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.

Eksperimen Jaringan Saraf Biologis untuk Pemrosesan Informasi Digital

Kemajuan teknologi komputasi modern memperbesar kebutuhan terhadap arsitektur komputasi hemat energi. Selama ini, aktivitas komputasi digital bergantung pada komponen elektronik. Walaupun kemampuan perangkat keras semakin meningkat, konsumsi listrik sistem pemrosesan menjadi perhatian penting. Menanggapi tantangan tersebut, ilmuwan University of Bristol mengevaluasi penggunaan organoid otak sebagai komponen pemrosesan biologis. Pendekatan ini menggabungkan jaringan biologis dan perangkat elektronik untuk menguji potensi pemrosesan berbasis jaringan saraf.

Pada studi yang dipublikasikan, tim ilmuwan menempatkan organoid yang dibentuk melalui kultur sel manusia untuk merespons sinyal elektronik. Jaringan biologis mini ini hanya merepresentasikan sebagian karakteristik jaringan otak. Walaupun ukurannya sangat kecil, organoid menyimpan kumpulan sel yang dapat menghasilkan aktivitas listrik. Dalam pengujian berikutnya, ilmuwan menyampaikan informasi Braille melalui elektroda. Hasil respons biologis dianalisis menggunakan algoritma komputer untuk membedakan informasi yang diberikan. 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 dapat dikenali melalui sentuhan. Pada tahap pengumpulan data, peneliti menggunakan seluruh 26 karakter alfabet dalam pengujian. Sinyal sentuhan yang direkam kemudian diterjemahkan ke dalam rangkaian impuls elektronik. Tahapan konversi ini memungkinkan komunikasi awal antara informasi fisik dan organoid otak.

Setelah proses pengodean selesai, peneliti menggunakan susunan mikroelektroda untuk memberikan stimulasi. Multielectrode array atau MEA merupakan susunan elektroda yang memungkinkan interaksi dengan sel biologis. Pada penelitian ini, organoid diberikan rangsangan yang mewakili informasi Braille. Jaringan saraf kemudian, organoid menunjukkan pola impuls saraf yang dipantau menggunakan perangkat elektronik. Berkat rangkaian proses ini, data taktil dapat diteruskan melalui jaringan neuron hidup. Namun, proses tersebut belum menunjukkan kemampuan membaca seperti manusia.

Peran Support Vector Machine dalam Klasifikasi Huruf Braille

Ketika aktivitas neuron berhasil direkam, peneliti memanfaatkan metode machine learning untuk menentukan kategori rangsangan yang diterima. Algoritma yang digunakan adalah support vector machine atau SVM, yaitu metode komputasi untuk mengklasifikasikan pola tertentu. Melalui tahap pemrosesan digital, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Setelah pola respons dipelajari, algoritma mengidentifikasi rangsangan berdasarkan respons organoid. Dengan cara tersebut, jaringan saraf hidup mendukung pembentukan sinyal yang dapat dibaca komputer.

Fungsi algoritma SVM tidak boleh disamakan dengan kecerdasan biologis mandiri. Melalui sistem yang diuji, organoid bukan pihak yang menentukan label alfabet secara mandiri. Sebaliknya, respons saraf dikumpulkan 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 membantu menempatkan hasil penelitian secara proporsional.

Pengujian Multi-Organoid Menunjukkan Klasifikasi Huruf Lebih Akurat

Hasil paling menonjol adalah perbedaan akurasi antara penggunaan satu dan tiga organoid. Pada konfigurasi organoid tunggal, algoritma menghasilkan ketepatan pengenalan sekitar 61 persen. Sebagai perbandingan, penggunaan tiga organoid memberikan hasil pengenalan pola sebesar 83 persen. Peningkatan tersebut menunjukkan manfaat penggabungan respons biologis. Dalam konteks eksperimen, hasil itu menunjukkan ketepatan klasifikasi sinyal, bukan kemampuan organoid mengenali tulisan seperti manusia.

Eksperimen tersebut memperlihatkan bahwa penggabungan respons biologis meningkatkan ketahanan klasifikasi terhadap gangguan tertentu. Untuk mengevaluasi ketahanan sistem, ilmuwan menambahkan gangguan buatan pada sinyal Braille. Setelah gangguan diterapkan, peneliti membandingkan klasifikasi respons organoid dengan pemrosesan langsung sinyal yang terganggu. Dalam kondisi yang diuji, sistem biohibrida menunjukkan kemampuan klasifikasi yang lebih stabil. Walaupun hasil tersebut positif, alasan biologis peningkatan performa belum sepenuhnya dipahami.

Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi

Eksperimen pengolahan sinyal biologis memberikan arah pengembangan alternatif bagi teknologi komputer masa depan. Jaringan neuron alami 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 dapat menjadi bagian dari pendekatan pemrosesan alternatif. Meski konsepnya menjanjikan, efisiensi daya perangkat biohibrida lengkap belum terbukti unggul.

Dalam perjalanan menuju komputasi biohibrida komersial, berbagai tantangan teknis masih perlu diatasi. Komponen saraf yang digunakan masih membutuhkan kondisi biologis sesuai sehingga memerlukan lingkungan pemeliharaan khusus. Tantangan lainnya, aktivitas neuron tidak selalu identik antarsampel karena karakteristik biologis masing-masing organoid berlainan. Ketidakseragaman biologis tersebut membuat standardisasi menjadi sulit. Di samping aspek teknis, pemanfaatan sel manusia dalam perangkat komputasi juga memerlukan tata kelola penelitian yang bertanggung jawab, termasuk batas pengembangan sistem saraf hidup.

Masa Depan Teknologi Komputasi Biohibrida Berbasis Jaringan Saraf

Penelitian dari University of Bristol menghadirkan temuan menarik dalam penelitian komputasi generasi baru. Melalui penggunaan perangkat pendeteksi taktil, susunan mikroelektroda, serta metode klasifikasi digital, peneliti menunjukkan bahwa jaringan saraf menghasilkan informasi yang dapat diklasifikasikan. 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, pengujian rangsangan sentuhan yang lebih kompleks berpotensi memperluas penelitian komputasi biologis. Menurut pandangan Anda, apakah teknologi komputer yang memanfaatkan jaringan saraf hidup dapat membuka peluang inovasi komputasi hemat energi? Silakan bagikan pendapat Anda mengenai masa depan penelitian organoid otak.