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
Perkembangan inovasi pemrosesan informasi memperbesar kebutuhan terhadap pendekatan pemrosesan informasi alternatif. Selama ini, pelaksanaan perhitungan elektronik bergantung pada komponen elektronik. Meski teknologi tersebut terus berkembang, kebutuhan energi komputasi mendorong pencarian solusi baru. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol meneliti penggunaan organoid otak sebagai komponen pemrosesan biologis. Konsep tersebut memadukan sel saraf dengan sistem digital untuk menguji potensi pemrosesan berbasis jaringan saraf.
Dalam penelitian tersebut, tim ilmuwan menempatkan organoid yang dibentuk melalui kultur sel manusia untuk merespons sinyal elektronik. Struktur sel saraf tersebut bukanlah otak manusia yang utuh. Walaupun ukurannya sangat kecil, organoid mengandung ribuan neuron. Peneliti kemudian memberikan pola stimulasi yang mewakili huruf Braille. Aktivitas listrik yang muncul dievaluasi dengan metode pembelajaran mesin untuk mengidentifikasi pola huruf. Pengujian tersebut menunjukkan hubungan antara sensor buatan dan jaringan biologis.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Dalam merancang pengujian, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk mengumpulkan informasi huruf Braille. Metode representasi karakter Braille menggunakan kombinasi titik timbul yang dapat dikenali melalui sentuhan. Pada tahap pengumpulan data, peneliti menggunakan seluruh 26 karakter alfabet dalam pengujian. Informasi taktil yang diperoleh kemudian diterjemahkan ke dalam rangkaian impuls elektronik. Mekanisme pengodean tersebut memungkinkan komunikasi awal antara sensor mekanis dan jaringan saraf.
Sesudah data taktil diubah menjadi sinyal listrik, peneliti mengirimkan rangsangan melalui multielectrode array. Multielectrode array atau MEA merupakan susunan elektroda yang memungkinkan interaksi dengan sel biologis. Pada penelitian ini, organoid merespons impuls elektronik yang sudah dikodekan. Setelah menerima rangsangan, organoid menunjukkan pola impuls saraf yang ditangkap oleh sistem pengukuran. Melalui mekanisme tersebut, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Meski demikian, proses tersebut tidak berarti organoid memahami bahasa Braille.
Algoritma Machine Learning Membantu Mengenali Respons Organoid
Sesudah sinyal biologis dikumpulkan, peneliti menerapkan sistem klasifikasi berbasis komputer untuk membedakan respons terhadap setiap huruf. 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 menentukan kategori sinyal yang diterima. Dengan cara tersebut, jaringan saraf hidup mendukung pembentukan sinyal yang dapat dibaca komputer.
Peran pembelajaran mesin tidak boleh disamakan dengan kecerdasan biologis mandiri. Melalui sistem yang diuji, organoid tidak menghasilkan keluaran berupa karakter tertulis. Sebaliknya, respons saraf dikumpulkan lalu diklasifikasikan menggunakan perangkat lunak. Pencapaian sistem biohibrida menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Namun demikian, penelitian belum membuktikan kemampuan belajar organoid. Penjelasan tersebut membantu menempatkan hasil penelitian secara proporsional.
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 mampu mengklasifikasikan huruf dengan akurasi rata-rata 61 persen. Pada konfigurasi berikutnya, penggunaan tiga organoid menghasilkan ketepatan klasifikasi sekitar 83 persen. Kenaikan performa tersebut memperlihatkan potensi penggunaan beberapa jaringan saraf. Berdasarkan rancangan penelitian tersebut, persentase tersebut menggambarkan keberhasilan decoder, bukan kemampuan organoid mengenali tulisan seperti manusia.
Hasil pengujian turut menunjukkan bahwa penggabungan respons biologis meningkatkan ketahanan klasifikasi terhadap gangguan tertentu. Dalam pengujian tambahan, ilmuwan memberikan gangguan terhadap informasi taktil. Kemudian, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Berdasarkan perbandingan tersebut, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Meski demikian, peneliti belum mengetahui secara pasti penyebab peningkatannya.
Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi
Penelitian organoid otak memunculkan peluang menarik bagi komputasi hemat energi. Sistem saraf biologis manusia menjadi inspirasi bagi rancangan komputasi efisien. Dengan mempertimbangkan kemampuan biologis tersebut, ilmuwan tertarik mempelajari penggunaan organoid sebagai bagian dari sistem komputasi. Apabila teknologi ini terus berkembang, organoid berpotensi mendukung pemrosesan informasi tertentu. Meski konsepnya menjanjikan, efisiensi daya perangkat biohibrida lengkap belum terbukti unggul.
Untuk mencapai penggunaan praktis, sejumlah hambatan pengembangan harus diselesaikan. Organoid merupakan jaringan hidup sehingga harus dijaga agar tetap hidup. Selain itu, aktivitas neuron tidak selalu identik antarsampel karena karakteristik biologis masing-masing organoid berlainan. Perbedaan tersebut menantang proses pengembangan sistem yang konsisten. Tidak hanya berkaitan dengan performa, pengembangan sistem berbasis organoid juga memerlukan tata kelola penelitian yang bertanggung jawab, termasuk batas pengembangan sistem saraf hidup.
Kesimpulan Penelitian Organoid Otak dalam Mengenali Huruf Braille
Eksperimen komputasi biohibrida yang dilakukan ilmuwan Inggris menghadirkan temuan menarik dalam pengembangan antarmuka jaringan saraf dan perangkat elektronik. Melalui penggunaan perangkat pendeteksi taktil, susunan mikroelektroda, serta teknologi machine learning, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Peningkatan akurasi dari 61 persen menjadi 83 persen memberikan dasar penelitian sistem biohibrida yang lebih kompleks. Meskipun demikian, penelitian belum menunjukkan kemampuan berpikir atau membaca secara sadar. Ke depan, eksperimen dengan tekstur dan pola berbeda mungkin memberikan informasi mengenai pemrosesan saraf yang lebih mendalam. Apa pendapat Anda, apakah komputasi biohibrida berbasis organoid berpotensi menjadi bagian dari komputer masa depan? Silakan bagikan pendapat Anda mengenai masa depan penelitian organoid otak.
