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
Pertumbuhan inovasi pemrosesan informasi semakin mendorong kebutuhan terhadap arsitektur komputasi hemat energi. Selama ini, proses pengolahan informasi menggunakan rangkaian semikonduktor. Walaupun kemampuan perangkat keras semakin meningkat, konsumsi listrik sistem pemrosesan memerlukan pendekatan yang lebih efisien. Dalam upaya mengeksplorasi metode baru, ilmuwan University of Bristol mengevaluasi penggunaan organoid otak sebagai jaringan saraf hidup untuk mengolah sinyal. Konsep tersebut menghubungkan organoid hidup dengan perangkat komputasi untuk mempelajari respons biologis terhadap data.
Pada studi yang dipublikasikan, tim ilmuwan menggunakan organoid yang dikembangkan dari sel manusia untuk merespons sinyal elektronik. Organoid tersebut tidak memiliki seluruh kemampuan otak manusia. Walaupun ukurannya sangat kecil, organoid menyimpan kumpulan sel yang dapat menghasilkan aktivitas listrik. Dalam pengujian berikutnya, ilmuwan memberikan pola stimulasi yang mewakili huruf Braille. Aktivitas listrik yang muncul dievaluasi dengan metode pembelajaran mesin untuk mengidentifikasi pola huruf. Pendekatan penelitian tersebut memperlihatkan potensi pemrosesan informasi melalui organoid.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Sebagai langkah awal penelitian, ilmuwan memanfaatkan perangkat pendeteksi taktil untuk mendeteksi pola sentuhan pada simbol Braille. Huruf Braille menggunakan kombinasi titik timbul yang digunakan sebagai media komunikasi taktil. Melalui proses perekaman sensor, peneliti merekam pola yang mewakili 26 huruf. Informasi taktil yang diperoleh kemudian diterjemahkan ke dalam rangkaian impuls elektronik. Proses tersebut berfungsi sebagai antarmuka penting antara sensor mekanis dan jaringan saraf.
Setelah proses pengodean selesai, peneliti mengirimkan rangsangan melalui multielectrode array. Multielectrode array atau MEA merupakan sistem antarmuka elektronik untuk jaringan saraf. Melalui perangkat tersebut, organoid diberikan rangsangan yang mewakili informasi Braille. Setelah menerima rangsangan, organoid menunjukkan pola impuls saraf yang dipantau menggunakan perangkat elektronik. Berkat rangkaian proses ini, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Meski demikian, proses tersebut belum menunjukkan kemampuan membaca seperti manusia.
Teknologi Pembelajaran Mesin untuk Membaca Sinyal Jaringan Saraf
Setelah memperoleh respons listrik organoid, peneliti menerapkan sistem klasifikasi berbasis komputer untuk menentukan kategori rangsangan yang diterima. Algoritma yang digunakan adalah support vector machine atau SVM, yaitu metode komputasi untuk mengklasifikasikan pola tertentu. Dalam eksperimen, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Selanjutnya, algoritma memperkirakan huruf yang sesuai. Berkat pengolahan data tersebut, jaringan saraf hidup menjadi bagian dari jalur pemrosesan informasi.
Keterlibatan sistem klasifikasi penting dibedakan dari kemampuan organoid. Pada konfigurasi eksperimen, organoid bukan pihak yang menentukan label alfabet secara mandiri. Sebaliknya, aktivitas neuron direkam lalu diklasifikasikan menggunakan perangkat lunak. Keberhasilan pengujian mengindikasikan jaringan biologis mampu menghasilkan respons informatif. Walaupun memperlihatkan potensi besar, penelitian belum membuktikan kemampuan belajar organoid. Pemahaman ini menjaga ketepatan interpretasi teknologi.
Pengujian Multi-Organoid Menunjukkan Klasifikasi Huruf Lebih Akurat
Salah satu temuan utama adalah perbaikan hasil pengenalan pola melalui kombinasi jaringan biologis. Pada konfigurasi organoid tunggal, algoritma menghasilkan ketepatan pengenalan sekitar 61 persen. Pada konfigurasi berikutnya, penggunaan tiga organoid meningkatkan akurasi menjadi 83 persen. Perbedaan hasil ini menunjukkan manfaat penggabungan respons biologis. Berdasarkan rancangan penelitian tersebut, hasil itu menunjukkan ketepatan klasifikasi sinyal, bukan pemahaman bahasa oleh jaringan biologis.
Eksperimen tersebut memperlihatkan bahwa penggabungan respons biologis meningkatkan ketahanan klasifikasi terhadap gangguan tertentu. Untuk mengevaluasi ketahanan sistem, ilmuwan memodifikasi data masukan menggunakan noise sintetis. Kemudian, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Berdasarkan perbandingan tersebut, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Walaupun hasil tersebut positif, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi
Eksperimen pengolahan sinyal biologis memunculkan peluang menarik bagi teknologi komputer masa depan. Jaringan neuron alami dikenal memiliki efisiensi energi yang tinggi. Berdasarkan prinsip kerja jaringan saraf, ilmuwan tertarik mempelajari penggunaan organoid sebagai komponen pengolah informasi. Jika penelitian lanjutan menunjukkan hasil yang konsisten, organoid dapat menjadi bagian dari pendekatan pemrosesan alternatif. Meski konsepnya menjanjikan, belum ada bukti bahwa sistem eksperimen ini lebih hemat energi secara keseluruhan.
Dalam perjalanan menuju komputasi biohibrida komersial, peneliti menghadapi berbagai persoalan penting. Organoid merupakan jaringan hidup sehingga membutuhkan pengaturan suhu dan nutrisi. Tantangan lainnya, variasi biologis dapat memengaruhi hasil karena hubungan antarneuron dapat bervariasi. Variasi respons ini memerlukan metode kalibrasi dan pengendalian yang lebih baik. Tidak hanya berkaitan dengan performa, pengembangan sistem berbasis organoid juga membutuhkan pertimbangan etika, termasuk batas pengembangan sistem saraf hidup.
Prospek Pengembangan Komputer Biologis setelah Eksperimen Braille
Pengembangan sistem pengolahan Braille menggunakan organoid otak menghadirkan temuan menarik dalam penelitian komputasi generasi baru. Dengan memanfaatkan sensor sentuhan, susunan mikroelektroda, serta teknologi machine learning, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Keunggulan konfigurasi multi-organoid menjadi indikasi potensi penggabungan jaringan biologis. Meskipun demikian, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Dalam penelitian berikutnya, pengujian rangsangan sentuhan yang lebih kompleks mungkin memberikan informasi mengenai pemrosesan saraf yang lebih mendalam. Menurut pandangan Anda, apakah pengembangan pemrosesan informasi biologis berpotensi menjadi bagian dari komputer masa depan? Bagikan pemikiran Anda mengenai masa depan penelitian organoid otak.
