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
Pertumbuhan teknologi komputasi modern semakin mendorong kebutuhan terhadap pendekatan pemrosesan informasi alternatif. Dalam sistem komputer konvensional, pelaksanaan perhitungan elektronik menggunakan rangkaian semikonduktor. Meski teknologi tersebut terus berkembang, konsumsi listrik sistem pemrosesan memerlukan pendekatan yang lebih efisien. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol mengevaluasi penggunaan organoid otak sebagai jaringan saraf hidup untuk mengolah sinyal. Rancangan penelitian ini memadukan sel saraf dengan sistem digital untuk menguji potensi pemrosesan berbasis jaringan saraf.
Melalui eksperimen yang dilakukan, tim ilmuwan menggunakan organoid yang dibentuk melalui kultur sel manusia untuk merespons sinyal elektronik. Struktur sel saraf tersebut tidak memiliki seluruh kemampuan otak manusia. Walaupun ukurannya sangat kecil, organoid mengandung ribuan neuron. Dalam pengujian berikutnya, ilmuwan menyampaikan informasi Braille melalui elektroda. Hasil respons biologis dievaluasi dengan metode pembelajaran mesin untuk membedakan informasi yang diberikan. Pendekatan penelitian tersebut menunjukkan hubungan antara sensor buatan dan jaringan biologis.
Cara Kerja Organoid Otak dalam Memproses Pola Huruf Braille
Sebagai langkah awal penelitian, ilmuwan menggunakan sensor sentuhan untuk mengumpulkan informasi huruf Braille. Sistem tulisan Braille mengandalkan susunan titik tertentu yang memiliki konfigurasi berbeda untuk setiap huruf. Dalam eksperimen tersebut, peneliti mengambil informasi dari 26 huruf alfabet Braille. Sinyal sentuhan yang direkam kemudian diterjemahkan ke dalam rangkaian impuls elektronik. Mekanisme pengodean tersebut berfungsi sebagai antarmuka penting 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 memperlihatkan perubahan aktivitas neuron yang dapat direkam dan dianalisis. Melalui mekanisme tersebut, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Akan tetapi, proses tersebut belum menunjukkan kemampuan membaca seperti manusia.
Peran Support Vector Machine dalam Klasifikasi Huruf Braille
Sesudah sinyal biologis dikumpulkan, peneliti memanfaatkan metode machine learning untuk membedakan respons terhadap setiap huruf. Pendekatan klasifikasi tersebut adalah support vector machine atau SVM, yaitu algoritma yang dapat membedakan kategori berdasarkan karakteristik informasi. Dalam eksperimen, sistem mempelajari hubungan antara aktivitas saraf dan stimulus Braille. Selanjutnya, algoritma memperkirakan huruf yang sesuai. Dengan cara tersebut, jaringan saraf hidup mendukung pembentukan sinyal yang dapat dibaca komputer.
Peran pembelajaran mesin penting dibedakan dari kemampuan organoid. Pada konfigurasi eksperimen, organoid bukan pihak yang menentukan label alfabet secara mandiri. Sebaliknya, respons saraf dikumpulkan lalu dianalisis melalui model pembelajaran mesin. Hasil klasifikasi tersebut mengindikasikan jaringan biologis mampu menghasilkan respons informatif. Meski hasilnya menarik, hasilnya belum dapat digunakan untuk menyimpulkan adanya pembelajaran biologis jangka panjang. Pembedaan tersebut membantu menempatkan hasil penelitian secara proporsional.
Hasil Eksperimen Komputasi Biohibrida dengan Satu dan Tiga Organoid
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, persentase tersebut menggambarkan keberhasilan decoder, bukan pemahaman bahasa oleh jaringan biologis.
Peneliti juga menemukan bahwa kombinasi tiga organoid memiliki ketahanan lebih baik terhadap gangguan sinyal. Sebagai bagian dari pengukuran performa, ilmuwan menambahkan gangguan buatan pada sinyal Braille. Kemudian, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Berdasarkan perbandingan tersebut, respons gabungan organoid lebih tahan terhadap sejumlah gangguan. Kendati menunjukkan ketahanan terhadap noise, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi
Penelitian organoid otak memunculkan peluang menarik bagi komputasi hemat energi. Sistem saraf biologis manusia dikenal memiliki efisiensi energi yang tinggi. Karena karakteristik tersebut, ilmuwan mengeksplorasi pemanfaatan jaringan neuron hidup sebagai elemen dalam arsitektur biohibrida. Jika penelitian lanjutan menunjukkan hasil yang konsisten, organoid dapat menjadi bagian dari pendekatan pemrosesan alternatif. Namun demikian, hasil pengujian belum cukup untuk menyatakan penghematan energi sistem.
Sebelum sistem dapat diterapkan secara luas, berbagai tantangan teknis masih perlu diatasi. Organoid merupakan jaringan hidup sehingga memerlukan lingkungan pemeliharaan khusus. Selain itu, variasi biologis dapat memengaruhi hasil karena karakteristik biologis masing-masing organoid berlainan. Perbedaan tersebut menantang proses pengembangan sistem yang konsisten. Di samping aspek teknis, pengembangan sistem berbasis organoid juga membutuhkan pertimbangan etika, termasuk pengawasan penggunaan material biologis.
Kesimpulan Penelitian Organoid Otak dalam Mengenali Huruf Braille
Penelitian dari University of Bristol menghadirkan temuan menarik dalam pengembangan antarmuka jaringan saraf dan perangkat elektronik. Dengan memanfaatkan sensor sentuhan, susunan mikroelektroda, serta metode klasifikasi digital, peneliti menunjukkan bahwa jaringan saraf menghasilkan informasi yang dapat diklasifikasikan. Peningkatan akurasi dari 61 persen menjadi 83 persen memberikan dasar penelitian sistem biohibrida yang lebih kompleks. 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. Bagaimana menurut Anda, apakah pengembangan pemrosesan informasi biologis mampu menghadirkan pendekatan baru yang bermanfaat? Bagikan pemikiran Anda mengenai masa depan penelitian organoid otak.
