เริ่มแรก Markov Model ซึ่งมีการอนุมานว่าความน่าจะเป็นของ State ปัจจุบัน เกิดจากความน่าจะเป็นของ State ก่อนหน้า ดังนั้น ทุก ๆ State จึงมีการยึดโยงกับ State ก่อนหน้า เหมือนกับการทำนายดินฟ้าอากาศ เพื่อหาความน่าจะเป็นในการเกิดปรากฎการณ์ ฟ้าโปร่ง, ฝนตก หรือ มีเมฆ โดยการหาความน่าจะเป็นในการเกิดปรากฎการณ์นั้น ๆ

แต่เนื่องจาก Markov Model มีข้อจำกัด จึงมีคนคิดค้น Hidden Markov Model ขึ้นมา โดยให้การอนุมานว่า ความน่าจะเป็นของ State ปัจจุบัน เกิดจากความน่าจะเป็นของ State ก่อนหน้าก็จริง แต่เราไม่สามารถรู้สิ่งที่เกิดขึ้นจาก State เหล่านั้นได้ เพราะ State เหล่านั้นถูกซ่อนอยู่ ทำให้เราต้องหาความน่าจะเป็นจาก State ที่ไม่ถูกซ่อนไว้ เหมือนกับการที่เราเป็นนักโทษ เราไม่เห็นเดือนเห็นตะวัน เราไม่รู้หรอกว่าตอนนี้ข้างนอก ฟ้าโปร่ง, ฝนตก หรือ มีเมฆ เราเพียงหาความน่าจะเป็นได้จากผู้คุมนักโทษที่เอาอาหารมาส่งเรา ว่าเขาถือร่มหรือไม่ถือร่มมา จากนั้นเราก็อนุมานต่าง ๆ นา ๆ ว่าอากาศข้างนอกน่าจะ ฟ้าโปร่ง หรือ ฝนตก หรือ มีเมฆ เป็นต้น

มาตอนนี้ไฮเทคกันไปใหญ่ คือ มีการคิดค้น Hidden Quantum Markov Model โดยการกำหนดว่า State ที่ถูกซ่อนไว้ หรือ State ที่ถูกตรวจจับได้ ไม่ได้มีเพียง 1 ค่าในช่วง 1 State หากแต่ในแต่ล่ะ State นั้นมีค่าที่เป็นไปได้มากกว่า 1 ค่า

งานนี้คงได้ Optimization กันแหลก เพราะแค่ของเดิมกว่าจะแก้ปัญหา Non Deterministic Polynomial ได้ก็แทบอ้วกแล้ว นี่เล่น 1 State มีได้มากกว่า 1 ค่า ยิ่งต้องแก้ปัญหา Non Deterministic Polynomial เข้าไปใหญ่

ไม่แน่ใจว่า Hidden Quantum Markov Model นี่ตีพิมพ์หรือยัง ถ้าตีพิมพ์แล้วก็น่าเสียดาย เพราะว่าผมคิดได้แล้วเหมือนกัน เพียงแต่หาสมการคณิตศาสตร์มารองรับไม่ได้เท่านั้นเอง (ก็คือคิดไม่ทันเขานั่นแหล่ะ)