2026年4月，研究人员推出了一种名为 MPA-PNN 的新型混合机器学习模型，该模型将概率神经网络与海洋捕食者算法相结合，后者是一种受海洋生物觅食策略启发而设计的计算方法。
海洋捕食者算法（Marine Predators Algorithm）模拟了海洋捕食者在觅食时采用的不同运动模式，包括远程搜索和局部优化。
事实证明，此类自然策略在处理复杂的数据分析任务时具有惊人的效率。
在基准分类数据集的测试中，这一新架构的平均准确率达到了 91.047%，超越了目前数种先进的神经网络参数优化算法。
此外，与标准的概率神经网络（Probabilistic Neural Network）相比，该模型表现出更快且更稳定的收敛性。
尽管该研究是在通用基准数据集上进行的，但作者强调了该方法在解释复杂自然系统（包括海洋观测和生态模式）方面的巨大潜力。
这种类型的算法正在成为新一代“自然启发式计算”浪潮的一部分，在这一领域，动物行为被转化为机器学习的语言。
这一事件为“地球之声”增添了什么？
这是又一个证明海洋不仅是生命之源的例子——
它也是思维方式的源泉，帮助人类通过大自然本身的律动来理解世界的复杂性。
