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.
Terobosan Teknologi Organoid Otak dalam Mengenali Pola Braille
Pertumbuhan teknologi komputasi modern semakin mendorong kebutuhan terhadap arsitektur komputasi hemat energi. Pada sebagian besar perangkat elektronik, aktivitas komputasi digital menggunakan rangkaian semikonduktor. Meski teknologi tersebut terus berkembang, kebutuhan energi komputasi mendorong pencarian solusi baru. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol mengevaluasi penggunaan organoid otak sebagai jaringan saraf hidup untuk mengolah sinyal. Konsep tersebut menghubungkan organoid hidup dengan perangkat komputasi untuk menguji potensi pemrosesan berbasis jaringan saraf.
Pada studi yang dipublikasikan, tim ilmuwan menggunakan organoid yang dikembangkan dari sel manusia untuk merespons sinyal elektronik. Jaringan biologis mini ini hanya merepresentasikan sebagian karakteristik jaringan otak. Meski memiliki dimensi kurang dari satu milimeter, organoid memiliki jaringan sel saraf hidup. Peneliti kemudian mengirim rangsangan listrik berdasarkan pola sentuhan. Hasil respons biologis dievaluasi dengan metode pembelajaran mesin untuk menentukan kesesuaian respons dengan rangsangan. Pendekatan penelitian tersebut memberikan dasar pengembangan sistem komputasi biohibrida.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Sebagai langkah awal penelitian, ilmuwan menggunakan sensor sentuhan untuk merekam karakteristik susunan titik Braille. Huruf Braille menggunakan kombinasi titik timbul yang dapat dikenali melalui sentuhan. Melalui proses perekaman sensor, peneliti mengambil informasi dari 26 huruf alfabet Braille. Data hasil pembacaan sensor kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Mekanisme pengodean tersebut menjadi penghubung utama antara perangkat elektronik dengan sistem biologis.
Setelah proses pengodean selesai, peneliti mengirimkan rangsangan melalui multielectrode array. Multielectrode array atau MEA merupakan perangkat yang memiliki sejumlah elektroda kecil. Dalam rancangan pengujian, organoid merespons impuls elektronik yang sudah dikodekan. Setelah menerima rangsangan, organoid menghasilkan aktivitas listrik yang dapat direkam dan dianalisis. Berkat rangkaian proses ini, informasi sentuhan dapat direpresentasikan dalam respons biologis. Akan tetapi, proses tersebut belum menunjukkan kemampuan membaca seperti manusia.
Peran Support Vector Machine dalam Klasifikasi Huruf Braille
Ketika aktivitas neuron berhasil direkam, peneliti menerapkan sistem klasifikasi berbasis komputer untuk menentukan kategori rangsangan yang diterima. Algoritma yang digunakan 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. Pada tahap klasifikasi, algoritma memperkirakan huruf yang sesuai. Dengan cara tersebut, jaringan saraf hidup menjadi bagian dari jalur pemrosesan informasi.
Keterlibatan sistem klasifikasi penting dibedakan dari kemampuan organoid. Pada konfigurasi eksperimen, organoid bukan pihak yang menentukan label alfabet secara mandiri. Yang terjadi adalah, aktivitas neuron direkam lalu dianalisis melalui model pembelajaran mesin. Keberhasilan pengujian menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Namun demikian, penelitian belum membuktikan kemampuan belajar organoid. Pemahaman ini menjaga ketepatan interpretasi teknologi.
Hasil Eksperimen Komputasi Biohibrida dengan Satu dan Tiga Organoid
Hasil paling menonjol adalah perbaikan hasil pengenalan pola melalui kombinasi jaringan biologis. Pada konfigurasi organoid tunggal, algoritma mencatat keberhasilan klasifikasi sebesar 61 persen. Pada konfigurasi berikutnya, penggunaan tiga organoid memberikan hasil pengenalan pola sebesar 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 kemampuan membaca dokumen Braille secara mandiri.
Hasil pengujian turut menunjukkan bahwa sistem multi-organoid lebih kuat menghadapi noise buatan. Dalam pengujian tambahan, ilmuwan menambahkan gangguan buatan pada sinyal Braille. Setelah gangguan diterapkan, peneliti membandingkan klasifikasi respons organoid dengan pemrosesan langsung sinyal yang terganggu. Hasilnya, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Meski demikian, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Manfaat Jaringan Saraf Biologis bagi Teknologi Komputasi Generasi Baru
Eksperimen pengolahan sinyal biologis memberikan arah pengembangan alternatif bagi arsitektur pemrosesan berdaya rendah. 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 dapat menjadi bagian dari pendekatan pemrosesan alternatif. Walaupun memiliki potensi tersebut, hasil pengujian belum cukup untuk menyatakan penghematan energi sistem.
Untuk mencapai penggunaan praktis, peneliti menghadapi berbagai persoalan penting. Material biologis tersebut terdiri dari sel aktif sehingga membutuhkan pengaturan suhu dan nutrisi. Di samping kebutuhan pemeliharaan, variasi biologis dapat memengaruhi hasil karena struktur jaringan dan kondisi perkembangan tidak seragam. Variasi respons ini menantang proses pengembangan sistem yang konsisten. Tidak hanya berkaitan dengan performa, penggunaan jaringan biologis manusia 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 penelitian komputasi generasi baru. Berkat pengodean informasi Braille, sistem elektroda berukuran kecil, serta algoritma pembelajaran mesin, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Perbaikan hasil melalui penggunaan tiga organoid memberikan dasar penelitian sistem biohibrida yang lebih kompleks. Meskipun demikian, penelitian belum menunjukkan kemampuan berpikir atau membaca secara sadar. Dalam penelitian berikutnya, eksperimen dengan tekstur dan pola berbeda berpotensi memperluas penelitian komputasi biologis. Apa pendapat Anda, apakah pengembangan pemrosesan informasi biologis berpotensi menjadi bagian dari komputer masa depan? Sampaikan pandangan Anda mengenai masa depan penelitian organoid otak.
