В апреле 2026 года исследователи представили новую гибридную модель машинного обучения MPA-PNN, объединяющую вероятностные нейронные сети с алгоритмом морских хищников — вычислительным методом, вдохновлённым стратегиями поиска добычи в океане.
Алгоритм Marine Predators Algorithm имитирует поведение морских хищников, использующих разные режимы движения при поиске пищи, включая дальний поиск и локальную оптимизацию.
Такие природные стратегии оказываются неожиданно эффективными в задачах анализа сложных данных.
В тестировании на эталонных классификационных наборах данных новая архитектура достигла средней точности 91.047%, превзойдя несколько современных алгоритмов оптимизации параметров нейронных сетей.
Кроме того, модель показала более быструю и стабильную сходимость по сравнению со стандартной Probabilistic Neural Network.
Хотя исследование проводилось на универсальных benchmark-датасетах, авторы подчёркивают потенциал метода для интерпретации сложных природных систем, включая океанические наблюдения и экологические паттерны.
Алгоритмы такого типа становятся частью новой волны вычислений, вдохновлённых природой — направления, где поведение животных превращается в язык машинного обучения.
Что это событие добавило в звучание планеты?
Ещё один пример того, как океан остаётся источником не только жизни —
но и способов мышления, которые помогают человечеству понимать сложность мира через ритмы самой природы.
