২০২৬ সালের এপ্রিলে গবেষকরা একটি নতুন হাইব্রিড মেশিন লার্নিং মডেল MPA-PNN উপস্থাপন করেছেন, যা প্রোবাবিলিস্টিক নিউরাল নেটওয়ার্কের সাথে সামুদ্রিক শিকারি প্রাণীদের অ্যালগরিদমকে একত্রিত করেছে—এটি মূলত মহাসাগরে শিকার ধরার কৌশল দ্বারা অনুপ্রাণিত একটি গণনা পদ্ধতি।
মেরিন প্রেডেটরস অ্যালগরিদমটি খাবার খোঁজার সময় সামুদ্রিক শিকারিদের বিভিন্ন গতিবিধি অনুকরণ করে, যার মধ্যে দূরপাল্লার সন্ধান এবং স্থানীয় অপ্টিমাইজেশন অন্তর্ভুক্ত রয়েছে।
এই ধরনের প্রাকৃতিক কৌশলগুলো জটিল তথ্য বিশ্লেষণের ক্ষেত্রে অপ্রত্যাশিতভাবে কার্যকর বলে প্রমাণিত হচ্ছে।
মানক ক্লাসিফিকেশন ডেটাসেটের পরীক্ষায় নতুন এই আর্কিটেকচারটি গড়ে 91.047% নির্ভুলতা অর্জন করেছে, যা নিউরাল নেটওয়ার্কের প্যারামিটার অপ্টিমাইজেশনের বেশ কিছু আধুনিক অ্যালগরিদমকে ছাড়িয়ে গেছে।
এছাড়াও, মডেলটি সাধারণ প্রোবাবিলিস্টিক নিউরাল নেটওয়ার্কের তুলনায় দ্রুততর এবং আরও স্থিতিশীল ফলাফল প্রদর্শন করেছে।
যদিও গবেষণাটি সাধারণ বেঞ্চমার্ক ডেটাসেটের ওপর ভিত্তি করে পরিচালিত হয়েছে, তবে লেখকরা মহাসাগরীয় পর্যবেক্ষণ এবং পরিবেশগত নিদর্শনসহ জটিল প্রাকৃতিক সিস্টেমগুলো ব্যাখ্যা করার ক্ষেত্রে এই পদ্ধতির সম্ভাবনার ওপর গুরুত্বারোপ করেছেন।
এই ধরনের অ্যালগরিদমগুলো প্রকৃতি-অনুপ্রাণিত গণনার নতুন এক যুগের অংশ হয়ে উঠছে—যেখানে প্রাণীদের আচরণ মেশিন লার্নিংয়ের ভাষায় রূপান্তরিত হয়।
এই ঘটনাটি বিশ্বের প্রেক্ষাপটে কী নতুনত্ব যোগ করেছে?
মহাসাগর যে কেবল প্রাণেরই উৎস নয়, এটি তার আরও একটি উদাহরণ—
বরং এটি এমন এক চিন্তাধারার উৎস যা প্রকৃতির নিজস্ব ছন্দের মাধ্যমে পৃথিবীর জটিলতাকে বুঝতে মানবজাতিকে সাহায্য করে।
