Artificial Tongue, Teknologi Revolusioner untuk Kenali Rasa

Para peneliti membandingkan hasil mereka dengan penelitian terbaru oleh Andrew Pannone dan rekan-rekannya, yang diterbitkan di jurnal Nature pada Oktober 2024. Penelitian tersebut menggunakan jaringan saraf yang berjalan pada komputer solid-state tradisional untuk menganalisis data dari lidah elektronik berbasis grafena.

Sistem ini memproses informasi dalam apa yang disebut para ilmuwan sebagai reservoir yang memungkinkan sistem mempelajari rasa. Jaringan saraf atau bagian pemrosesan dari sistem mengidentifikasi pola dan meneruskannya untuk pemrosesan akhir.

“Kami mengidentifikasi berbagai rasa menggunakan sistem pembelajaran mesin yang lebih sederhana: sebagian komputasi reservoir dan sebagian jaringan saraf dasar,” jelas Yan. “Yang terpenting, perangkat fisik kami benar-benar melakukan sebagian dari pekerjaan komputasi,” imbuhnya.

Hal ini berbeda dengan sistem yang sepenuhnya bergantung pada komputer eksternal untuk pemrosesan. Sistem ini membangun ingatan secara progresif, mirip dengan cara otak kita belajar membedakan rasa. Dengan setiap paparan, sistem ini semakin baik dalam membedakan rasa yang serupa.

“Sistem ini dapat dengan andal membedakan rasa kompleks seperti kopi, Coca-Cola, dan bahkan campurannya menyamai kinerja jaringan saraf canggih Pannone,” kata Yong.

Aplikasi Medis dan Praktis

Teknologi ini dapat memungkinkan deteksi dini penyakit melalui analisis rasa, membantu mengidentifikasi efek obat, dan membantu orang yang kehilangan indra perasa akibat gangguan neurologis atau stroke.

Lidah buatan juga dapat membantu meningkatkan pengujian keamanan pangan, pengendalian mutu dalam produksi minuman, dan pemantauan lingkungan pasokan air. Hal ini dapat dilakukan dengan membantu mengidentifikasi rasa spesifik dalam sampel.

“Inovasi-inovasi ini meletakkan dasar penting untuk berbagai aplikasi, mulai dari diagnostik medis hingga mesin otonom yang mampu ‘merasakan’ lingkungannya,” kata Yong.

Meskipun hasilnya menjanjikan, Yong mengakui masih terdapat tantangan yang signifikan. “Sistem ini masih terlalu besar untuk aplikasi praktis,” ujarnya. “Sensitivitas deteksi perlu ditingkatkan, dan konsumsi daya lebih tinggi dari yang kami harapkan.”

Namun Yong tetap optimistis tentang jangka waktu perbaikan. Setelah ia mengatasi tantangan peningkatan skala produksi, peningkatan efisiensi daya, dan mengintegrasikan berbagai sensor serta mengembangkan perangkat keras neuromorfik yang kompatibel.

“Kami dapat melihat kemajuan transformatif dalam teknologi perawatan kesehatan, robotika, dan pemantauan lingkungan dalam dekade mendatang,” paparnya. hay