Sel Otak Tikus Dilatih Jalankan Tugas AI Real-Time
- Istimewa
- Peneliti berhasil melatih sel otak tikus hidup untuk melakukan komputasi AI secara real-time melalui sistem bio-hybrid.
- Penggunaan struktur jaringan mikropori terbukti meningkatkan efisiensi belajar sel saraf dan mengurangi gangguan sinkronisasi.
- Teknologi ini menunjukkan potensi besar untuk pengembangan sistem prostetik saraf dan antarmuka otak-mesin di masa depan.
Dunia teknologi menyaksikan lompatan besar saat para ilmuwan berhasil mengintegrasikan sel otak tikus hidup ke dalam sistem komputasi kecerdasan buatan (AI). Penelitian terbaru ini membuktikan bahwa jaringan saraf biologis mampu menjalankan tugas-tugas AI secara real-time. Melalui pendekatan reservoir computing, sistem ini tidak hanya berfungsi sebagai komponen biologis biasa, melainkan sebagai mesin pemroses data yang aktif.
Inovasi Struktur Jaringan Sel Otak Tikus
Para peneliti mengintegrasikan neuron kortikal tikus dengan rangkaian mikroelektroda densitas tinggi dan perangkat mikrofluidik. Sistem ini bekerja dalam putaran tertutup (closed-loop) dengan durasi umpan balik sekitar 330 milidetik. Sinyal saraf yang terekam kemudian dikonversi menjadi output kontinu yang terus menyesuaikan diri melalui metode pembelajaran real-time.
Langkah revolusioner dalam studi ini adalah pengorganisasian fisik neuron ke dalam 128 mikropori yang saling terhubung melalui mikrokanal. Desain struktur ini mencegah sinkronisasi berlebihan yang sering menghambat performa jaringan saraf yang tidak terstruktur. Hasilnya, korelasi antar neuron turun drastis dari 0,45 menjadi 0,12, yang memungkinkan terciptanya perilaku jaringan yang lebih kompleks dan efisien.
Kemampuan Komputasi dan Hasil Eksperimen
Eksperimen menunjukkan bahwa sistem ini mampu menghasilkan berbagai pola gelombang seperti sinus, persegi, hingga segitiga pada interval waktu yang berbeda. Selain itu, sel otak tikus tersebut sanggup memperkirakan sistem kacau (chaotic systems) yang rumit seperti Lorenz attractor. Selama proses pelatihan, sistem mempertahankan akurasi yang sangat kuat dengan tingkat korelasi mencapai di atas 0,8.
Namun, penelitian ini juga mencatat adanya penurunan performa setelah pelatihan berhenti. Kesalahan atau error cenderung meningkat saat sistem beroperasi secara otonom tanpa stimulasi berkelanjutan. Selain itu, keterlambatan umpan balik sebesar 330 milidetik masih membatasi kemampuan sistem dalam menangani sinyal yang berubah sangat cepat.
