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 sistem kecerdasan buatan semakin mendorong kebutuhan terhadap arsitektur komputasi hemat energi. Pada sebagian besar perangkat elektronik, aktivitas komputasi digital mengandalkan prosesor berbasis silikon. Namun demikian, kebutuhan energi komputasi memerlukan pendekatan yang lebih efisien. Menanggapi tantangan tersebut, ilmuwan University of Bristol meneliti penggunaan organoid otak sebagai komponen pemrosesan biologis. Pendekatan ini menghubungkan organoid hidup dengan perangkat komputasi untuk mempelajari respons biologis terhadap data.
Pada studi yang dipublikasikan, tim ilmuwan menempatkan organoid yang ditumbuhkan menggunakan teknik laboratorium untuk merespons sinyal elektronik. Organoid tersebut tidak memiliki seluruh kemampuan otak manusia. Kendati bentuknya jauh lebih sederhana, organoid menyimpan kumpulan sel yang dapat menghasilkan aktivitas listrik. Dalam pengujian berikutnya, ilmuwan memberikan pola stimulasi yang mewakili huruf Braille. Hasil respons biologis dianalisis menggunakan algoritma komputer untuk menentukan kesesuaian respons dengan rangsangan. Eksperimen ini memberikan dasar pengembangan sistem komputasi biohibrida.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Sebagai langkah awal penelitian, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk mengumpulkan informasi huruf Braille. Sistem tulisan Braille merepresentasikan karakter melalui pola titik yang digunakan sebagai media komunikasi taktil. Dalam eksperimen tersebut, peneliti mengambil informasi dari 26 huruf alfabet Braille. Data hasil pembacaan sensor kemudian diubah menjadi pola stimulasi listrik. Tahapan konversi ini menjadi penghubung utama antara sensor mekanis dan jaringan saraf.
Setelah proses pengodean selesai, peneliti menyalurkan impuls listrik lewat sistem elektroda mikro. Multielectrode array atau MEA merupakan sistem antarmuka elektronik untuk jaringan saraf. Pada penelitian ini, organoid merespons impuls elektronik yang sudah dikodekan. Sebagai respons terhadap stimulasi, organoid menunjukkan pola impuls saraf yang ditangkap oleh sistem pengukuran. Melalui mekanisme tersebut, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Namun, proses tersebut tidak berarti organoid memahami bahasa Braille.
Algoritma Machine Learning Membantu Mengenali Respons Organoid
Ketika aktivitas neuron berhasil direkam, peneliti menerapkan sistem klasifikasi berbasis komputer untuk menentukan kategori rangsangan yang diterima. Pendekatan klasifikasi tersebut adalah support vector machine atau SVM, yaitu teknik pembelajaran mesin untuk mengelompokkan data. Dalam eksperimen, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Pada tahap klasifikasi, algoritma menentukan kategori sinyal yang diterima. Melalui kombinasi biologis dan digital, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Peran pembelajaran mesin perlu dipahami secara tepat. Pada konfigurasi eksperimen, organoid bukan pihak yang menentukan label alfabet secara mandiri. Sementara itu, aktivitas neuron direkam lalu dianalisis melalui model pembelajaran mesin. Hasil klasifikasi tersebut menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Walaupun memperlihatkan potensi besar, penelitian belum membuktikan kemampuan belajar organoid. Penjelasan tersebut menjaga ketepatan interpretasi teknologi.
Hasil Eksperimen Komputasi Biohibrida dengan Satu dan Tiga Organoid
Hasil paling menonjol adalah peningkatan kemampuan klasifikasi ketika beberapa organoid digabungkan. Ketika sistem hanya memanfaatkan satu jaringan mini, algoritma mencatat keberhasilan klasifikasi sebesar 61 persen. Sebagai perbandingan, penggunaan tiga organoid memberikan hasil pengenalan pola sebesar 83 persen. Perbedaan hasil ini 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 kombinasi tiga organoid memiliki ketahanan lebih baik terhadap gangguan sinyal. Untuk mengevaluasi ketahanan sistem, ilmuwan memodifikasi data masukan menggunakan noise sintetis. Kemudian, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Hasilnya, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Meski demikian, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Peluang Penggunaan Organoid Otak dalam Sistem Pemrosesan Masa Depan
Eksperimen pengolahan sinyal biologis membuka kemungkinan penelitian baru bagi teknologi komputer masa depan. Sistem saraf biologis manusia menjadi inspirasi bagi rancangan komputasi efisien. Karena karakteristik tersebut, ilmuwan mengeksplorasi pemanfaatan jaringan neuron hidup sebagai komponen pengolah informasi. Ketika sistem biologis dapat dikendalikan lebih baik, organoid dapat menjadi bagian dari pendekatan pemrosesan alternatif. Meski konsepnya menjanjikan, belum ada bukti bahwa sistem eksperimen ini lebih hemat energi secara keseluruhan.
Dalam perjalanan menuju komputasi biohibrida komersial, sejumlah hambatan pengembangan harus diselesaikan. Komponen saraf yang digunakan masih membutuhkan kondisi biologis sesuai sehingga harus dijaga agar tetap hidup. Di samping kebutuhan pemeliharaan, respons setiap organoid dapat berbeda karena hubungan antarneuron dapat bervariasi. Ketidakseragaman biologis tersebut memerlukan metode kalibrasi dan pengendalian yang lebih baik. Tidak hanya berkaitan dengan performa, penggunaan jaringan biologis manusia juga membutuhkan pertimbangan etika, termasuk asal sel dan persetujuan donor.
Kesimpulan Penelitian Organoid Otak dalam Mengenali Huruf Braille
Penelitian dari University of Bristol memberikan hasil yang menjanjikan dalam pengembangan antarmuka jaringan saraf dan perangkat elektronik. Dengan memanfaatkan sensor sentuhan, susunan mikroelektroda, serta algoritma pembelajaran mesin, peneliti menunjukkan bahwa jaringan saraf menghasilkan informasi yang dapat diklasifikasikan. Perbaikan hasil melalui penggunaan tiga organoid menunjukkan manfaat pemanfaatan beberapa organoid. Meskipun demikian, eksperimen ini belum membuktikan pembelajaran organoid. Ke depan, pengujian rangsangan sentuhan yang lebih kompleks berpotensi memperluas penelitian komputasi biologis. Menurut pandangan Anda, apakah teknologi komputer yang memanfaatkan jaringan saraf hidup mampu menghadirkan pendekatan baru yang bermanfaat? Bagikan pemikiran Anda mengenai manfaat dan tantangan teknologi tersebut.
