Neuron Otak Tikus Dilatih untuk Melakukan Komputasi AI Real-Time, Terobosan Brain-Machine Interface

Peneliti dari Universitas Tohoku dan Universitas Masa Depan Hakodate di Jepang berhasil melatih neuron kortikal tikus yang dikultur untuk menghasilkan sinyal temporal kompleks secara mandiri melalui kerangka kerja pembelajaran mesin real-time. Studi ini dipublikasikan pada 12 Maret di jurnal Proceedings of the National Academy of Sciences.

Integrasi Neuron Hidup dengan Teknologi Mikroelektroda dan Mikrofluidik

Dalam eksperimen tersebut, para ilmuwan menggabungkan neuron hidup dengan mikroelektroda array beresolusi tinggi dan perangkat mikrofluidik, membentuk sistem reservoir computing tertutup. Sistem ini mampu belajar memproduksi gelombang periodik dan sinyal chaotik tanpa adanya input eksternal.

Sinyal dari neuron direkam melalui 26.400 elektroda yang terpasang dengan jarak antar elektroda hanya 17,5 mikrometer. Data spike train ini kemudian difilter menjadi sinyal kontinu dan didekodekan melalui lapisan pembacaan linear. Hasil keluaran tersebut kemudian dikirim balik sebagai stimulasi listrik ke neuron, membentuk loop umpan balik dengan siklus sekitar 333 milidetik.

Optimasi bobot pembacaan dilakukan secara real-time menggunakan algoritma FORCE learning (First-Order Reduced and Controlled Error) yang menyesuaikan dekoder untuk meminimalkan kesalahan antara keluaran sistem dan gelombang target.

Pentingnya Pola Mikrofluidik dalam Mengatur Koneksi Neuron

Menurut para peneliti, teknologi kunci yang memungkinkan keberhasilan ini adalah penggunaan film mikrofluidik PDMS untuk membatasi cara neuron saling terhubung. Tanpa pembatasan fisik, neuron yang dikultur biasanya membentuk jaringan padat dan sangat sinkron yang menyebabkan neuron menembak secara bersamaan. Jaringan homogen ini gagal belajar menghasilkan sinyal target.

Untuk mengatasi hal ini, badan sel neuron ditempatkan dalam 128 sumur persegi berukuran sekitar 100x100 mikrometer, dengan rata-rata 14,6 neuron per sumur. Sumur-sumur ini dihubungkan oleh mikrokanal yang membentuk dua konfigurasi jaringan:

• Desain kisi (lattice) dengan koneksi tetangga terdekat yang seragam
• Desain hierarkis dengan koneksi lebih jarang dan multi-skala

Kedua konfigurasi pola ini secara signifikan menurunkan korelasi pasangan neuron dibandingkan dengan kultur tanpa pola (0,11 dan 0,12 vs 0,45), sehingga meningkatkan dimensi dinamika jaringan. Jaringan kisi menunjukkan performa lebih baik secara konsisten dibandingkan jaringan hierarkis untuk semua gelombang target, kemungkinan karena koneksi antar modul yang lebih padat meningkatkan frekuensi tembakan neuron sehingga memberi sinyal lebih kuat untuk dekoder linear.

Neuron Otak Tikus sebagai Sumber Komputasi Baru

Dengan jaringan kisi dan hierarkis tersebut, sistem berhasil belajar menghasilkan berbagai bentuk gelombang seperti gelombang sinus dengan periode 4, 10, dan 30 detik, gelombang segitiga, serta gelombang persegi. Menariknya, kultur yang sama dapat dilatih ulang untuk berosilasi pada frekuensi berbeda.

Selain itu, sistem ini mampu mendekati atraktor Lorenz, sebuah lintasan chaotik tiga dimensi yang kompleks, dengan nilai korelasi pasangan antara sinyal prediksi dan target di atas 0,8 untuk semua dimensi selama fase pembelajaran.

"Penelitian ini menunjukkan bahwa jaringan neuron hidup bukan hanya sistem biologis yang bermakna, tetapi juga dapat berfungsi sebagai sumber komputasi baru," ujar Hideaki Yamamoto, profesor di Research Institute of Electrical Communication Universitas Tohoku.

Batasan dan Potensi Pengembangan Selanjutnya

Setelah pelatihan dihentikan dan sistem berjalan secara mandiri, performa mengalami penurunan dengan peningkatan kesalahan kuadrat rata-rata pada 99% percobaan. Selain itu, latensi loop umpan balik sekitar 330 milidetik membatasi kemampuan sistem untuk mengikuti gelombang cepat atau tajam.

Para peneliti mencatat bahwa mengurangi keterlambatan ini melalui perangkat keras khusus atau teknik penyaringan alternatif dapat memperluas jenis sinyal yang dapat dipelajari. Potensi aplikasi ke depan termasuk pengembangan antarmuka otak-mesin dan perangkat neuroprostetik yang lebih canggih.

Analisis Redaksi

Menurut pandangan redaksi, keberhasilan melatih neuron otak tikus untuk melakukan komputasi AI secara real-time menandai sebuah terobosan penting dalam bidang neuroscience dan teknologi komputer. Ini menunjukkan bahwa jaringan saraf biologis bisa menjadi media pemrosesan informasi yang adaptif dan dinamis, membuka peluang baru di riset brain-machine interface.

Namun, tantangan teknis seperti latensi tinggi dan degradasi performa saat sistem berjalan mandiri harus segera diatasi agar teknologi ini dapat diimplementasikan secara praktis. Jika hambatan ini terpecahkan, integrasi neuron hidup dengan mesin komputasi dapat menjadi game-changer untuk pengembangan prostetik neuro dan bahkan perpanjangan fungsi kognitif manusia.

Ke depan, publik dan industri harus mencermati perkembangan perangkat keras khusus dan metode filtering baru yang memungkinkan pengoperasian lebih cepat dan akurat. Penelitian ini juga menggarisbawahi pentingnya kolaborasi lintas disiplin antara biologi, teknik elektro, dan ilmu komputer untuk mewujudkan antarmuka manusia-mesin yang revolusioner.

Untuk detail lebih lanjut, Anda dapat membaca laporan lengkapnya di Tom's Hardware.