Para ilmuwan di Universitas Bristol telah menunjukkan bahwa kelompok sel otak manusia yang dikembangkan di laboratorium dapat menerima, memproses, dan meneruskan informasi sentuhan dengan andal — menggunakan alfabet Braille sebagai sinyal pengujiannya. Penelitian yang diterbitkan dalam jurnal Frontiers in Artificial Intelligence ini dianggap sebagai langkah kunci menuju komputer biohybrid yang menggabungkan jaringan saraf hidup dengan sensor elektronik.
Penelitian ini menjawab pertanyaan sederhana yang mendasari kecerdasan organoid: dapatkah sepotong kecil jaringan otak yang terbentuk sebagian dengan setia menyampaikan informasi yang diterimanya? Untuk mengetahuinya, tim yang berbasis di Bristol dipimpin oleh penulis pertama Tianyi Liu, seorang kandidat PhD, dan penulis senior Dr Benjamin Ward-Cherrier menghubungkan organoid otak ke sensor sentuhan nyata dan bertanya apakah informasi yang bermakna dapat diperoleh kembali di sisi lain. For more context on this story, see our ongoing AI news.
“Kita dapat mengambil informasi dari sensor sentuhan nyata, mengubahnya menjadi bentuk yang dapat diterima oleh jaringan saraf hidup, dan kemudian memulihkan informasi bermakna dari respons organoid,” kata Liu dalam pengumuman temuan universitas tersebut. “Hal ini memberi kita cara praktis untuk menghubungkan sensor buatan dengan sistem saraf biologis, yang merupakan kemungkinan jalur yang sangat menarik menuju komputasi yang lebih hemat energi.”
Cara Membuat Gumpalan Sel Terbaca
Organoid yang menjadi pusat percobaan jauh dari miniatur otak. Masing-masing berukuran kurang dari satu milimeter, tidak memiliki banyak struktur yang ditemukan di otak manusia, dan berisi sekitar 10.000 neuron bersama dengan sel pendukung – yang meniru otak depan manusia. Mereka ditempatkan pada rangkaian multielektroda di dalam sistem yang menjaga jaringan tetap hidup sambil memantau respons listriknya, sehingga memungkinkan peneliti untuk menstimulasi dan mencatat aktivitas saraf.
Protokol pengujian mengikuti sinyal dari sentuhan ke jaringan hingga klasifikasi. Pertama, tim menerapkan sensor sentuhan pada 26 huruf alfabet Braille, merekam data setiap huruf yang dihasilkan. Data tersebut diubah menjadi pola rangsangan listrik, yang dikirim ke organoid. Para peneliti kemudian memeriksa apakah aktivitas saraf yang dihasilkan dapat mengungkap huruf mana yang telah ditampilkan – pada dasarnya, apakah jaringan telah 'membaca' sinyal yang diberikan.
Penguraian kode dilakukan oleh mesin vektor pendukung, algoritma pembelajaran mesin sederhana yang mengurutkan pola aktivitas saraf dan mencocokkannya dengan huruf tertentu. Sebuah organoid tunggal secara konsisten menghasilkan sinyal yang dapat didekodekan sekitar 61% dari keseluruhan waktu. Ketika keluaran dari tiga organoid digabungkan, akurasi meningkat menjadi sekitar 83%.
Tiga Organoid Mengalahkan Satu — dan Tidak Ada yang Tahu Alasannya
Hasil ansambel ini merupakan salah satu temuan yang paling menarik. Para peneliti belum dapat sepenuhnya menjelaskan mengapa tiga organoid mengungguli satu organoid, meskipun mereka menduga jawabannya terletak pada variasi alami: tidak ada dua organoid yang berkembang di jalur yang persis sama.
“Organoid yang berbeda mungkin memiliki koneksi jaringan, status perkembangan, dan aktivitas yang sedikit berbeda, sehingga masukan yang sama dapat menghasilkan respons yang serupa tetapi tidak identik,” kata Liu. “Menggabungkan tanggapan-tanggapan tersebut dapat memberi kita informasi pelengkap yang tidak akan kita peroleh dari satu organoid saja. Pada saat yang sama, jika setiap organoid berperilaku berbeda, jelas akan lebih sulit untuk membangun sistem yang dapat diprediksi dan terstandarisasi.”
Tim juga menekankan keluaran jaringan tersebut. Ketika para ilmuwan menambahkan gangguan buatan pada sinyal Braille, penguraian kode dari respons organoid terbukti lebih sulit untuk ditipu dibandingkan dengan penguraian kode sinyal yang terdegradasi secara langsung dengan algoritma yang sama. Setelah diproses oleh organoid, data mempertahankan struktur yang cukup bagi pengklasifikasi untuk memilih huruf yang benar dengan lebih kuat daripada masukan derau mentah yang diizinkan.
“Setelah diproses oleh organoid, data taktil masih mengandung informasi yang cukup untuk mengklasifikasikan huruf Braille dengan akurasi yang baik,” kata Ward-Cherrier. “Menggabungkan keluaran dari beberapa organoid juga menunjukkan peningkatan kinerja.”
Mengapa Komputasi Biologis Menggoda Peneliti
Motivasinya adalah energi. Otak manusia bekerja dengan daya sekitar 20 watt saat melakukan komputasi yang membutuhkan listrik lebih banyak dari perangkat keras konvensional – sebuah kesenjangan yang semakin lebar seiring dengan berkembangnya pusat data AI. Chip neuromorfik mencoba menangkap efisiensi otak dalam silikon, dan kecerdasan organoid mewakili versi yang lebih radikal dari taruhan yang sama: menggunakan neuron sebenarnya daripada menirunya.
Aplikasi potensial berpusat pada robotika dan sistem otonom, di mana setiap watt penting dan penginderaan sentuhan sangat penting. Sebuah sensor yang dapat memindahkan pemrosesan sinyal ke neuron hidup – atau suatu hari nanti membentuk loop tertutup dengannya – dapat mengubah anggaran daya mesin yang perlu merasakan dan bereaksi secara real time.
Perhatian Sebelum Berita Utamanya Hilang
Tim Bristol secara eksplisit menyatakan apa yang tidak ditunjukkan oleh eksperimen tersebut. Organoid tidak belajar; mereka merespons rangsangan, namun para peneliti tidak menunjukkan perubahan jangka panjang pada jaringan. Tugasnya bersifat taktil tunggal, menggunakan skema pengkodean tetap dan ukuran aktivitas saraf yang relatif sederhana.
“Kami menunjukkan bahwa informasi sentuhan dapat dikodekan, diproses melalui organoid, dan diterjemahkan, namun kami tidak menunjukkan pembelajaran atau perubahan jangka panjang pada organoid,” kata Liu.
Langkah selanjutnya, kata tim, adalah melampaui Braille. Para peneliti tertarik pada masukan sentuhan yang lebih kaya seperti tekstur dan tepian, dan pada akhirnya pada tugas loop tertutup di mana organoid menerima umpan balik dari konsekuensi keluarannya sendiri – konfigurasi yang akan mulai menguji apakah jaringan hidup dapat beradaptasi terhadap suatu tugas daripada hanya mengirimkannya melaluinya.
Untuk saat ini, hasilnya merupakan bukti rekayasa: sinyal dari dunia fisik dapat memasuki jaringan saraf hidup dan kembali dikenali di sisi lain. Ini masih jauh dari komputer biohibrid, namun ini adalah tonggak sejarah yang tidak menarik – transduksi yang andal, akurasi terukur, bilah kesalahan yang jujur – yang juga menjadi dasar revolusi komputasi sebelumnya.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
