Klasiskās apmācības ar pastiprināšanu metodes veiksmīgi funkcionē tā saucamajās nemarkova vidēs. Šajā darbā tiek izvirzīta ideja un algoritma izpildīšana nemarkova videi. Ierosinātā pieeja piedāvā daudznozīmīgo stāvokļu apmeklēšanas paņēmienu. Raksts definē un sīki apskata daudznozīmīgu stāvokļu formas nemarkova vidēs. Apmeklēšana ir svarīga fāze pirms politikas uzbūvei nemarkova vidēs izmantojot stāvokļu iekšējo reprezentāciju. Savukārt, stāvokļu iekšējai reprezentācijai ir jāsaglābj konverģences noteikumi, apmācības ar pastiprinājumu īpašības un priekšrocības. Raksta būtiska daļa ir veltīta daudznozīmīgo stāvokļu izrādīšanas pazīmēm un atrāšanas algoritmiem. Kā ir rādīts rakstā, pats grūtākais uzdevums ir atšķirt viena un tā paša stāvokļa divus eksemplārus. Raksts iekļauj sevī teorētisko ievadu, problēmu aprakstu un tās izpausmi šūnu pasaulē. Tika formulēti daudznozīmīgu stāvokļu trīs formas un izvirzīta tās atklāšanās ideja. Lai iegūtu praktiskus rezultātus, tika izstrādāta programmatūra, kas dotai pasaulei veido visu daudznozīmīgu stāvokļu sarakstu. Pamatojoties uz iegūtiem rezultātiem, izvirzīti secinājumi. Šīs darbs ir nepieciešamā iepriekšēja fāze aģenta nemarkova vidē funkcionēšanas uzdevuma izpētē.