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 teknologi komputasi modern memperbesar kebutuhan terhadap arsitektur komputasi hemat energi. Dalam sistem komputer konvensional, pelaksanaan perhitungan elektronik mengandalkan prosesor berbasis silikon. Walaupun kemampuan perangkat keras semakin meningkat, penggunaan daya perangkat digital memerlukan pendekatan yang lebih efisien. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol meneliti penggunaan organoid otak sebagai komponen pemrosesan biologis. Pendekatan ini 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. Walaupun ukurannya sangat kecil, organoid mengandung ribuan neuron. Dalam pengujian berikutnya, ilmuwan menyampaikan informasi Braille melalui elektroda. Sinyal yang dihasilkan jaringan saraf dievaluasi dengan metode pembelajaran mesin untuk menentukan kesesuaian respons dengan rangsangan. Pendekatan penelitian tersebut memberikan dasar pengembangan sistem komputasi biohibrida.
Mekanisme Sensor Sentuhan dan Elektroda pada Komputasi Biohibrida
Untuk menjalankan eksperimen, ilmuwan memanfaatkan perangkat pendeteksi taktil untuk mengumpulkan informasi huruf Braille. Sistem tulisan Braille menggunakan kombinasi titik timbul yang digunakan sebagai media komunikasi taktil. Melalui proses perekaman sensor, peneliti menggunakan seluruh 26 karakter alfabet dalam pengujian. Data hasil pembacaan sensor kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Mekanisme pengodean tersebut menjadi penghubung utama antara informasi fisik dan organoid otak.
Sesudah data taktil diubah menjadi sinyal listrik, peneliti menyalurkan impuls listrik lewat sistem elektroda mikro. Multielectrode array atau MEA merupakan perangkat yang memiliki sejumlah elektroda kecil. Melalui perangkat tersebut, organoid menerima stimulasi listrik sesuai pola tertentu. Setelah menerima rangsangan, organoid menghasilkan aktivitas listrik yang ditangkap oleh sistem pengukuran. Dengan demikian, informasi sentuhan dapat direpresentasikan dalam respons biologis. Namun, proses tersebut tidak berarti organoid memahami bahasa Braille.
Algoritma Machine Learning Membantu Mengenali Respons Organoid
Setelah memperoleh respons listrik organoid, peneliti menerapkan sistem klasifikasi berbasis komputer untuk menentukan kategori rangsangan yang diterima. Pendekatan klasifikasi tersebut adalah support vector machine atau SVM, yaitu algoritma yang dapat membedakan kategori berdasarkan karakteristik informasi. Pada proses analisis, sistem menganalisis perbedaan sinyal biologis yang dihasilkan. Selanjutnya, algoritma mengidentifikasi rangsangan berdasarkan respons organoid. Dengan cara tersebut, jaringan saraf hidup mendukung pembentukan sinyal yang dapat dibaca komputer.
Peran pembelajaran mesin tidak boleh disamakan dengan kecerdasan biologis mandiri. Dalam penelitian tersebut, organoid tidak menghasilkan keluaran berupa karakter tertulis. Sebaliknya, respons saraf dikumpulkan lalu ditafsirkan oleh algoritma komputer. Hasil klasifikasi tersebut menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Meski hasilnya menarik, penelitian belum membuktikan kemampuan belajar organoid. Penjelasan tersebut penting untuk menghindari kesimpulan berlebihan.
Hasil Eksperimen Komputasi Biohibrida dengan Satu dan Tiga Organoid
Hasil paling menonjol 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 memberikan hasil pengenalan pola sebesar 83 persen. Kenaikan performa tersebut memperlihatkan potensi penggunaan beberapa jaringan saraf. Pada pengujian laboratorium ini, persentase tersebut menggambarkan keberhasilan decoder, bukan kemampuan membaca dokumen Braille secara mandiri.
Peneliti juga menemukan bahwa sistem multi-organoid lebih kuat menghadapi noise buatan. Sebagai bagian dari pengukuran performa, ilmuwan memodifikasi data masukan menggunakan noise sintetis. Pada tahap analisis berikutnya, peneliti membandingkan klasifikasi respons organoid dengan pemrosesan langsung sinyal yang terganggu. Hasilnya, pengolahan melalui organoid membantu mempertahankan informasi. Meski demikian, alasan biologis peningkatan performa belum sepenuhnya dipahami.
Peluang Penggunaan Organoid Otak dalam Sistem Pemrosesan Masa Depan
Pengembangan sistem biohibrida memunculkan peluang menarik bagi teknologi komputer masa depan. Jaringan neuron alami menjadi inspirasi bagi rancangan komputasi efisien. Berdasarkan prinsip kerja jaringan saraf, ilmuwan menguji kemungkinan integrasi sel biologis sebagai bagian dari sistem komputasi. Jika penelitian lanjutan menunjukkan hasil yang konsisten, organoid mungkin membantu pengembangan perangkat komputasi baru. Namun demikian, belum ada bukti bahwa sistem eksperimen ini lebih hemat energi secara keseluruhan.
Dalam perjalanan menuju komputasi biohibrida komersial, 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. Tidak hanya berkaitan dengan performa, pengembangan sistem berbasis organoid juga harus memperhatikan prinsip penelitian biologis, termasuk batas pengembangan sistem saraf hidup.
Prospek Pengembangan Komputer Biologis setelah Eksperimen Braille
Penelitian dari University of Bristol memberikan hasil yang menjanjikan dalam pengembangan antarmuka jaringan saraf dan perangkat elektronik. Berkat pengodean informasi Braille, antarmuka elektronik jaringan biologis, serta metode klasifikasi digital, peneliti berhasil mengidentifikasi pola huruf dari respons organoid. Peningkatan akurasi dari 61 persen menjadi 83 persen memberikan dasar penelitian sistem biohibrida yang lebih kompleks. Meskipun demikian, eksperimen ini belum membuktikan pembelajaran organoid. Pada tahap pengembangan selanjutnya, eksperimen dengan tekstur dan pola berbeda dapat membantu memahami kemampuan adaptasi organoid. Menurut pandangan Anda, apakah teknologi komputer yang memanfaatkan jaringan saraf hidup mampu menghadirkan pendekatan baru yang bermanfaat? Silakan bagikan pendapat Anda mengenai potensi komputer biologis.
