Organoid Otak Mampu Mengenali Pola Huruf Braille dalam Eksperimen Komputasi Biohibrida

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

Perkembangan sistem kecerdasan buatan semakin mendorong kebutuhan terhadap arsitektur komputasi hemat energi. Dalam sistem komputer konvensional, pelaksanaan perhitungan elektronik menggunakan rangkaian semikonduktor. Meski teknologi tersebut terus berkembang, kebutuhan energi komputasi mendorong pencarian solusi baru. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol menguji penggunaan organoid otak sebagai bagian dari sistem komputasi biohibrida. Pendekatan ini menghubungkan organoid hidup dengan perangkat komputasi untuk mengeksplorasi kemampuan pengolahan informasi.

Melalui eksperimen yang dilakukan, tim ilmuwan menggunakan organoid yang ditumbuhkan menggunakan teknik laboratorium untuk merespons sinyal elektronik. Struktur sel saraf tersebut bukanlah otak manusia yang utuh. Meski memiliki dimensi kurang dari satu milimeter, organoid memiliki jaringan sel saraf hidup. Peneliti kemudian mengirim rangsangan listrik berdasarkan pola sentuhan. Aktivitas listrik yang muncul diproses melalui sistem klasifikasi digital untuk membedakan informasi yang diberikan. Eksperimen ini memberikan dasar pengembangan sistem komputasi biohibrida.

Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis

Sebagai langkah awal penelitian, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk mengumpulkan informasi huruf Braille. Metode representasi karakter Braille menggunakan kombinasi titik timbul yang dapat dikenali melalui sentuhan. Dalam eksperimen tersebut, peneliti menggunakan seluruh 26 karakter alfabet dalam pengujian. Informasi taktil yang diperoleh kemudian diterjemahkan ke dalam rangkaian impuls elektronik. Tahapan konversi ini menjadi penghubung utama antara perangkat elektronik dengan sistem biologis.

Ketika pola stimulasi telah disiapkan, peneliti mengirimkan rangsangan melalui multielectrode array. Multielectrode array atau MEA merupakan susunan elektroda yang memungkinkan interaksi dengan sel biologis. Melalui perangkat tersebut, organoid merespons impuls elektronik yang sudah dikodekan. Setelah menerima rangsangan, organoid menghasilkan aktivitas listrik yang ditangkap oleh sistem pengukuran. Melalui mekanisme tersebut, data taktil dapat diteruskan melalui jaringan neuron hidup. Akan tetapi, proses tersebut tidak membuktikan adanya pemahaman simbol secara sadar.

Peran Support Vector Machine dalam Klasifikasi Huruf Braille

Sesudah sinyal biologis dikumpulkan, peneliti memanfaatkan metode machine learning untuk mengidentifikasi pola informasi. Pendekatan klasifikasi tersebut adalah support vector machine atau SVM, yaitu metode komputasi untuk mengklasifikasikan pola tertentu. Dalam eksperimen, sistem mempelajari hubungan antara aktivitas saraf dan stimulus Braille. Setelah pola respons dipelajari, algoritma menentukan kategori sinyal yang diterima. Melalui kombinasi biologis dan digital, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.

Fungsi algoritma SVM perlu dipahami secara tepat. Melalui sistem yang diuji, organoid bukan pihak yang menentukan label alfabet secara mandiri. Yang terjadi adalah, sinyal biologis diukur lalu ditafsirkan oleh algoritma komputer. Hasil klasifikasi tersebut mengindikasikan jaringan biologis mampu menghasilkan respons informatif. Walaupun memperlihatkan potensi besar, penelitian belum membuktikan kemampuan belajar organoid. Pembedaan tersebut penting untuk menghindari kesimpulan berlebihan.

Tiga Organoid Otak Tingkatkan Akurasi Pengenalan Braille Menjadi 83 Persen

Hasil paling menonjol adalah peningkatan kemampuan klasifikasi ketika beberapa organoid digabungkan. Dalam pengujian menggunakan satu organoid, algoritma menghasilkan ketepatan pengenalan sekitar 61 persen. Sementara itu, penggunaan tiga organoid meningkatkan akurasi menjadi 83 persen. Perbedaan hasil ini mengindikasikan informasi tambahan dari sejumlah organoid dapat membantu klasifikasi. Dalam konteks eksperimen, angka akurasi merujuk pada pengenalan pola stimulus, bukan kemampuan organoid mengenali tulisan seperti manusia.

Hasil pengujian turut menunjukkan bahwa sistem multi-organoid lebih kuat menghadapi noise buatan. Sebagai bagian dari pengukuran performa, ilmuwan menambahkan gangguan buatan pada sinyal Braille. Setelah gangguan diterapkan, peneliti membandingkan klasifikasi respons organoid dengan pemrosesan langsung sinyal yang terganggu. Hasilnya, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Kendati menunjukkan ketahanan terhadap noise, peneliti belum mengetahui secara pasti penyebab peningkatannya.

Peluang Penggunaan Organoid Otak dalam Sistem Pemrosesan Masa Depan

Penelitian organoid otak membuka kemungkinan penelitian baru bagi teknologi komputer masa depan. Jaringan neuron alami mampu menjalankan pemrosesan kompleks dengan konsumsi daya relatif rendah. Dengan mempertimbangkan kemampuan biologis tersebut, ilmuwan menguji kemungkinan integrasi sel biologis sebagai elemen dalam arsitektur biohibrida. Ketika sistem biologis dapat dikendalikan lebih baik, organoid berpotensi mendukung pemrosesan informasi tertentu. Namun demikian, belum ada bukti bahwa sistem eksperimen ini lebih hemat energi secara keseluruhan.

Dalam perjalanan menuju komputasi biohibrida komersial, berbagai tantangan teknis masih perlu diatasi. Organoid merupakan jaringan hidup sehingga memerlukan lingkungan pemeliharaan khusus. Selain itu, variasi biologis dapat memengaruhi hasil karena karakteristik biologis masing-masing organoid berlainan. Ketidakseragaman biologis tersebut membuat standardisasi menjadi sulit. Selain tantangan rekayasa, penggunaan jaringan biologis manusia juga harus memperhatikan prinsip penelitian biologis, termasuk asal sel dan persetujuan donor.

Masa Depan Teknologi Komputasi Biohibrida Berbasis Jaringan Saraf

Penelitian dari University of Bristol menunjukkan perkembangan penting dalam teknologi pemrosesan informasi biologis. Dengan memanfaatkan sensor sentuhan, susunan mikroelektroda, serta metode klasifikasi digital, peneliti menunjukkan bahwa jaringan saraf menghasilkan informasi yang dapat diklasifikasikan. Peningkatan akurasi dari 61 persen menjadi 83 persen memberikan dasar penelitian sistem biohibrida yang lebih kompleks. Meskipun demikian, hasilnya tidak berarti jaringan biologis telah memahami bahasa. Ke depan, pengembangan sistem umpan balik dua arah berpotensi memperluas penelitian komputasi biologis. Apa pendapat Anda, apakah pengembangan pemrosesan informasi biologis berpotensi menjadi bagian dari komputer masa depan? Bagikan pemikiran Anda mengenai potensi komputer biologis.