2026 年 4 月，研究人員推出名為 MPA-PNN 的新型混合機器學習模型，將機率神經網路與海洋捕食者演算法結合，這是一項靈感源自海洋獵食策略的運算方法。
海洋捕食者演算法（Marine Predators Algorithm）模擬了掠食者在尋找食物時的不同移動模式，其中包括遠程搜索與局部優化。
這類源自大自然的策略在處理複雜數據分析任務時，展現出驚人的成效。
在基準分類數據集的測試中，此新架構的平均精準度達到 91.047%，超越了多種現行的神經網路參數優化演算法。
此外，與標準的機率神經網路（Probabilistic Neural Network）相比，該模型展現出更快速且穩定的收斂性。
儘管該研究是在通用基準數據集上進行，但作者強調，此方法在解讀海洋觀測與生態模式等複雜自然系統方面極具潛力。
這類演算法正成為新一波自然啟發式運算的趨勢，在這個領域中，動物行為正轉化為機器學習的語言。
這項進展為世界的聲音增添了什麼？
這再次證明了海洋不僅是生命的搖籃——
更是思維方式的源泉，協助人類透過大自然的律動來理解世界的複雜性。
