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
Perkembangan sistem kecerdasan buatan terus meningkatkan kebutuhan terhadap arsitektur komputasi hemat energi. Dalam sistem komputer konvensional, pelaksanaan perhitungan elektronik bergantung pada komponen elektronik. Meski teknologi tersebut terus berkembang, penggunaan daya perangkat digital mendorong pencarian solusi baru. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol meneliti penggunaan organoid otak sebagai jaringan saraf hidup untuk mengolah sinyal. Pendekatan ini memadukan sel saraf dengan sistem digital untuk menguji potensi pemrosesan berbasis jaringan saraf.
Melalui eksperimen yang dilakukan, tim ilmuwan memanfaatkan organoid yang dikembangkan dari sel manusia untuk memproses stimulasi yang diberikan. Struktur sel saraf tersebut bukanlah otak manusia yang utuh. Kendati bentuknya jauh lebih sederhana, organoid mengandung ribuan neuron. Tim penelitian selanjutnya mengirim rangsangan listrik berdasarkan pola sentuhan. 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
Dalam merancang pengujian, ilmuwan menggunakan sensor sentuhan untuk mendeteksi pola sentuhan pada simbol Braille. Sistem tulisan Braille mengandalkan susunan titik tertentu yang dapat dikenali melalui sentuhan. Pada tahap pengumpulan data, peneliti merekam pola yang mewakili 26 huruf. Sinyal sentuhan yang direkam kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Proses tersebut menjadi penghubung utama antara perangkat elektronik dengan sistem biologis.
Setelah proses pengodean selesai, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. Multielectrode array atau MEA merupakan susunan elektroda yang memungkinkan interaksi dengan sel biologis. Dalam rancangan pengujian, organoid menerima stimulasi listrik sesuai pola tertentu. Setelah menerima rangsangan, organoid menghasilkan aktivitas listrik yang dipantau menggunakan perangkat elektronik. Berkat rangkaian proses ini, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Akan tetapi, proses tersebut tidak berarti organoid memahami bahasa Braille.
Peran Support Vector Machine dalam Klasifikasi Huruf Braille
Sesudah sinyal biologis dikumpulkan, 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. Dalam eksperimen, sistem mempelajari hubungan antara aktivitas saraf dan stimulus Braille. Pada tahap klasifikasi, algoritma memperkirakan huruf yang sesuai. Berkat pengolahan data tersebut, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Peran pembelajaran mesin tidak boleh disamakan dengan kecerdasan biologis mandiri. Dalam penelitian tersebut, organoid tidak menghasilkan keluaran berupa karakter tertulis. Yang terjadi adalah, respons saraf dikumpulkan lalu diklasifikasikan menggunakan perangkat lunak. Pencapaian sistem biohibrida membuktikan adanya pola sinyal yang dapat dibedakan. Namun demikian, eksperimen tidak menunjukkan perubahan perilaku melalui latihan berulang. Penjelasan tersebut menjaga ketepatan interpretasi teknologi.
Pengujian Multi-Organoid Menunjukkan Klasifikasi Huruf Lebih Akurat
Hasil paling menonjol adalah peningkatan kemampuan klasifikasi ketika beberapa organoid digabungkan. Dalam pengujian menggunakan satu organoid, algoritma mampu mengklasifikasikan huruf dengan akurasi rata-rata 61 persen. Sebagai perbandingan, penggunaan tiga organoid memberikan hasil pengenalan pola sebesar 83 persen. Kenaikan performa tersebut menunjukkan manfaat penggabungan respons biologis. Dalam konteks eksperimen, persentase tersebut menggambarkan keberhasilan decoder, bukan kemampuan membaca dokumen Braille secara mandiri.
Hasil pengujian turut menunjukkan bahwa sistem multi-organoid lebih kuat menghadapi noise buatan. Sebagai bagian dari pengukuran performa, ilmuwan memberikan gangguan terhadap informasi taktil. Setelah gangguan diterapkan, peneliti mengevaluasi hasil biohibrida terhadap decoder tanpa organoid. Berdasarkan perbandingan tersebut, pengolahan melalui organoid membantu mempertahankan informasi. Walaupun hasil tersebut positif, alasan biologis peningkatan performa belum sepenuhnya dipahami.
Manfaat Jaringan Saraf Biologis bagi Teknologi Komputasi Generasi Baru
Penelitian organoid otak memunculkan peluang menarik bagi komputasi hemat energi. Otak manusia dikenal memiliki efisiensi energi yang tinggi. Dengan mempertimbangkan kemampuan biologis tersebut, ilmuwan mengeksplorasi pemanfaatan jaringan neuron hidup sebagai bagian dari sistem komputasi. Ketika sistem biologis dapat dikendalikan lebih baik, organoid mungkin membantu pengembangan perangkat komputasi baru. 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 harus dijaga agar tetap hidup. Selain itu, aktivitas neuron tidak selalu identik antarsampel karena karakteristik biologis masing-masing organoid berlainan. Variasi respons ini membuat standardisasi menjadi sulit. Selain tantangan rekayasa, pemanfaatan sel manusia dalam perangkat komputasi juga harus memperhatikan prinsip penelitian biologis, termasuk asal sel dan persetujuan donor.
Kesimpulan Penelitian Organoid Otak dalam Mengenali Huruf Braille
Pengembangan sistem pengolahan Braille menggunakan organoid otak menunjukkan perkembangan penting dalam pengembangan antarmuka jaringan saraf dan perangkat elektronik. Berkat pengodean informasi Braille, sistem elektroda berukuran kecil, serta teknologi machine learning, peneliti berhasil mengidentifikasi pola huruf dari respons organoid. Keunggulan konfigurasi multi-organoid menjadi indikasi potensi penggabungan jaringan biologis. Kendati membuka kemungkinan pengembangan, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Dalam penelitian berikutnya, eksperimen dengan tekstur dan pola berbeda berpotensi memperluas penelitian komputasi biologis. Bagaimana menurut Anda, apakah teknologi komputer yang memanfaatkan jaringan saraf hidup berpotensi menjadi bagian dari komputer masa depan? Silakan bagikan pendapat Anda mengenai manfaat dan tantangan teknologi tersebut.
