persoalan penting. Organoid merupakan jaringan hidup sehingga membutuhkan pengaturan suhu dan nutrisi. Tantangan lainnya, respons setiap organoid dapat berbeda karena karakteristik biologis masing-masing organoid berlainan. Perbedaan tersebut membuat standardisasi menjadi sulit. Tidak hanya berkaitan dengan performa, penggunaan jaringan biologis manusia juga membutuhkan pertimbangan etika, termasuk batas pengembangan sistem saraf hidup.
Prospek Pengembangan Komputer Biologis setelah Eksperimen Braille
Eksperimen komputasi biohibrida yang dilakukan ilmuwan Inggris memberikan hasil yang menjanjikan dalam pengembangan antarmuka jaringan saraf dan perangkat elektronik. Melalui penggunaan perangkat pendeteksi taktil, antarmuka elektronik jaringan biologis, serta metode klasifikasi digital, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Perbaikan hasil melalui penggunaan tiga organoid menjadi indikasi potensi penggabungan jaringan biologis. Walaupun menunjukkan hasil positif, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Pada tahap pengembangan selanjutnya, pengembangan sistem umpan balik dua arah mungkin memberikan informasi mengenai pemrosesan saraf yang lebih mendalam. Apa pendapat Anda, apakah pengembangan pemrosesan informasi biologis mampu menghadirkan pendekatan baru yang bermanfaat? Sampaikan pandangan Anda mengenai potensi komputer biologis.
