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.
Peneliti University of Bristol Kembangkan Komputasi Biohibrida Berbasis Organoid Otak
Pertumbuhan sistem kecerdasan buatan terus meningkatkan kebutuhan terhadap arsitektur komputasi hemat energi. Pada sebagian besar perangkat elektronik, proses pengolahan informasi bergantung pada komponen elektronik. Namun demikian, konsumsi listrik sistem pemrosesan mendorong pencarian solusi baru. Menanggapi tantangan tersebut, ilmuwan University of Bristol meneliti penggunaan organoid otak sebagai jaringan saraf hidup untuk mengolah sinyal. Pendekatan ini menggabungkan jaringan biologis dan perangkat elektronik untuk menguji potensi pemrosesan berbasis jaringan saraf.
Dalam penelitian tersebut, tim ilmuwan menempatkan organoid yang dikembangkan dari sel manusia untuk menerima rangsangan listrik. Struktur sel saraf tersebut bukanlah otak manusia yang utuh. Walaupun ukurannya sangat kecil, organoid mengandung ribuan neuron. Peneliti kemudian mengirim rangsangan listrik berdasarkan pola sentuhan. Aktivitas listrik yang muncul dianalisis menggunakan algoritma komputer untuk menentukan kesesuaian respons dengan rangsangan. Eksperimen ini memperlihatkan potensi pemrosesan informasi melalui organoid.
Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis
Dalam merancang pengujian, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk mengumpulkan informasi huruf Braille. Huruf Braille mengandalkan susunan titik tertentu yang memiliki konfigurasi berbeda untuk setiap huruf. Dalam eksperimen tersebut, peneliti mengambil informasi dari 26 huruf alfabet Braille. Data hasil pembacaan sensor kemudian diterjemahkan ke dalam rangkaian impuls elektronik. Mekanisme pengodean tersebut berfungsi sebagai antarmuka penting antara perangkat elektronik dengan sistem biologis.
Ketika pola stimulasi telah disiapkan, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. Multielectrode array atau MEA merupakan sistem antarmuka elektronik untuk jaringan saraf. Pada penelitian ini, organoid merespons impuls elektronik yang sudah dikodekan. Jaringan saraf kemudian, organoid memperlihatkan perubahan aktivitas neuron yang dapat direkam dan dianalisis. Berkat rangkaian proses ini, data taktil dapat diteruskan melalui jaringan neuron hidup. Akan tetapi, proses tersebut belum menunjukkan kemampuan membaca seperti manusia.
Algoritma Machine Learning Membantu Mengenali Respons Organoid
Sesudah sinyal biologis dikumpulkan, peneliti menggunakan algoritma pembelajaran mesin untuk membedakan respons terhadap setiap huruf. Algoritma yang digunakan adalah support vector machine atau SVM, yaitu teknik pembelajaran mesin untuk mengelompokkan data. Pada proses analisis, sistem mempelajari hubungan antara aktivitas saraf dan stimulus Braille. Selanjutnya, algoritma mengidentifikasi rangsangan berdasarkan respons organoid. Berkat pengolahan data tersebut, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Keterlibatan sistem klasifikasi penting dibedakan dari kemampuan organoid. Pada konfigurasi eksperimen, organoid bukan pihak yang menentukan label alfabet secara mandiri. Sementara itu, aktivitas neuron direkam lalu ditafsirkan oleh algoritma komputer. Pencapaian sistem biohibrida menunjukkan bahwa informasi tertentu bertahan dalam respons organoid. Meski hasilnya menarik, penelitian belum membuktikan kemampuan belajar organoid. Pemahaman ini menjaga ketepatan interpretasi teknologi.
Hasil Eksperimen Komputasi Biohibrida dengan Satu dan Tiga Organoid
Salah satu temuan utama adalah perbaikan hasil pengenalan pola melalui kombinasi jaringan biologis. Pada konfigurasi organoid tunggal, algoritma mampu mengklasifikasikan huruf dengan akurasi rata-rata 61 persen. Pada konfigurasi berikutnya, penggunaan tiga organoid meningkatkan akurasi menjadi 83 persen. Perbedaan hasil ini memperlihatkan potensi penggunaan beberapa jaringan saraf. Berdasarkan rancangan penelitian tersebut, angka akurasi merujuk pada pengenalan pola stimulus, bukan kemampuan membaca dokumen Braille secara mandiri.
Hasil pengujian turut menunjukkan bahwa penggabungan respons biologis meningkatkan ketahanan klasifikasi terhadap gangguan tertentu. Sebagai bagian dari pengukuran performa, ilmuwan memberikan gangguan terhadap informasi taktil. Setelah gangguan diterapkan, peneliti mengevaluasi hasil biohibrida terhadap decoder tanpa organoid. Hasilnya, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Kendati menunjukkan ketahanan terhadap noise, alasan biologis peningkatan performa belum sepenuhnya dipahami.
Peluang Penggunaan Organoid Otak dalam Sistem Pemrosesan Masa Depan
Eksperimen pengolahan sinyal biologis memunculkan peluang menarik bagi arsitektur pemrosesan berdaya rendah. Jaringan neuron alami mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. Dengan mempertimbangkan kemampuan biologis tersebut, ilmuwan mengeksplorasi pemanfaatan jaringan neuron hidup sebagai bagian dari sistem komputasi. 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.
Sebelum sistem dapat diterapkan secara luas, peneliti menghadapi berbagai persoalan penting. Organoid merupakan jaringan hidup sehingga membutuhkan pengaturan suhu dan nutrisi. Selain itu, variasi biologis dapat memengaruhi hasil karena hubungan antarneuron dapat bervariasi. Variasi respons ini membuat standardisasi menjadi sulit. Di samping aspek teknis, pengembangan sistem berbasis organoid juga membutuhkan pertimbangan etika, termasuk asal sel dan persetujuan donor.
Masa Depan Teknologi Komputasi Biohibrida Berbasis Jaringan Saraf
Penelitian dari University of Bristol memberikan hasil yang menjanjikan dalam penelitian komputasi generasi baru. Berkat pengodean informasi Braille, antarmuka elektronik jaringan biologis, serta teknologi machine learning, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Peningkatan akurasi dari 61 persen menjadi 83 persen menunjukkan manfaat pemanfaatan beberapa organoid. Meskipun demikian, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Pada tahap pengembangan selanjutnya, eksperimen dengan tekstur dan pola berbeda berpotensi memperluas penelitian komputasi biologis. Bagaimana menurut Anda, apakah pengembangan pemrosesan informasi biologis mampu menghadirkan pendekatan baru yang bermanfaat? Silakan bagikan pendapat Anda mengenai manfaat dan tantangan teknologi tersebut.
