Pada April 2026, para peneliti memperkenalkan model pembelajaran mesin hibrida baru MPA-PNN, yang menggabungkan jaringan saraf probabilistik dengan algoritma predator laut—sebuah metode komputasi yang terinspirasi oleh strategi pencarian mangsa di lautan.
Marine Predators Algorithm meniru perilaku pemangsa laut yang menggunakan berbagai pola pergerakan saat mencari makan, termasuk pencarian jarak jauh dan optimasi lokal.
Strategi alami semacam ini terbukti sangat efektif dalam menangani tugas analisis data yang kompleks.
Dalam pengujian pada set data klasifikasi standar, arsitektur baru ini mencapai akurasi rata-rata sebesar 91.047%, melampaui beberapa algoritma optimasi parameter jaringan saraf mutakhir lainnya.
Selain itu, model ini menunjukkan konvergensi yang lebih cepat dan stabil dibandingkan dengan Probabilistic Neural Network standar.
Meskipun penelitian ini dilakukan pada kumpulan data pembanding universal, para penulis menekankan potensi metode tersebut untuk menginterpretasikan sistem alam yang kompleks, termasuk pengamatan laut dan pola ekologi.
Algoritma jenis ini menjadi bagian dari gelombang baru komputasi berbasis alam—sebuah bidang di mana perilaku hewan diterjemahkan ke dalam bahasa pembelajaran mesin.
Apa kontribusi peristiwa ini bagi resonansi planet kita?
Ini adalah contoh lain bagaimana samudra tetap menjadi sumber tidak hanya bagi kehidupan—
tetapi juga bagi cara berpikir yang membantu umat manusia memahami kompleksitas dunia melalui ritme alam itu sendiri.
