AI summary
Proyek ini menggunakan organoid otak untuk memahami pemrosesan informasi dan efisiensi energi. Kolaborasi multidisipliner diperlukan untuk mencapai tujuan penelitian ini. Hasil dari proyek ini berpotensi untuk menginspirasi sistem AI yang lebih efisien dan kuat. Di Lehigh University di Amerika Serikat, tim peneliti dipimpin oleh Profesor Yevgeny Berdichevsky memulai proyek ambisius untuk memahami cara otak manusia memproses informasi menggunakan sampel otak kecil yang dibuat di laboratorium, yang disebut organoid otak. Tujuan utamanya adalah untuk menciptakan kecerdasan buatan yang lebih cerdas dan hemat energi.Otak manusia mampu melakukan miliaran komputasi dengan energi yang sangat rendah, setara dengan sebuah lampu pijar kecil. Para peneliti ingin meniru efisiensi ini dengan mempelajari bagaimana neuron dalam otak mengatur informasi secara kompleks, yang belum bisa dilakukan oleh jaringan saraf buatan saat ini.Organoid otak yang digunakan di laboratorium ini adalah struktur tiga dimensi berukuran milimeter yang dibuat dari sel dewasa. Mereka mencoba mengatur neuron dalam organoid agar menyerupai struktur korteks otak manusia dengan bantuan scaffolding biomaterial 3D yang dirancang untuk menempatkan neuron secara teratur.Peneliti memberi rangsangan berupa gambar bergerak menggunakan cahaya pada organoid dan merekam aktivitas neuron yang menyala sebagai respons. Data dari aktivitas ini akan dianalisis dengan algoritma komputer untuk mengidentifikasi pola neuron yang bekerja, seperti mengenali arah atau kecepatan, yang sangat penting untuk aplikasi AI seperti mobil tanpa pengemudi.Proyek ini bersifat multidisipliner dan melibatkan berbagai bidang ilmu dari teknik, biologi, hingga filosofi. Jika berhasil, pendekatan ini bisa membuka jalan untuk AI yang jauh lebih hemat energi dan memiliki kemampuan komputasi biologis yang canggih, berpotensi mengubah banyak bidang teknologi.
Pendekatan menggunakan organoid otak adalah strategi inovatif yang dapat membuka pemahaman baru mengenai komputasi biologis yang belum bisa dicapai dengan hardware konvensional. Namun, tantangan terbesar tetap pada pengendalian struktur neuron agar terorganisasi dengan baik serta interpretasi data yang kompleks dari aktivitas neuron tersebut.
