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
Perkembangan sistem kecerdasan buatan terus meningkatkan kebutuhan terhadap metode pengolahan data yang efisien. Pada sebagian besar perangkat elektronik, aktivitas komputasi digital menggunakan rangkaian semikonduktor. Walaupun kemampuan perangkat keras semakin meningkat, konsumsi listrik sistem pemrosesan memerlukan pendekatan yang lebih efisien. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol meneliti penggunaan organoid otak sebagai jaringan saraf hidup untuk mengolah sinyal. Konsep tersebut menggabungkan jaringan biologis dan perangkat elektronik untuk mempelajari respons biologis terhadap data.
Dalam penelitian tersebut, tim ilmuwan menempatkan organoid yang dibentuk melalui kultur sel manusia untuk memproses stimulasi yang diberikan. Jaringan biologis mini ini tidak memiliki seluruh kemampuan otak manusia. Meski memiliki dimensi kurang dari satu milimeter, organoid menyimpan kumpulan sel yang dapat menghasilkan aktivitas listrik. Dalam pengujian berikutnya, ilmuwan mengirim rangsangan listrik berdasarkan pola sentuhan. Sinyal yang dihasilkan jaringan saraf diproses melalui sistem klasifikasi digital untuk membedakan informasi yang diberikan. Pengujian tersebut memperlihatkan potensi pemrosesan informasi melalui organoid.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Dalam merancang pengujian, ilmuwan memanfaatkan perangkat pendeteksi taktil untuk merekam karakteristik susunan titik 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 diterjemahkan ke dalam rangkaian impuls elektronik. Proses tersebut menjadi penghubung utama antara perangkat elektronik dengan sistem biologis.
Ketika pola stimulasi telah disiapkan, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. Multielectrode array atau MEA merupakan susunan elektroda yang memungkinkan interaksi dengan sel biologis. Pada penelitian ini, organoid diberikan rangsangan yang mewakili informasi Braille. Jaringan saraf kemudian, organoid menghasilkan aktivitas listrik yang dipantau menggunakan perangkat elektronik. Melalui mekanisme tersebut, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Namun, proses tersebut tidak membuktikan adanya pemahaman simbol secara sadar.
Peran Support Vector Machine dalam Klasifikasi Huruf Braille
Sesudah sinyal biologis dikumpulkan, peneliti menerapkan sistem klasifikasi berbasis komputer untuk menentukan kategori rangsangan yang diterima. Algoritma yang digunakan adalah support vector machine atau SVM, yaitu teknik pembelajaran mesin untuk mengelompokkan data. Dalam eksperimen, sistem menganalisis perbedaan sinyal biologis yang dihasilkan. Selanjutnya, algoritma menentukan kategori sinyal yang diterima. Melalui kombinasi biologis dan digital, jaringan saraf hidup mendukung pembentukan sinyal yang dapat dibaca komputer.
Fungsi algoritma SVM penting dibedakan dari kemampuan organoid. Dalam penelitian tersebut, organoid tidak menghasilkan keluaran berupa karakter tertulis. Yang terjadi adalah, respons saraf dikumpulkan lalu ditafsirkan oleh algoritma komputer. Hasil klasifikasi tersebut mengindikasikan jaringan biologis mampu menghasilkan respons informatif. Namun demikian, penelitian belum membuktikan kemampuan belajar organoid. Penjelasan tersebut menjaga ketepatan interpretasi teknologi.
Pengujian Multi-Organoid Menunjukkan Klasifikasi Huruf Lebih Akurat
Pencapaian penting dalam penelitian adalah perbedaan akurasi antara penggunaan satu dan tiga organoid. Dalam pengujian menggunakan satu organoid, algoritma mencatat keberhasilan klasifikasi sebesar 61 persen. Sementara itu, penggunaan tiga organoid meningkatkan akurasi menjadi 83 persen. Peningkatan tersebut menunjukkan manfaat penggabungan respons biologis. Pada pengujian laboratorium ini, angka akurasi merujuk pada pengenalan pola stimulus, bukan pemahaman bahasa oleh jaringan biologis.
Peneliti juga menemukan bahwa penggabungan respons biologis meningkatkan ketahanan klasifikasi terhadap gangguan tertentu. Sebagai bagian dari pengukuran performa, ilmuwan menambahkan gangguan buatan pada sinyal Braille. Kemudian, peneliti mengevaluasi hasil biohibrida terhadap decoder tanpa organoid. Dalam kondisi yang diuji, pengolahan melalui organoid membantu mempertahankan informasi. Meski demikian, alasan biologis peningkatan performa belum sepenuhnya dipahami.
Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi
Penelitian organoid otak memberikan arah pengembangan alternatif bagi komputasi hemat energi. Jaringan neuron alami dikenal memiliki efisiensi energi yang tinggi. Karena karakteristik tersebut, ilmuwan mengeksplorasi pemanfaatan jaringan neuron hidup sebagai komponen pengolah informasi. Apabila teknologi ini terus berkembang, organoid berpotensi mendukung pemrosesan informasi tertentu. Namun demikian, hasil pengujian belum cukup untuk menyatakan penghematan energi sistem.
Dalam perjalanan menuju komputasi biohibrida komersial, peneliti menghadapi berbagai persoalan penting. Material biologis tersebut terdiri dari sel aktif sehingga harus dijaga agar tetap hidup. Di samping kebutuhan pemeliharaan, respons setiap organoid dapat berbeda karena struktur jaringan dan kondisi perkembangan tidak seragam. Variasi respons ini membuat standardisasi menjadi sulit. Di samping aspek teknis, pengembangan sistem berbasis organoid juga membutuhkan pertimbangan etika, termasuk pengawasan penggunaan material biologis.
Masa Depan Teknologi Komputasi Biohibrida Berbasis Jaringan Saraf
Pengembangan sistem pengolahan Braille menggunakan organoid otak menghadirkan temuan menarik dalam penelitian komputasi generasi baru. Berkat pengodean informasi Braille, susunan mikroelektroda, serta algoritma pembelajaran mesin, peneliti berhasil mengidentifikasi pola huruf dari respons organoid. Keunggulan konfigurasi multi-organoid menunjukkan manfaat pemanfaatan beberapa organoid. Kendati membuka kemungkinan pengembangan, eksperimen ini belum membuktikan pembelajaran organoid. Pada tahap pengembangan selanjutnya, eksperimen dengan tekstur dan pola berbeda dapat membantu memahami kemampuan adaptasi organoid. Bagaimana menurut Anda, apakah teknologi komputer yang memanfaatkan jaringan saraf hidup mampu menghadirkan pendekatan baru yang bermanfaat? Silakan bagikan pendapat Anda mengenai manfaat dan tantangan teknologi tersebut.
