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 inovasi pemrosesan informasi memperbesar kebutuhan terhadap metode pengolahan data yang efisien. Pada sebagian besar perangkat elektronik, proses pengolahan informasi bergantung pada komponen elektronik. Namun demikian, kebutuhan energi komputasi mendorong pencarian solusi baru. Sebagai bagian dari penelitian alternatif, ilmuwan University of Bristol mengevaluasi penggunaan organoid otak sebagai bagian dari sistem komputasi biohibrida. Rancangan penelitian ini memadukan sel saraf dengan sistem digital untuk mempelajari respons biologis terhadap data.

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. Meski memiliki dimensi kurang dari satu milimeter, organoid mengandung ribuan neuron. Tim penelitian selanjutnya memberikan pola stimulasi yang mewakili huruf Braille. Aktivitas listrik yang muncul dianalisis menggunakan algoritma komputer untuk mengidentifikasi pola huruf. 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. Sistem tulisan Braille mengandalkan susunan titik tertentu yang digunakan sebagai media komunikasi taktil. Pada tahap pengumpulan data, peneliti merekam pola yang mewakili 26 huruf. Informasi taktil yang diperoleh kemudian diubah menjadi pola stimulasi listrik. Tahapan konversi ini memungkinkan komunikasi awal antara informasi fisik dan organoid otak.

Setelah proses pengodean selesai, peneliti menyalurkan impuls listrik lewat sistem elektroda mikro. Multielectrode array atau MEA merupakan sistem antarmuka elektronik untuk jaringan saraf. Melalui perangkat tersebut, organoid merespons impuls elektronik yang sudah dikodekan. Jaringan saraf kemudian, organoid memperlihatkan perubahan aktivitas neuron yang dapat direkam dan dianalisis. Dengan demikian, informasi sentuhan dapat direpresentasikan dalam respons biologis. Akan tetapi, proses tersebut tidak membuktikan adanya pemahaman simbol secara sadar.

Algoritma Machine Learning Membantu Mengenali Respons Organoid

Setelah memperoleh respons listrik organoid, peneliti memanfaatkan metode machine learning untuk menentukan kategori rangsangan yang diterima. Pendekatan klasifikasi tersebut adalah support vector machine atau SVM, yaitu metode komputasi untuk mengklasifikasikan pola tertentu. Dalam eksperimen, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. 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. Melalui sistem yang diuji, organoid bukan pihak yang menentukan label alfabet secara mandiri. Yang terjadi adalah, sinyal biologis diukur lalu ditafsirkan oleh algoritma komputer. Pencapaian sistem biohibrida mengindikasikan jaringan biologis mampu menghasilkan respons informatif. Walaupun memperlihatkan potensi besar, hasilnya belum dapat digunakan untuk menyimpulkan adanya pembelajaran biologis jangka panjang. Pemahaman ini penting untuk menghindari kesimpulan berlebihan.

Pengujian Multi-Organoid Menunjukkan Klasifikasi Huruf Lebih Akurat

Salah satu temuan utama adalah perbaikan hasil pengenalan pola melalui kombinasi jaringan biologis. Pada konfigurasi organoid tunggal, algoritma mencatat keberhasilan klasifikasi sebesar 61 persen. Sebagai perbandingan, penggunaan tiga organoid meningkatkan akurasi menjadi 83 persen. Peningkatan tersebut memperlihatkan potensi penggunaan beberapa jaringan saraf. Berdasarkan rancangan penelitian tersebut, angka akurasi merujuk pada pengenalan pola stimulus, bukan pemahaman bahasa oleh jaringan biologis.

Eksperimen tersebut memperlihatkan bahwa kombinasi tiga organoid memiliki ketahanan lebih baik terhadap gangguan sinyal. Untuk mengevaluasi ketahanan sistem, ilmuwan memberikan gangguan terhadap informasi taktil. Setelah gangguan diterapkan, peneliti mengevaluasi hasil biohibrida terhadap decoder tanpa organoid. Berdasarkan perbandingan tersebut, respons gabungan organoid lebih tahan terhadap sejumlah gangguan. Meski demikian, alasan biologis peningkatan performa belum sepenuhnya dipahami.

Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi

Penelitian organoid otak memberikan arah pengembangan alternatif bagi arsitektur pemrosesan berdaya rendah. Sistem saraf biologis manusia menjadi inspirasi bagi rancangan komputasi efisien. Karena karakteristik tersebut, ilmuwan tertarik mempelajari penggunaan organoid sebagai elemen dalam arsitektur biohibrida. Ketika sistem biologis dapat dikendalikan lebih baik, organoid mungkin membantu pengembangan perangkat komputasi baru. Meski konsepnya menjanjikan, efisiensi daya perangkat biohibrida lengkap belum terbukti unggul.

Untuk mencapai penggunaan praktis, peneliti menghadapi berbagai persoalan penting. Komponen saraf yang digunakan masih membutuhkan kondisi biologis sesuai sehingga harus dijaga agar tetap hidup. Selain itu, aktivitas neuron tidak selalu identik antarsampel karena karakteristik biologis masing-masing organoid berlainan. Perbedaan tersebut memerlukan metode kalibrasi dan pengendalian yang lebih baik. Di samping aspek teknis, pengembangan sistem berbasis organoid 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 menunjukkan perkembangan penting dalam penelitian komputasi generasi baru. Melalui penggunaan perangkat pendeteksi taktil, antarmuka elektronik jaringan biologis, serta algoritma pembelajaran mesin, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Keunggulan konfigurasi multi-organoid menjadi indikasi potensi penggabungan jaringan biologis. Meskipun demikian, penelitian belum menunjukkan kemampuan berpikir atau membaca secara sadar. Ke depan, pengujian rangsangan sentuhan yang lebih kompleks mungkin memberikan informasi mengenai pemrosesan saraf yang lebih mendalam. Apa pendapat Anda, apakah komputasi biohibrida berbasis organoid berpotensi menjadi bagian dari komputer masa depan? Silakan bagikan pendapat Anda mengenai manfaat dan tantangan teknologi tersebut.