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
Kemajuan inovasi pemrosesan informasi terus meningkatkan kebutuhan terhadap arsitektur komputasi hemat energi. Dalam sistem komputer konvensional, proses pengolahan informasi menggunakan rangkaian semikonduktor. Walaupun kemampuan perangkat keras semakin meningkat, penggunaan daya perangkat digital menjadi perhatian penting. Menanggapi tantangan tersebut, ilmuwan University of Bristol menguji penggunaan organoid otak sebagai komponen pemrosesan biologis. Konsep tersebut menggabungkan jaringan biologis dan perangkat elektronik untuk menguji potensi pemrosesan berbasis jaringan saraf.
Dalam penelitian tersebut, tim ilmuwan menggunakan organoid yang dikembangkan dari sel manusia untuk merespons sinyal elektronik. Organoid tersebut tidak memiliki seluruh kemampuan otak manusia. Meski memiliki dimensi kurang dari satu milimeter, organoid menyimpan kumpulan sel yang dapat menghasilkan aktivitas listrik. Tim penelitian selanjutnya memberikan pola stimulasi yang mewakili huruf Braille. Hasil respons biologis diproses melalui sistem klasifikasi digital untuk menentukan kesesuaian respons dengan rangsangan. Pendekatan penelitian tersebut menunjukkan hubungan antara sensor buatan dan jaringan biologis.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Untuk menjalankan eksperimen, ilmuwan menggunakan sensor sentuhan untuk mengumpulkan informasi huruf Braille. Sistem tulisan Braille merepresentasikan karakter melalui pola titik yang digunakan sebagai media komunikasi taktil. Pada tahap pengumpulan data, peneliti mengambil informasi dari 26 huruf alfabet Braille. Informasi taktil yang diperoleh kemudian diterjemahkan ke dalam rangkaian impuls elektronik. Proses tersebut memungkinkan komunikasi awal antara perangkat elektronik dengan sistem biologis.
Sesudah data taktil diubah menjadi sinyal listrik, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. Multielectrode array atau MEA merupakan sistem antarmuka elektronik untuk jaringan saraf. Melalui perangkat tersebut, organoid merespons impuls elektronik yang sudah dikodekan. Sebagai respons terhadap stimulasi, organoid memperlihatkan perubahan aktivitas neuron yang dipantau menggunakan perangkat elektronik. Berkat rangkaian proses ini, 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
Sesudah sinyal biologis dikumpulkan, 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. Pada proses analisis, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Pada tahap klasifikasi, algoritma mengidentifikasi rangsangan berdasarkan respons organoid. Dengan cara tersebut, jaringan saraf hidup menjadi bagian dari jalur pemrosesan informasi.
Peran pembelajaran mesin perlu dipahami secara tepat. Pada konfigurasi eksperimen, organoid tidak menghasilkan keluaran berupa karakter tertulis. Sebaliknya, sinyal biologis diukur lalu ditafsirkan oleh algoritma komputer. Hasil klasifikasi tersebut membuktikan adanya pola sinyal yang dapat dibedakan. Namun demikian, hasilnya belum dapat digunakan untuk menyimpulkan adanya pembelajaran biologis jangka panjang. Penjelasan tersebut penting untuk menghindari kesimpulan berlebihan.
Pengujian Multi-Organoid Menunjukkan Klasifikasi Huruf Lebih Akurat
Pencapaian penting dalam penelitian adalah peningkatan kemampuan klasifikasi ketika beberapa organoid digabungkan. Dalam pengujian menggunakan satu organoid, algoritma menghasilkan ketepatan pengenalan sekitar 61 persen. Pada konfigurasi berikutnya, penggunaan tiga organoid memberikan hasil pengenalan pola sebesar 83 persen. Kenaikan performa tersebut mengindikasikan informasi tambahan dari sejumlah organoid dapat membantu klasifikasi. Dalam konteks eksperimen, persentase tersebut menggambarkan keberhasilan decoder, bukan kemampuan organoid mengenali tulisan seperti manusia.
Peneliti juga menemukan bahwa penggabungan respons biologis meningkatkan ketahanan klasifikasi terhadap gangguan tertentu. Untuk mengevaluasi ketahanan sistem, ilmuwan memodifikasi data masukan menggunakan noise sintetis. Setelah gangguan diterapkan, peneliti mengevaluasi hasil biohibrida terhadap decoder tanpa organoid. Hasilnya, pengolahan melalui organoid membantu mempertahankan informasi. Walaupun hasil tersebut positif, alasan biologis peningkatan performa belum sepenuhnya dipahami.
Peluang Penggunaan Organoid Otak dalam Sistem Pemrosesan Masa Depan
Pengembangan sistem biohibrida memberikan arah pengembangan alternatif bagi arsitektur pemrosesan berdaya rendah. Otak manusia menjadi inspirasi bagi rancangan komputasi efisien. Berdasarkan prinsip kerja jaringan saraf, ilmuwan menguji kemungkinan integrasi sel biologis sebagai komponen pengolah informasi. Ketika sistem biologis dapat dikendalikan lebih baik, organoid mungkin membantu pengembangan perangkat komputasi baru. Walaupun memiliki potensi tersebut, hasil pengujian belum cukup untuk menyatakan penghematan energi sistem.
Dalam perjalanan menuju komputasi biohibrida komersial, sejumlah hambatan pengembangan harus diselesaikan. Material biologis tersebut terdiri dari sel aktif sehingga harus dijaga agar tetap hidup. Selain itu, aktivitas neuron tidak selalu identik antarsampel karena karakteristik biologis masing-masing organoid berlainan. Variasi respons ini memerlukan metode kalibrasi dan pengendalian yang lebih baik. Tidak hanya berkaitan dengan performa, pengembangan sistem berbasis organoid juga harus memperhatikan prinsip penelitian biologis, termasuk asal sel dan persetujuan donor.
Prospek Pengembangan Komputer Biologis setelah Eksperimen Braille
Eksperimen komputasi biohibrida yang dilakukan ilmuwan Inggris memberikan hasil yang menjanjikan dalam teknologi pemrosesan informasi biologis. Dengan memanfaatkan sensor sentuhan, sistem elektroda berukuran kecil, serta algoritma pembelajaran mesin, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Perbaikan hasil melalui penggunaan tiga organoid menunjukkan manfaat pemanfaatan beberapa organoid. Meskipun demikian, 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. Bagaimana menurut Anda, apakah teknologi komputer yang memanfaatkan jaringan saraf hidup berpotensi menjadi bagian dari komputer masa depan? Sampaikan pandangan Anda mengenai potensi komputer biologis.
