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 sistem kecerdasan buatan memperbesar kebutuhan terhadap metode pengolahan data yang efisien. Selama ini, pelaksanaan perhitungan elektronik mengandalkan prosesor berbasis silikon. Meski teknologi tersebut terus berkembang, kebutuhan energi komputasi memerlukan pendekatan yang lebih efisien. Dalam upaya mengeksplorasi metode baru, ilmuwan University of Bristol meneliti penggunaan organoid otak sebagai bagian dari sistem komputasi biohibrida. Konsep tersebut memadukan sel saraf dengan sistem digital untuk mengeksplorasi kemampuan pengolahan informasi.
Melalui eksperimen yang dilakukan, tim ilmuwan memanfaatkan organoid yang ditumbuhkan menggunakan teknik laboratorium untuk merespons sinyal elektronik. Jaringan biologis mini ini bukanlah otak manusia yang utuh. Meski memiliki dimensi kurang dari satu milimeter, organoid mengandung ribuan neuron. Peneliti kemudian menyampaikan informasi Braille melalui elektroda. Aktivitas listrik yang muncul dianalisis menggunakan algoritma komputer untuk mengidentifikasi pola huruf. Pendekatan penelitian tersebut menunjukkan hubungan antara sensor buatan dan jaringan biologis.
Mekanisme Sensor Sentuhan dan Elektroda pada Komputasi Biohibrida
Untuk menjalankan eksperimen, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk mendeteksi pola sentuhan pada simbol Braille. Huruf Braille mengandalkan susunan titik tertentu yang dapat dikenali melalui sentuhan. Dalam eksperimen tersebut, peneliti merekam pola yang mewakili 26 huruf. Informasi taktil yang diperoleh kemudian diubah menjadi pola stimulasi listrik. Mekanisme pengodean tersebut berfungsi sebagai antarmuka penting antara sensor mekanis dan jaringan saraf.
Sesudah data taktil diubah menjadi sinyal listrik, peneliti mengirimkan rangsangan melalui multielectrode array. Multielectrode array atau MEA merupakan sistem antarmuka elektronik untuk jaringan saraf. Dalam rancangan pengujian, organoid merespons impuls elektronik yang sudah dikodekan. Jaringan saraf kemudian, organoid menghasilkan aktivitas listrik yang dipantau menggunakan perangkat elektronik. Berkat rangkaian proses ini, data taktil dapat diteruskan melalui jaringan neuron hidup. Akan tetapi, proses tersebut tidak membuktikan adanya pemahaman simbol secara sadar.
Peran Support Vector Machine dalam Klasifikasi Huruf Braille
Setelah memperoleh respons listrik organoid, peneliti memanfaatkan metode machine learning untuk menentukan kategori rangsangan yang diterima. Metode yang dipilih adalah support vector machine atau SVM, yaitu algoritma yang dapat membedakan kategori berdasarkan karakteristik informasi. Pada proses analisis, sistem mempelajari hubungan antara aktivitas saraf dan stimulus Braille. Setelah pola respons dipelajari, algoritma memperkirakan huruf yang sesuai. Dengan cara tersebut, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Keterlibatan sistem klasifikasi tidak boleh disamakan dengan kecerdasan biologis mandiri. Dalam penelitian tersebut, organoid tidak memberikan jawaban berupa huruf secara langsung. Sebaliknya, respons saraf dikumpulkan lalu diklasifikasikan menggunakan perangkat lunak. Keberhasilan pengujian mengindikasikan jaringan biologis mampu menghasilkan respons informatif. Walaupun memperlihatkan potensi besar, penelitian belum membuktikan kemampuan belajar organoid. Penjelasan tersebut penting untuk menghindari kesimpulan berlebihan.
Hasil Eksperimen Komputasi Biohibrida dengan Satu dan Tiga Organoid
Salah satu temuan utama adalah perbedaan akurasi antara penggunaan satu dan tiga organoid. Ketika sistem hanya memanfaatkan satu jaringan mini, algoritma mampu mengklasifikasikan huruf dengan akurasi rata-rata 61 persen. Pada konfigurasi berikutnya, penggunaan tiga organoid memberikan hasil pengenalan pola sebesar 83 persen. Perbedaan hasil ini 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 kombinasi tiga organoid memiliki ketahanan lebih baik terhadap gangguan sinyal. Untuk mengevaluasi ketahanan sistem, ilmuwan memodifikasi data masukan menggunakan noise sintetis. Pada tahap analisis berikutnya, peneliti mengevaluasi hasil biohibrida terhadap decoder tanpa organoid. Dalam kondisi yang diuji, pengolahan melalui organoid membantu mempertahankan informasi. Walaupun hasil tersebut positif, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Manfaat Jaringan Saraf Biologis bagi Teknologi Komputasi Generasi Baru
Pengembangan sistem biohibrida memberikan arah pengembangan alternatif bagi komputasi hemat energi. Otak manusia mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. Karena karakteristik tersebut, ilmuwan menguji kemungkinan integrasi sel biologis sebagai komponen pengolah informasi. Ketika sistem biologis dapat dikendalikan lebih baik, organoid berpotensi mendukung pemrosesan informasi tertentu. Namun demikian, efisiensi daya perangkat biohibrida lengkap belum terbukti unggul.
Untuk mencapai penggunaan praktis, sejumlah hambatan pengembangan harus diselesaikan. Komponen saraf yang digunakan masih membutuhkan kondisi biologis sesuai sehingga membutuhkan pengaturan suhu dan nutrisi. Tantangan lainnya, variasi biologis dapat memengaruhi hasil karena hubungan antarneuron dapat bervariasi. Perbedaan tersebut memerlukan metode kalibrasi dan pengendalian yang lebih baik. Tidak hanya berkaitan dengan performa, pengembangan sistem berbasis organoid juga harus memperhatikan prinsip penelitian biologis, termasuk asal sel dan persetujuan donor.
Prospek Pengembangan Komputer Biologis setelah Eksperimen Braille
Eksperimen komputasi biohibrida yang dilakukan ilmuwan Inggris memberikan hasil yang menjanjikan dalam teknologi pemrosesan informasi biologis. Melalui penggunaan perangkat pendeteksi taktil, antarmuka elektronik jaringan biologis, 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, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Ke depan, pengembangan sistem umpan balik dua arah dapat membantu memahami kemampuan adaptasi organoid. Bagaimana menurut Anda, apakah pengembangan pemrosesan informasi biologis mampu menghadirkan pendekatan baru yang bermanfaat? Sampaikan pandangan Anda mengenai manfaat dan tantangan teknologi tersebut.
