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 teknologi komputasi modern semakin mendorong kebutuhan terhadap metode pengolahan data yang efisien. Selama ini, pelaksanaan perhitungan elektronik bergantung pada komponen elektronik. Walaupun kemampuan perangkat keras semakin meningkat, penggunaan daya perangkat digital menjadi perhatian penting. Dalam upaya mengeksplorasi metode baru, ilmuwan University of Bristol menguji penggunaan organoid otak sebagai bagian dari sistem komputasi biohibrida. Pendekatan ini menghubungkan organoid hidup dengan perangkat komputasi untuk mempelajari respons biologis terhadap data.
Dalam penelitian tersebut, tim ilmuwan memanfaatkan organoid yang ditumbuhkan menggunakan teknik laboratorium untuk merespons sinyal elektronik. Organoid tersebut hanya merepresentasikan sebagian karakteristik jaringan otak. Kendati bentuknya jauh lebih sederhana, organoid menyimpan kumpulan sel yang dapat menghasilkan aktivitas listrik. Peneliti kemudian menyampaikan informasi Braille melalui elektroda. Aktivitas listrik yang muncul dianalisis menggunakan algoritma komputer untuk membedakan informasi yang diberikan. Pengujian tersebut memperlihatkan potensi pemrosesan informasi melalui organoid.
Mekanisme Sensor Sentuhan dan Elektroda pada Komputasi Biohibrida
Untuk menjalankan eksperimen, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk mengumpulkan informasi huruf Braille. Sistem tulisan Braille menggunakan kombinasi titik timbul yang memiliki konfigurasi berbeda untuk setiap huruf. Pada tahap pengumpulan data, peneliti merekam pola yang mewakili 26 huruf. Data hasil pembacaan sensor kemudian dikodekan sebagai sinyal yang dapat diberikan kepada organoid. Mekanisme pengodean tersebut berfungsi sebagai antarmuka penting antara sensor mekanis dan jaringan saraf.
Setelah proses pengodean selesai, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. 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 menunjukkan pola impuls saraf yang dipantau menggunakan perangkat elektronik. Melalui mekanisme tersebut, data taktil dapat diteruskan melalui jaringan neuron hidup. Meski demikian, proses tersebut belum menunjukkan kemampuan membaca seperti manusia.
Teknologi Pembelajaran Mesin untuk Membaca Sinyal Jaringan Saraf
Sesudah sinyal biologis dikumpulkan, peneliti menggunakan algoritma pembelajaran mesin untuk menentukan kategori rangsangan yang diterima. Metode yang dipilih adalah support vector machine atau SVM, yaitu algoritma yang dapat membedakan kategori berdasarkan karakteristik informasi. Melalui tahap pemrosesan digital, sistem menganalisis perbedaan sinyal biologis yang dihasilkan. Selanjutnya, algoritma memperkirakan huruf yang sesuai. Dengan cara tersebut, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Keterlibatan sistem klasifikasi tidak boleh disamakan dengan kecerdasan biologis mandiri. Dalam penelitian tersebut, organoid tidak menghasilkan keluaran berupa karakter tertulis. Sementara itu, sinyal biologis diukur lalu dianalisis melalui model pembelajaran mesin. Keberhasilan pengujian menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Meski hasilnya menarik, eksperimen tidak menunjukkan perubahan perilaku melalui latihan berulang. Pembedaan tersebut penting untuk menghindari kesimpulan berlebihan.
Pengujian Multi-Organoid Menunjukkan Klasifikasi Huruf Lebih Akurat
Salah satu temuan utama adalah peningkatan kemampuan klasifikasi ketika beberapa organoid digabungkan. Pada konfigurasi organoid tunggal, algoritma menghasilkan ketepatan pengenalan sekitar 61 persen. Sementara itu, penggunaan tiga organoid meningkatkan akurasi menjadi 83 persen. Perbedaan hasil ini memperlihatkan potensi penggunaan beberapa jaringan saraf. Pada pengujian laboratorium ini, hasil itu menunjukkan ketepatan klasifikasi sinyal, bukan kemampuan membaca dokumen Braille secara mandiri.
Eksperimen tersebut memperlihatkan bahwa penggabungan respons biologis meningkatkan ketahanan klasifikasi terhadap gangguan tertentu. Untuk mengevaluasi ketahanan sistem, ilmuwan menambahkan gangguan buatan pada sinyal Braille. Kemudian, peneliti mengevaluasi hasil biohibrida terhadap decoder tanpa organoid. Hasilnya, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Walaupun hasil tersebut positif, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi
Eksperimen pengolahan sinyal biologis memunculkan peluang menarik bagi arsitektur pemrosesan berdaya rendah. Jaringan neuron alami dikenal memiliki efisiensi energi yang tinggi. Karena karakteristik tersebut, ilmuwan tertarik mempelajari penggunaan organoid sebagai elemen dalam arsitektur biohibrida. Ketika sistem biologis dapat dikendalikan lebih baik, organoid mungkin membantu pengembangan perangkat komputasi baru. Walaupun memiliki potensi tersebut, efisiensi daya perangkat biohibrida lengkap belum terbukti unggul.
Untuk mencapai penggunaan praktis, berbagai tantangan teknis masih perlu diatasi. Material biologis tersebut terdiri dari sel aktif sehingga membutuhkan pengaturan suhu dan nutrisi. Tantangan lainnya, aktivitas neuron tidak selalu identik antarsampel karena struktur jaringan dan kondisi perkembangan tidak seragam. Perbedaan tersebut membuat standardisasi menjadi sulit. Di samping aspek teknis, pemanfaatan sel manusia dalam perangkat komputasi juga memerlukan tata kelola penelitian yang bertanggung jawab, termasuk pengawasan penggunaan material biologis.
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, susunan mikroelektroda, serta algoritma pembelajaran mesin, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Perbaikan hasil melalui penggunaan tiga organoid menjadi indikasi potensi penggabungan jaringan biologis. Meskipun demikian, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Pada tahap pengembangan selanjutnya, pengembangan sistem umpan balik dua arah dapat membantu memahami kemampuan adaptasi organoid. Bagaimana menurut Anda, apakah komputasi biohibrida berbasis organoid mampu menghadirkan pendekatan baru yang bermanfaat? Sampaikan pandangan Anda mengenai manfaat dan tantangan teknologi tersebut.
