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 terus meningkatkan kebutuhan terhadap arsitektur komputasi hemat energi. Pada sebagian besar perangkat elektronik, proses pengolahan informasi mengandalkan prosesor berbasis silikon. Meski teknologi tersebut terus berkembang, kebutuhan energi komputasi menjadi perhatian penting. Dalam upaya mengeksplorasi metode baru, ilmuwan University of Bristol menguji penggunaan organoid otak sebagai bagian dari sistem komputasi biohibrida. Rancangan penelitian ini menggabungkan jaringan biologis dan perangkat elektronik untuk mengeksplorasi kemampuan pengolahan informasi.
Dalam penelitian tersebut, tim ilmuwan menggunakan organoid yang ditumbuhkan menggunakan teknik laboratorium untuk memproses stimulasi yang diberikan. Jaringan biologis mini ini tidak memiliki seluruh kemampuan otak manusia. Meski memiliki dimensi kurang dari satu milimeter, organoid menyimpan kumpulan sel yang dapat menghasilkan aktivitas listrik. Peneliti kemudian menyampaikan informasi Braille melalui elektroda. Hasil respons biologis dianalisis menggunakan algoritma komputer untuk menentukan kesesuaian respons dengan rangsangan. Eksperimen ini memperlihatkan potensi pemrosesan informasi melalui organoid.
Cara Kerja Organoid Otak dalam Memproses Pola Huruf Braille
Untuk menjalankan eksperimen, ilmuwan menggunakan sensor sentuhan untuk merekam karakteristik susunan titik Braille. Huruf Braille mengandalkan susunan titik tertentu yang dapat dikenali melalui sentuhan. Dalam eksperimen tersebut, peneliti menggunakan seluruh 26 karakter alfabet dalam pengujian. Informasi taktil yang diperoleh kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Mekanisme pengodean tersebut menjadi penghubung utama antara informasi fisik dan organoid otak.
Ketika pola stimulasi telah disiapkan, peneliti menyalurkan impuls listrik lewat sistem elektroda mikro. Multielectrode array atau MEA merupakan perangkat yang memiliki sejumlah elektroda kecil. Dalam rancangan pengujian, organoid menerima stimulasi listrik sesuai pola tertentu. Sebagai respons terhadap stimulasi, organoid memperlihatkan perubahan aktivitas neuron yang ditangkap oleh sistem pengukuran. Dengan demikian, data taktil dapat diteruskan melalui jaringan neuron hidup. Akan tetapi, proses tersebut tidak membuktikan adanya pemahaman simbol secara sadar.
Algoritma Machine Learning Membantu Mengenali Respons Organoid
Setelah memperoleh respons listrik organoid, peneliti menerapkan sistem klasifikasi berbasis komputer untuk membedakan respons terhadap setiap huruf. Metode yang dipilih adalah support vector machine atau SVM, yaitu teknik pembelajaran mesin untuk mengelompokkan data. Pada proses analisis, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Setelah pola respons dipelajari, algoritma memperkirakan huruf yang sesuai. Berkat pengolahan data tersebut, jaringan saraf hidup menjadi bagian dari jalur pemrosesan informasi.
Fungsi algoritma SVM tidak boleh disamakan dengan kecerdasan biologis mandiri. Pada konfigurasi eksperimen, organoid bukan pihak yang menentukan label alfabet secara mandiri. Sementara itu, respons saraf dikumpulkan lalu diklasifikasikan menggunakan perangkat lunak. Pencapaian sistem biohibrida menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Namun demikian, penelitian belum membuktikan kemampuan belajar organoid. Pembedaan 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. Pada konfigurasi organoid tunggal, algoritma mampu mengklasifikasikan huruf dengan akurasi rata-rata 61 persen. Sebagai perbandingan, penggunaan tiga organoid menghasilkan ketepatan klasifikasi sekitar 83 persen. Kenaikan performa tersebut memperlihatkan potensi penggunaan beberapa jaringan saraf. Dalam konteks eksperimen, 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. Untuk mengevaluasi ketahanan sistem, ilmuwan menambahkan gangguan buatan pada sinyal Braille. Setelah gangguan diterapkan, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Berdasarkan perbandingan tersebut, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Walaupun hasil tersebut positif, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Peluang Penggunaan Organoid Otak dalam Sistem Pemrosesan Masa Depan
Penelitian organoid otak memunculkan peluang menarik bagi teknologi komputer masa depan. Otak manusia menjadi inspirasi bagi rancangan komputasi efisien. Berdasarkan prinsip kerja jaringan saraf, ilmuwan menguji kemungkinan integrasi sel biologis sebagai komponen pengolah informasi. Jika penelitian lanjutan menunjukkan hasil yang konsisten, organoid mungkin membantu pengembangan perangkat komputasi baru. Namun demikian, belum ada bukti bahwa sistem eksperimen ini lebih hemat energi secara keseluruhan.
Untuk mencapai penggunaan praktis, berbagai tantangan teknis masih perlu diatasi. Komponen saraf yang digunakan masih membutuhkan kondisi biologis sesuai sehingga harus dijaga agar tetap hidup. Selain itu, variasi biologis dapat memengaruhi hasil karena karakteristik biologis masing-masing organoid berlainan. Perbedaan tersebut membuat standardisasi menjadi sulit. Selain tantangan rekayasa, pemanfaatan sel manusia dalam perangkat komputasi juga memerlukan tata kelola penelitian yang bertanggung jawab, termasuk batas pengembangan sistem saraf hidup.
Prospek Pengembangan Komputer Biologis setelah Eksperimen Braille
Penelitian dari University of Bristol menghadirkan temuan menarik dalam pengembangan antarmuka jaringan saraf dan perangkat elektronik. Berkat pengodean informasi Braille, sistem elektroda berukuran kecil, serta teknologi machine learning, peneliti berhasil mengidentifikasi pola huruf dari respons organoid. Peningkatan akurasi dari 61 persen menjadi 83 persen menjadi indikasi potensi penggabungan jaringan biologis. Walaupun menunjukkan hasil positif, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Dalam penelitian berikutnya, eksperimen dengan tekstur dan pola berbeda mungkin memberikan informasi mengenai pemrosesan saraf yang lebih mendalam. Apa pendapat Anda, apakah pengembangan pemrosesan informasi biologis berpotensi menjadi bagian dari komputer masa depan? Bagikan pemikiran Anda mengenai manfaat dan tantangan teknologi tersebut.
