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 terus meningkatkan kebutuhan terhadap arsitektur komputasi hemat energi. Selama ini, aktivitas komputasi digital bergantung pada komponen elektronik. Walaupun kemampuan perangkat keras semakin meningkat, penggunaan daya perangkat digital mendorong pencarian solusi baru. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol menguji penggunaan organoid otak sebagai bagian dari sistem komputasi biohibrida. Rancangan penelitian ini menghubungkan organoid hidup dengan perangkat komputasi untuk mengeksplorasi kemampuan pengolahan informasi.
Dalam penelitian tersebut, tim ilmuwan memanfaatkan organoid yang dibentuk melalui kultur sel manusia untuk merespons sinyal elektronik. Struktur sel saraf tersebut hanya merepresentasikan sebagian karakteristik jaringan otak. Meski memiliki dimensi kurang dari satu milimeter, organoid menyimpan kumpulan sel yang dapat menghasilkan aktivitas listrik. Tim penelitian selanjutnya memberikan pola stimulasi yang mewakili huruf Braille. Sinyal yang dihasilkan jaringan saraf diproses melalui sistem klasifikasi digital untuk menentukan kesesuaian respons dengan rangsangan. Eksperimen ini menunjukkan hubungan antara sensor buatan dan jaringan biologis.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Sebagai langkah awal penelitian, ilmuwan menggunakan sensor sentuhan untuk mendeteksi pola sentuhan pada simbol Braille. Huruf Braille mengandalkan susunan titik tertentu yang dapat dikenali melalui sentuhan. Melalui proses perekaman sensor, peneliti merekam pola yang mewakili 26 huruf. Informasi taktil yang diperoleh kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Tahapan konversi ini memungkinkan komunikasi awal antara sensor mekanis dan jaringan saraf.
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. Pada penelitian ini, organoid merespons impuls elektronik yang sudah dikodekan. Sebagai respons terhadap stimulasi, organoid menunjukkan pola impuls saraf yang ditangkap oleh sistem pengukuran. Berkat rangkaian proses ini, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Meski demikian, proses tersebut tidak berarti organoid memahami bahasa Braille.
Teknologi Pembelajaran Mesin untuk Membaca Sinyal Jaringan Saraf
Ketika aktivitas neuron berhasil direkam, peneliti menerapkan sistem klasifikasi berbasis komputer untuk menentukan kategori rangsangan yang diterima. Metode yang dipilih adalah support vector machine atau SVM, yaitu teknik pembelajaran mesin untuk mengelompokkan data. Pada proses analisis, sistem mempelajari hubungan antara aktivitas saraf dan stimulus Braille. Setelah pola respons dipelajari, algoritma menentukan kategori sinyal yang diterima. Berkat pengolahan data tersebut, jaringan saraf hidup mendukung pembentukan sinyal yang dapat dibaca komputer.
Keterlibatan sistem klasifikasi penting dibedakan dari kemampuan organoid. Pada konfigurasi eksperimen, organoid tidak memberikan jawaban berupa huruf secara langsung. Yang terjadi adalah, respons saraf dikumpulkan lalu dianalisis melalui model pembelajaran mesin. Hasil klasifikasi tersebut membuktikan adanya pola sinyal yang dapat dibedakan. Namun demikian, hasilnya belum dapat digunakan untuk menyimpulkan adanya pembelajaran biologis jangka panjang. Penjelasan tersebut menjaga ketepatan interpretasi teknologi.
Tiga Organoid Otak Tingkatkan Akurasi Pengenalan Braille Menjadi 83 Persen
Hasil paling menonjol adalah peningkatan kemampuan klasifikasi ketika beberapa organoid digabungkan. Ketika sistem hanya memanfaatkan satu jaringan mini, algoritma menghasilkan ketepatan pengenalan sekitar 61 persen. Sementara itu, penggunaan tiga organoid memberikan hasil pengenalan pola sebesar 83 persen. Perbedaan hasil ini mengindikasikan informasi tambahan dari sejumlah organoid dapat membantu klasifikasi. Berdasarkan rancangan penelitian tersebut, 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. Sebagai bagian dari pengukuran performa, ilmuwan memodifikasi data masukan menggunakan noise sintetis. 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.
Manfaat Jaringan Saraf Biologis bagi Teknologi Komputasi Generasi Baru
Eksperimen pengolahan sinyal biologis membuka kemungkinan penelitian baru bagi komputasi hemat energi. Otak manusia dikenal memiliki efisiensi energi yang tinggi. Karena karakteristik tersebut, ilmuwan menguji kemungkinan integrasi sel biologis sebagai elemen dalam arsitektur biohibrida. Ketika sistem biologis dapat dikendalikan lebih baik, organoid mungkin membantu pengembangan perangkat komputasi baru. Namun demikian, hasil pengujian belum cukup untuk menyatakan penghematan energi sistem.
Dalam perjalanan menuju komputasi biohibrida komersial, sejumlah hambatan pengembangan harus diselesaikan. Material biologis tersebut terdiri dari sel aktif sehingga memerlukan lingkungan pemeliharaan khusus. Di samping kebutuhan pemeliharaan, aktivitas neuron tidak selalu identik antarsampel karena struktur jaringan dan kondisi perkembangan tidak seragam. Ketidakseragaman biologis tersebut membuat standardisasi menjadi sulit. Selain tantangan rekayasa, pemanfaatan sel manusia dalam perangkat komputasi juga harus memperhatikan prinsip penelitian biologis, termasuk pengawasan penggunaan material biologis.
Masa Depan Teknologi Komputasi Biohibrida Berbasis Jaringan Saraf
Penelitian dari University of Bristol memberikan hasil yang menjanjikan dalam pengembangan antarmuka jaringan saraf dan perangkat elektronik. Berkat pengodean informasi Braille, 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. Walaupun menunjukkan hasil positif, eksperimen ini belum membuktikan pembelajaran organoid. Ke depan, pengembangan sistem umpan balik dua arah dapat membantu memahami kemampuan adaptasi organoid. Menurut pandangan Anda, apakah pengembangan pemrosesan informasi biologis mampu menghadirkan pendekatan baru yang bermanfaat? Sampaikan pandangan Anda mengenai masa depan penelitian organoid otak.
