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
Kemajuan inovasi pemrosesan informasi terus meningkatkan kebutuhan terhadap pendekatan pemrosesan informasi alternatif. Pada sebagian besar perangkat elektronik, proses pengolahan informasi bergantung pada komponen elektronik. Walaupun kemampuan perangkat keras semakin meningkat, konsumsi listrik sistem pemrosesan mendorong pencarian solusi baru. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol meneliti penggunaan organoid otak sebagai bagian dari sistem komputasi biohibrida. Pendekatan ini menggabungkan jaringan biologis dan perangkat elektronik untuk mempelajari respons biologis terhadap data.
Pada studi yang dipublikasikan, tim ilmuwan memanfaatkan organoid yang dibentuk melalui kultur sel manusia untuk memproses stimulasi yang diberikan. Struktur sel saraf tersebut tidak memiliki seluruh kemampuan otak manusia. Meski memiliki dimensi kurang dari satu milimeter, organoid mengandung ribuan neuron. Tim penelitian selanjutnya mengirim rangsangan listrik berdasarkan pola sentuhan. Hasil respons biologis dianalisis menggunakan algoritma komputer untuk menentukan kesesuaian respons dengan rangsangan. Pendekatan penelitian tersebut memberikan dasar pengembangan sistem komputasi biohibrida.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Dalam merancang pengujian, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk mendeteksi pola sentuhan pada simbol Braille. Sistem tulisan Braille mengandalkan susunan titik tertentu yang dapat dikenali melalui sentuhan. Melalui proses perekaman sensor, peneliti mengambil informasi dari 26 huruf alfabet Braille. Informasi taktil yang diperoleh kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Proses tersebut berfungsi sebagai antarmuka penting antara perangkat elektronik dengan sistem biologis.
Sesudah data taktil diubah menjadi sinyal listrik, peneliti mengirimkan rangsangan melalui multielectrode array. Multielectrode array atau MEA merupakan perangkat yang memiliki sejumlah elektroda kecil. Melalui perangkat tersebut, organoid menerima stimulasi listrik sesuai pola tertentu. Sebagai respons terhadap stimulasi, organoid menghasilkan aktivitas listrik yang dapat direkam dan dianalisis. Berkat rangkaian proses ini, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Namun, proses tersebut tidak membuktikan adanya pemahaman simbol secara sadar.
Teknologi Pembelajaran Mesin untuk Membaca Sinyal Jaringan Saraf
Setelah memperoleh respons listrik organoid, peneliti memanfaatkan metode machine learning untuk membedakan respons terhadap setiap huruf. Algoritma yang digunakan adalah support vector machine atau SVM, yaitu algoritma yang dapat membedakan kategori berdasarkan karakteristik informasi. Dalam eksperimen, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Pada tahap klasifikasi, algoritma mengidentifikasi rangsangan berdasarkan respons organoid. Dengan cara tersebut, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Keterlibatan sistem klasifikasi penting dibedakan dari kemampuan organoid. Melalui sistem yang diuji, organoid tidak menghasilkan keluaran berupa karakter tertulis. Sementara itu, sinyal biologis diukur lalu dianalisis melalui model pembelajaran mesin. Hasil klasifikasi tersebut mengindikasikan jaringan biologis mampu menghasilkan respons informatif. Walaupun memperlihatkan potensi besar, penelitian belum membuktikan kemampuan belajar organoid. Penjelasan tersebut penting untuk menghindari kesimpulan berlebihan.
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 menghasilkan ketepatan pengenalan sekitar 61 persen. Sementara itu, penggunaan tiga organoid memberikan hasil pengenalan pola sebesar 83 persen. Kenaikan performa tersebut menunjukkan manfaat penggabungan respons biologis. Dalam konteks eksperimen, hasil itu menunjukkan ketepatan klasifikasi sinyal, bukan pemahaman bahasa oleh jaringan biologis.
Peneliti juga menemukan bahwa kombinasi tiga organoid memiliki ketahanan lebih baik terhadap gangguan sinyal. Untuk mengevaluasi ketahanan sistem, ilmuwan memodifikasi data masukan menggunakan noise sintetis. Pada tahap analisis berikutnya, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Berdasarkan perbandingan tersebut, respons gabungan organoid lebih tahan terhadap sejumlah gangguan. Meski demikian, peneliti belum mengetahui secara pasti penyebab peningkatannya.
Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi
Penelitian organoid otak memberikan arah pengembangan alternatif bagi teknologi komputer masa depan. Otak manusia dikenal memiliki efisiensi energi yang tinggi. Karena karakteristik tersebut, ilmuwan menguji kemungkinan integrasi sel biologis sebagai komponen pengolah informasi. Apabila teknologi ini terus berkembang, organoid dapat menjadi bagian dari pendekatan pemrosesan alternatif. Walaupun memiliki potensi tersebut, efisiensi daya perangkat biohibrida lengkap belum terbukti unggul.
Untuk mencapai penggunaan praktis, sejumlah hambatan pengembangan harus diselesaikan. Komponen saraf yang digunakan masih membutuhkan kondisi biologis sesuai sehingga membutuhkan pengaturan suhu dan nutrisi. Tantangan lainnya, aktivitas neuron tidak selalu identik antarsampel karena hubungan antarneuron dapat bervariasi. Variasi respons ini menantang proses pengembangan sistem yang konsisten. Di samping aspek teknis, pemanfaatan sel manusia dalam perangkat komputasi juga membutuhkan pertimbangan etika, termasuk batas pengembangan sistem saraf hidup.
Kesimpulan Penelitian Organoid Otak dalam Mengenali Huruf Braille
Pengembangan sistem pengolahan Braille menggunakan organoid otak menghadirkan temuan menarik dalam penelitian komputasi generasi baru. Dengan memanfaatkan sensor sentuhan, susunan mikroelektroda, serta metode klasifikasi digital, peneliti berhasil mengidentifikasi pola huruf dari respons organoid. Perbaikan hasil melalui penggunaan tiga organoid memberikan dasar penelitian sistem biohibrida yang lebih kompleks. Walaupun menunjukkan hasil positif, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Ke depan, pengujian rangsangan sentuhan yang lebih kompleks berpotensi memperluas penelitian komputasi biologis. Apa pendapat Anda, apakah pengembangan pemrosesan informasi biologis dapat membuka peluang inovasi komputasi hemat energi? Silakan bagikan pendapat Anda mengenai potensi komputer biologis.
