Nisan 2026'da araştırmacılar, olasılıksal sinir ağlarını okyanustaki av arama stratejilerinden esinlenen bir hesaplama yöntemi olan deniz avcıları algoritması ile birleştiren MPA-PNN adlı yeni bir hibrit makine öğrenimi modelini tanıttılar.
Marine Predators Algorithm (Deniz Avcıları Algoritması), yiyecek ararken geniş kapsamlı arama ve yerel optimizasyon da dahil olmak üzere farklı hareket modlarını kullanan deniz avcılarının davranışlarını simüle eder.
Bu tür doğal stratejilerin, karmaşık veri analizi görevlerinde beklenmedik şekilde etkili olduğu görülüyor.
Standart sınıflandırma veri setlerinde gerçekleştirilen testlerde yeni mimari, sinir ağlarının parametre optimizasyonuna yönelik mevcut birçok algoritmayı geride bırakarak ortalama 91.047% doğruluk oranına ulaştı.
Ayrıca model, standart Olasılıksal Sinir Ağı (Probabilistic Neural Network) ile karşılaştırıldığında daha hızlı ve kararlı bir yakınsama sergiledi.
Araştırma genel geçer test veri setleri üzerinde yürütülmüş olsa da yazarlar, yöntemin okyanus gözlemleri ve ekolojik paternler dahil olmak üzere karmaşık doğal sistemleri yorumlama potansiyelini vurguluyor.
Bu tip algoritmalar, hayvan davranışlarının makine öğrenimi diline dönüştüğü, doğadan ilham alan yeni bir bilişim dalgasının parçası haline geliyor.
Bu olay gezegenin tınısına ne kattı?
Okyanusun sadece bir yaşam kaynağı olarak kalmadığının bir başka örneği —
aynı zamanda doğanın kendi ritimleri aracılığıyla insanlığın dünyanın karmaşıklığını anlamasına yardımcı olan düşünme biçimlerinin de kaynağıdır.
