Neuron Hidup Tikus Dapat Jalankan Komputasi AI Secara Real-Time

Ruang Press - KABARMEGAPOLITAN.com - Pengembangan AI berbasis neuron hidup kini semakin konkret. Dalam riset terbaru, para ilmuwan berhasil menciptakan sistem bio-AI yang memanfaatkan neuron korteks tikus hidup untuk menjalankan tugas komputasi secara real-time.

Pendekatan ini menggabungkan jaringan saraf biologis dengan teknik machine learning melalui metode yang disebut closed-loop reservoir computing. Tujuannya cukup ambisius: menjadikan neuron hidup bukan sekadar objek biologis, tetapi sebagai sistem komputasi yang benar-benar fungsional.

Secara teknis, sistem ini menghubungkan neuron hidup dengan microelectrode array beresolusi tinggi dan perangkat mikrofluida. Aktivitas listrik dari neuron direkam, lalu diubah menjadi output sinyal yang kemudian dikirim kembali sebagai stimulasi listrik—membentuk loop dengan jeda sekitar 330 milidetik.

Menariknya, sistem ini mampu belajar secara mandiri. Dengan metode pembelajaran real-time, output akan terus disesuaikan agar mendekati target tertentu tanpa perlu intervensi eksternal.

Untuk meningkatkan performa, para peneliti juga merancang struktur jaringan neuron yang lebih rapi. Neuron ditempatkan dalam 128 mikropori yang saling terhubung melalui mikrokanal.

Pendekatan ini berhasil mengurangi sinkronisasi berlebihan—masalah umum dalam jaringan neuron alami—sehingga menghasilkan perilaku jaringan yang lebih kompleks dan efisien.

Hasilnya cukup impresif. Sistem ini mampu menghasilkan berbagai pola gelombang seperti sine, square, hingga triangular, bahkan bisa mendekati sistem kacau kompleks seperti Lorenz attractor. Selama proses pelatihan, tingkat akurasinya juga tinggi, dengan korelasi di atas 0,8.

Meski begitu, teknologi ini belum sempurna. Performa sistem cenderung menurun setelah proses pelatihan dihentikan, dengan tingkat error yang meningkat saat berjalan secara mandiri. Selain itu, adanya delay sekitar 330 milidetik masih menjadi kendala untuk menangani sinyal yang berubah sangat cepat.

Ke depannya, para peneliti berencana mengurangi latensi dengan dukungan hardware khusus. Jika berhasil, teknologi ini berpotensi digunakan dalam berbagai bidang, mulai dari brain-machine interface, prostetik saraf, hingga pengembangan AI hibrida generasi berikutnya.