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

Pertumbuhan sistem kecerdasan buatan memperbesar kebutuhan terhadap metode pengolahan data yang efisien. Dalam sistem komputer konvensional, pelaksanaan perhitungan elektronik bergantung pada komponen elektronik. Namun demikian, kebutuhan energi komputasi memerlukan pendekatan yang lebih efisien. Menanggapi tantangan tersebut, ilmuwan University of Bristol meneliti penggunaan organoid otak sebagai komponen pemrosesan biologis. Pendekatan ini memadukan sel saraf dengan sistem digital untuk mempelajari respons biologis terhadap data.

Dalam penelitian tersebut, tim ilmuwan menempatkan organoid yang dibentuk melalui kultur sel manusia untuk memproses stimulasi yang diberikan. Organoid tersebut hanya merepresentasikan sebagian karakteristik jaringan otak. Walaupun ukurannya sangat kecil, organoid mengandung ribuan neuron. Peneliti kemudian memberikan pola stimulasi yang mewakili huruf Braille. Hasil respons biologis diproses melalui sistem klasifikasi digital untuk menentukan kesesuaian respons dengan rangsangan. Pengujian tersebut menunjukkan hubungan antara sensor buatan dan jaringan biologis.

Proses Mengubah Informasi Braille Menjadi Aktivitas Saraf Biologis

Sebagai langkah awal penelitian, ilmuwan mengoperasikan sensor yang mampu membaca pola permukaan untuk merekam karakteristik susunan titik Braille. Huruf Braille merepresentasikan karakter melalui pola titik yang digunakan sebagai media komunikasi taktil. Melalui proses perekaman sensor, peneliti mengambil informasi dari 26 huruf alfabet Braille. Sinyal sentuhan yang direkam kemudian diterjemahkan ke dalam rangkaian impuls elektronik. Proses tersebut memungkinkan komunikasi awal antara sensor mekanis dan jaringan saraf.

Sesudah data taktil diubah menjadi sinyal listrik, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. Multielectrode array atau MEA merupakan perangkat yang memiliki sejumlah elektroda kecil. Pada penelitian ini, organoid merespons impuls elektronik yang sudah dikodekan. Jaringan saraf kemudian, organoid memperlihatkan perubahan aktivitas neuron yang dapat direkam dan dianalisis. Dengan demikian, pola Braille menghasilkan aktivitas saraf yang dapat dibedakan. Akan tetapi, proses tersebut belum menunjukkan kemampuan membaca seperti manusia.

Algoritma Machine Learning Membantu Mengenali Respons Organoid

Sesudah sinyal biologis dikumpulkan, peneliti menerapkan sistem klasifikasi berbasis komputer untuk menentukan kategori rangsangan yang diterima. Pendekatan klasifikasi tersebut adalah support vector machine atau SVM, yaitu teknik pembelajaran mesin untuk mengelompokkan data. Melalui tahap pemrosesan digital, sistem menganalisis perbedaan sinyal biologis yang dihasilkan. Selanjutnya, algoritma menentukan kategori sinyal yang diterima. Berkat pengolahan data tersebut, jaringan saraf hidup menjadi bagian dari jalur pemrosesan informasi.

Fungsi algoritma SVM penting dibedakan dari kemampuan organoid. Dalam penelitian tersebut, organoid tidak memberikan jawaban berupa huruf secara langsung. Sebaliknya, aktivitas neuron direkam lalu ditafsirkan oleh algoritma komputer. Keberhasilan pengujian membuktikan adanya pola sinyal yang dapat dibedakan. Walaupun memperlihatkan potensi besar, eksperimen tidak menunjukkan perubahan perilaku melalui latihan berulang. Pembedaan tersebut penting untuk menghindari kesimpulan berlebihan.

Tiga Organoid Otak Tingkatkan Akurasi Pengenalan Braille Menjadi 83 Persen

Hasil paling menonjol adalah perbaikan hasil pengenalan pola melalui kombinasi jaringan biologis. Dalam pengujian menggunakan satu organoid, algoritma mampu mengklasifikasikan huruf dengan akurasi rata-rata 61 persen. Pada konfigurasi berikutnya, penggunaan tiga organoid memberikan hasil pengenalan pola sebesar 83 persen. Peningkatan tersebut menunjukkan manfaat penggabungan respons biologis. Dalam konteks eksperimen, angka akurasi merujuk pada pengenalan pola stimulus, bukan kemampuan organoid mengenali tulisan seperti manusia.

Peneliti juga menemukan bahwa sistem multi-organoid lebih kuat menghadapi noise buatan. Dalam pengujian tambahan, ilmuwan menambahkan gangguan buatan pada sinyal Braille. Setelah gangguan diterapkan, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Hasilnya, pengolahan melalui organoid membantu mempertahankan informasi. Walaupun hasil tersebut positif, peneliti belum mengetahui secara pasti penyebab peningkatannya.

Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi

Penelitian organoid otak membuka kemungkinan penelitian baru bagi teknologi komputer masa depan. Otak manusia 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. Apabila teknologi ini terus berkembang, 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, berbagai tantangan teknis masih perlu diatasi. Organoid merupakan jaringan hidup sehingga membutuhkan pengaturan suhu dan nutrisi. Selain itu, variasi biologis dapat memengaruhi hasil karena karakteristik biologis masing-masing organoid berlainan. Variasi respons ini membuat standardisasi menjadi sulit. Selain tantangan rekayasa, pemanfaatan sel manusia dalam perangkat komputasi juga memerlukan tata kelola penelitian yang bertanggung jawab, termasuk batas pengembangan sistem saraf hidup.

Prospek Pengembangan Komputer Biologis setelah Eksperimen Braille

Penelitian dari University of Bristol menunjukkan perkembangan penting dalam penelitian komputasi generasi baru. Melalui penggunaan perangkat pendeteksi taktil, susunan mikroelektroda, serta teknologi machine learning, peneliti menunjukkan bahwa jaringan saraf menghasilkan informasi yang dapat diklasifikasikan. Keunggulan konfigurasi multi-organoid menunjukkan manfaat pemanfaatan beberapa organoid. Walaupun menunjukkan hasil positif, eksperimen ini belum membuktikan pembelajaran organoid. Dalam penelitian berikutnya, eksperimen dengan tekstur dan pola berbeda dapat membantu memahami kemampuan adaptasi organoid. Apa pendapat Anda, apakah teknologi komputer yang memanfaatkan jaringan saraf hidup berpotensi menjadi bagian dari komputer masa depan? Sampaikan pandangan Anda mengenai masa depan penelitian organoid otak.