Vào tháng 4 năm 2026, các nhà nghiên cứu đã giới thiệu một mô hình học máy lai mới mang tên MPA-PNN, kết hợp mạng nơ-ron xác suất với thuật toán săn mồi đại dương — một phương pháp tính toán lấy cảm hứng từ các chiến lược tìm kiếm con mồi trong lòng biển.
Thuật toán Marine Predators Algorithm mô phỏng hành vi của các loài săn mồi đại dương vốn sử dụng nhiều chế độ di chuyển khác nhau khi tìm kiếm thức ăn, bao gồm cả tìm kiếm tầm xa và tối ưu hóa cục bộ.
Những chiến lược tự nhiên này tỏ ra hiệu quả một cách bất ngờ trong các tác vụ phân tích dữ liệu phức tạp.
Trong các đợt thử nghiệm trên những bộ dữ liệu phân loại chuẩn, kiến trúc mới này đã đạt được độ chính xác trung bình là 91.047%, vượt trội hơn so với nhiều thuật toán tối ưu hóa tham số mạng nơ-ron hiện đại.
Ngoài ra, mô hình này còn cho thấy khả năng hội tụ nhanh và ổn định hơn so với mạng nơ-ron xác suất (Probabilistic Neural Network) tiêu chuẩn.
Mặc dù nghiên cứu được thực hiện trên các bộ dữ liệu đối chuẩn phổ thông, nhóm tác giả vẫn nhấn mạnh tiềm năng của phương pháp này trong việc diễn giải các hệ thống tự nhiên phức tạp, bao gồm cả quan trắc đại dương và các mô hình sinh thái.
Những loại thuật toán này đang trở thành một phần của làn sóng tính toán mới lấy cảm hứng từ thiên nhiên — một xu hướng nơi hành vi của động vật được chuyển hóa thành ngôn ngữ của học máy.
Sự kiện này đã đóng góp thêm âm hưởng gì cho hành tinh của chúng ta?
Đây là một minh chứng nữa cho thấy đại dương không chỉ đơn thuần là cội nguồn của sự sống —
mà còn là khởi nguồn của những cách thức tư duy giúp nhân loại thấu hiểu sự phức tạp của thế giới thông qua những nhịp điệu của chính thiên nhiên.
