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 inovasi pemrosesan informasi memperbesar kebutuhan terhadap pendekatan pemrosesan informasi alternatif. Pada sebagian besar perangkat elektronik, aktivitas komputasi digital menggunakan rangkaian semikonduktor. Namun demikian, kebutuhan energi komputasi mendorong pencarian solusi baru. Menanggapi tantangan tersebut, ilmuwan University of Bristol meneliti penggunaan organoid otak sebagai komponen pemrosesan biologis. Pendekatan ini memadukan sel saraf dengan sistem digital untuk mengeksplorasi kemampuan pengolahan informasi.
Dalam penelitian tersebut, tim ilmuwan menggunakan organoid yang dikembangkan dari sel manusia untuk merespons sinyal elektronik. Organoid tersebut bukanlah otak manusia yang utuh. Kendati bentuknya jauh lebih sederhana, organoid mengandung ribuan neuron. Dalam pengujian berikutnya, ilmuwan menyampaikan informasi Braille melalui elektroda. Aktivitas listrik yang muncul diproses melalui sistem klasifikasi digital untuk mengidentifikasi pola huruf. Eksperimen ini memberikan dasar pengembangan sistem komputasi biohibrida.
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 menggunakan kombinasi titik timbul yang dapat dikenali melalui sentuhan. Dalam eksperimen tersebut, peneliti mengambil informasi dari 26 huruf alfabet Braille. Sinyal sentuhan yang direkam kemudian diubah menjadi pola stimulasi listrik. Tahapan konversi ini menjadi penghubung utama 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. Pada penelitian ini, organoid menerima stimulasi listrik sesuai pola tertentu. Setelah menerima rangsangan, organoid memperlihatkan perubahan aktivitas neuron yang ditangkap oleh sistem pengukuran. Melalui mekanisme tersebut, data taktil dapat diteruskan melalui jaringan neuron hidup. Namun, proses tersebut tidak berarti organoid memahami bahasa Braille.
Teknologi Pembelajaran Mesin untuk Membaca Sinyal Jaringan Saraf
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 algoritma yang dapat membedakan kategori berdasarkan karakteristik informasi. Dalam eksperimen, sistem menganalisis perbedaan sinyal biologis yang dihasilkan. Selanjutnya, algoritma memperkirakan huruf yang sesuai. Melalui kombinasi biologis dan digital, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Peran pembelajaran mesin penting dibedakan dari kemampuan organoid. Pada konfigurasi eksperimen, organoid bukan pihak yang menentukan label alfabet secara mandiri. Yang terjadi adalah, aktivitas neuron direkam lalu ditafsirkan oleh algoritma komputer. Hasil klasifikasi tersebut mengindikasikan jaringan biologis mampu menghasilkan respons informatif. Namun demikian, penelitian belum membuktikan kemampuan belajar organoid. Pemahaman ini penting untuk menghindari kesimpulan berlebihan.
Pengujian Multi-Organoid Menunjukkan Klasifikasi Huruf Lebih Akurat
Pencapaian penting dalam penelitian adalah perbedaan akurasi antara penggunaan satu dan tiga organoid. Dalam pengujian menggunakan satu organoid, algoritma menghasilkan ketepatan pengenalan sekitar 61 persen. Pada konfigurasi berikutnya, penggunaan tiga organoid meningkatkan akurasi menjadi 83 persen. Perbedaan hasil ini mengindikasikan informasi tambahan dari sejumlah organoid dapat membantu klasifikasi. Dalam konteks eksperimen, angka akurasi merujuk pada pengenalan pola stimulus, bukan kemampuan organoid mengenali tulisan seperti manusia.
Eksperimen tersebut memperlihatkan bahwa sistem multi-organoid lebih kuat menghadapi noise buatan. Untuk mengevaluasi ketahanan sistem, ilmuwan memberikan gangguan terhadap informasi taktil. Kemudian, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Hasilnya, pengolahan melalui organoid membantu mempertahankan informasi. Meski demikian, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi
Eksperimen pengolahan sinyal biologis membuka kemungkinan penelitian baru bagi komputasi hemat energi. Sistem saraf biologis manusia mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. Dengan mempertimbangkan kemampuan biologis 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, belum ada bukti bahwa sistem eksperimen ini lebih hemat energi secara keseluruhan.
Sebelum sistem dapat diterapkan secara luas, berbagai tantangan teknis masih perlu diatasi. Material biologis tersebut terdiri dari sel aktif sehingga membutuhkan pengaturan suhu dan nutrisi. Tantangan lainnya, variasi biologis dapat memengaruhi hasil karena struktur jaringan dan kondisi perkembangan tidak seragam. Variasi respons ini menantang proses pengembangan sistem yang konsisten. Selain tantangan rekayasa, pengembangan sistem berbasis organoid juga harus memperhatikan prinsip penelitian biologis, termasuk pengawasan penggunaan material biologis.
Prospek Pengembangan Komputer Biologis setelah Eksperimen Braille
Pengembangan sistem pengolahan Braille menggunakan organoid otak memberikan hasil yang menjanjikan dalam penelitian komputasi generasi baru. Melalui penggunaan perangkat pendeteksi taktil, susunan mikroelektroda, 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, pengujian rangsangan sentuhan yang lebih kompleks mungkin memberikan informasi mengenai pemrosesan saraf yang lebih mendalam. Apa pendapat Anda, apakah pengembangan pemrosesan informasi biologis mampu menghadirkan pendekatan baru yang bermanfaat? Bagikan pemikiran Anda mengenai potensi komputer biologis.
