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
Kemajuan teknologi komputasi modern memperbesar kebutuhan terhadap arsitektur komputasi hemat energi. Dalam sistem komputer konvensional, proses pengolahan informasi mengandalkan prosesor berbasis silikon. Meski teknologi tersebut terus berkembang, konsumsi listrik sistem pemrosesan memerlukan pendekatan yang lebih efisien. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol menguji penggunaan organoid otak sebagai bagian dari sistem komputasi biohibrida. Konsep tersebut menghubungkan organoid hidup dengan perangkat komputasi untuk mempelajari respons biologis terhadap data.
Dalam penelitian tersebut, tim ilmuwan memanfaatkan organoid yang dikembangkan dari sel manusia untuk merespons sinyal elektronik. Organoid tersebut tidak memiliki seluruh kemampuan otak manusia. Meski memiliki dimensi kurang dari satu milimeter, organoid memiliki jaringan sel saraf hidup. Peneliti kemudian mengirim rangsangan listrik berdasarkan pola sentuhan. Hasil respons biologis diproses melalui sistem klasifikasi digital untuk mengidentifikasi pola huruf. Pendekatan penelitian tersebut memberikan dasar pengembangan sistem komputasi biohibrida.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Untuk menjalankan eksperimen, ilmuwan memanfaatkan perangkat pendeteksi taktil untuk merekam karakteristik susunan titik Braille. Sistem tulisan Braille merepresentasikan karakter melalui pola titik yang memiliki konfigurasi berbeda untuk setiap huruf. Dalam eksperimen tersebut, peneliti mengambil informasi dari 26 huruf alfabet Braille. Informasi taktil yang diperoleh kemudian diubah menjadi pola stimulasi listrik. Proses tersebut menjadi penghubung utama antara informasi fisik dan organoid otak.
Setelah proses pengodean selesai, peneliti mengirimkan rangsangan melalui multielectrode array. Multielectrode array atau MEA merupakan susunan elektroda yang memungkinkan interaksi dengan sel biologis. Pada penelitian ini, organoid diberikan rangsangan yang mewakili informasi Braille. Sebagai respons terhadap stimulasi, organoid menghasilkan aktivitas listrik yang dipantau menggunakan perangkat elektronik. Dengan demikian, data taktil dapat diteruskan melalui jaringan neuron hidup. Meski demikian, proses tersebut tidak berarti organoid memahami bahasa Braille.
Algoritma Machine Learning Membantu Mengenali Respons Organoid
Ketika aktivitas neuron berhasil direkam, peneliti memanfaatkan metode machine learning untuk menentukan kategori rangsangan yang diterima. Algoritma yang digunakan adalah support vector machine atau SVM, yaitu metode komputasi untuk mengklasifikasikan pola tertentu. Pada proses analisis, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Setelah pola respons dipelajari, algoritma mengidentifikasi rangsangan berdasarkan respons organoid. Melalui kombinasi biologis dan digital, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Peran pembelajaran mesin perlu dipahami secara tepat. Melalui sistem yang diuji, organoid tidak memberikan jawaban berupa huruf secara langsung. Sementara itu, sinyal biologis diukur lalu dianalisis melalui model pembelajaran mesin. Pencapaian sistem biohibrida membuktikan adanya pola sinyal yang dapat dibedakan. Namun demikian, hasilnya belum dapat digunakan untuk menyimpulkan adanya pembelajaran biologis jangka panjang. Pemahaman ini penting untuk menghindari kesimpulan berlebihan.
Hasil Eksperimen Komputasi Biohibrida dengan Satu dan Tiga Organoid
Hasil paling menonjol adalah peningkatan kemampuan klasifikasi ketika beberapa organoid digabungkan. Pada konfigurasi organoid tunggal, algoritma menghasilkan ketepatan pengenalan sekitar 61 persen. Sementara itu, penggunaan tiga organoid menghasilkan ketepatan klasifikasi sekitar 83 persen. Kenaikan performa tersebut mengindikasikan informasi tambahan dari sejumlah organoid dapat membantu klasifikasi. Pada pengujian laboratorium ini, angka akurasi merujuk pada pengenalan pola stimulus, bukan pemahaman bahasa oleh jaringan biologis.
Eksperimen tersebut memperlihatkan bahwa penggabungan respons biologis meningkatkan ketahanan klasifikasi terhadap gangguan tertentu. Dalam pengujian tambahan, ilmuwan memberikan gangguan terhadap informasi taktil. Kemudian, peneliti mengevaluasi hasil biohibrida terhadap decoder tanpa organoid. Hasilnya, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Kendati menunjukkan ketahanan terhadap noise, peneliti belum mengetahui secara pasti penyebab peningkatannya.
Peluang Penggunaan Organoid Otak dalam Sistem Pemrosesan Masa Depan
Pengembangan sistem biohibrida membuka kemungkinan penelitian baru bagi komputasi hemat energi. Jaringan neuron alami mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. 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, hasil pengujian belum cukup untuk menyatakan penghematan energi sistem.
Untuk mencapai penggunaan praktis, peneliti menghadapi berbagai persoalan penting. Komponen saraf yang digunakan masih membutuhkan kondisi biologis sesuai sehingga membutuhkan pengaturan suhu dan nutrisi. Selain itu, aktivitas neuron tidak selalu identik antarsampel karena hubungan antarneuron dapat bervariasi. Variasi respons ini menantang proses pengembangan sistem yang konsisten. Tidak hanya berkaitan dengan performa, pengembangan sistem berbasis organoid juga memerlukan tata kelola penelitian yang bertanggung jawab, termasuk asal sel dan persetujuan donor.
Prospek Pengembangan Komputer Biologis setelah Eksperimen Braille
Penelitian dari University of Bristol memberikan hasil yang menjanjikan dalam teknologi pemrosesan informasi biologis. Dengan memanfaatkan sensor sentuhan, sistem elektroda berukuran kecil, serta metode klasifikasi digital, peneliti menunjukkan bahwa jaringan saraf menghasilkan informasi yang dapat diklasifikasikan. Perbaikan hasil melalui penggunaan tiga organoid menunjukkan manfaat pemanfaatan beberapa organoid. Kendati membuka kemungkinan pengembangan, penelitian belum menunjukkan kemampuan berpikir atau membaca secara sadar. Pada tahap pengembangan selanjutnya, eksperimen dengan tekstur dan pola berbeda dapat membantu memahami kemampuan adaptasi organoid. Menurut pandangan Anda, apakah pengembangan pemrosesan informasi biologis berpotensi menjadi bagian dari komputer masa depan? Silakan bagikan pendapat Anda mengenai potensi komputer biologis.
