هر نظریه و یافته‌ای که سعی در تبیین منبع و سازوکار هوش طبیعی داشته باشد، نیاز به محک خوردن دارد. یک محک مناسب، استفاده از این یافته‌ها و نظریه‌ها در ساخت سامانه‌های مصنوعی و ارزیابی رفتار آنها در مواجهه با مسایل واقعی است. سامانه‌هایی که بر اساس اینگونه یافته‌ها ساخته می‌شوند، سامانه‌های هوشمند الهام گرفته از طبیعت نام دارند. هرچند این روش بسیار مورد توجه است، اما قیدی بر آن حاکم است که هوش طبیعی متناسب با بدن و محیط موجود زنده خلق شده و تکامل یافته است. بنابراین، ارزیابی‌ها یا باید در شرایط مشابه برای موجودات طبیعی و مصنوعی انجام شود یا در شرایطی انجام شود که ویژگی‌های محیطی، جسمانی، حسی و عملکردی موجودات مصنوعی و زنده نقش اساسی در بروز رفتار آنها نداشته باشد.

حالت دوم، ارزیابی را به شرایط خاصی محدود می‌کند، مانند ارزیابی بروز هوشمندی در فضاهای مجازی و برخی از بازی‌ها مانند شطرنج. از سوی دیگر، ایجاد شباهت بین بدن و محیط ارزیابی امری پیچیده، اما به سرعت در حال پیشرفت است. به عنوان مثال، با استفاده از سامانه‌های ترکیبی ترافزار  که در آنها از یک سامانه مصنوعی برای کنترل بدن موجودات زنده استفاده می‌شود، شباهت جسمی، حسی، عملکردی و محیطی فراهم می‌شود.

همچنین یکی از ویژگی‌های بارز ما انسان‌ها و بسیاری از حیوانات، اجتماعی بودن است. بروز هوشمندی و بخش عظیمی از یادگیری ما در دنیای فیزیکی و فضای مجازی در بستر تعاملات اجتماعی اتفاق می‌افتد. اجتماعی بودن پیچیدگی‌های خاصی را بر محیط ما تحمیل

می‌کند و در عین حال فرصت‌های فراوانی را برای هوشمندسازی و بروز هوشمندی پدید می‌آورد. از جمله پیچیدگی‌ها آن است که محیط اجتماعی به شدت پویاست. افراد اطراف ما و ویژگی‌های آنان در گذر زمان تغییر می‌کنند.

 این پویایی نتیجه یادگیری و تغییرات دیگر اعضای جامعه است که خود تا حدی تابع رفتار و تعامل ما با آنان است. به عبارت دیگر، پویایی محیط اجتماعی و فردی در ساختاری چرخه‌ای با هم مرتبط‌اند و این امر مدل‌سازی محیط‌های اجتماعی را پیچیده، ولی بسیار جذاب و با اهمیت می‌سازد.

پیچیدگی دیگر نتیجه عدم دسترسی ما به ذهن و افکار دیگران است که در بروز رفتار آنان نقش مؤثر دارند. این عدم دسترسی، امکان مشاهده کامل محیط و پیش بینی آن را از ما می‌گیرد. بنابراین، تعامل با محیط‌های اجتماعی نسبت به تعامل با دیگر محیط‌ها نیاز به توانایی‌های بیشتری دارد. ابزارهای پیچیده‌تری نیز برای مدلسازی رفتار موجودات اجتماعی هوشمند و همچنین استخراج منبع هوشمندی آنها از داده‌های مطالعات شناخت اجتماعی مورد نیاز است.

سوای نیاز به مدلسازی برای درک هوش در بستر اجتماع، یکی از دلایل اهمیت مدلسازی محیط‌های اجتماعی آن است که ایجاد تغییر در محیط‌های اجتماعی بسیار هزینه‌بر است. بنابراین قبل از تلاش برای اعمال سیاست تغییر در محیط‌های اجتماعی، استفاده از مدل‌های دقیق و هوشمند برای مطالعه اثربخشی سیاست‌ها و پیش‌بینی رفتار جامعه و اعضای آن ضروری است.

اجتماعی بودن هرچند پیچیدگی‌های فوق را به وجود می‌آورد، اما بروز هوشمندی را نیز تسهیل می‌کند، زیرا بروز هوشمندی در محیط‌های پیچیده و پویا ساده‌تر است. همچنین حضور در اجتماع امکان یادگیری از دیگران را برای موجودات شناختی فراهم می‌سازد و این فرصت موجب می‌شود که این موجودات با هزینه بسیار کمتری نسبت به زمانی که خود باید به تنهایی همه چیز را فراگیرند قابلیت‌های خود را افزایش دهند.

ایجاد امکان مشابه در سامانه‌های چندعاملی هوشمند و همچنین سامانه‌های هوشمند مصنوعی که در تعامل با انسان‌ها قرار دارند. از اهمیت علمی و فناوری ویژه‌ای برخوردار است. توسعه روش‌های یادگیری اجتماعی به صورت عام و یادگیری تقلیدی، همکاری در یادگیری و انتقال دانش به صورت خاص از جمله خطوط تحقیقاتی در این زمینه‌اند. به علاوه، استفاده از ربات‌های هوشمند در محیط زندگی انسان، نیازمند پذیرش آنها توسط اعضای جامعه و کاربران آنهاست. این امر نیازمند سازگاری ظاهری و رفتاری ربات‌ها با انسان است. ربات‌های انسان‌نما از نظر ظاهری این نیاز را برآورده می‌کنند و هوش مصنوعی تلاش دارد با وجود پیچیدگی‌های ذکر شده، از این ربات‌ها موجودات اجتماعی بسازد.

*دبیر ستاد توسعه علوم و فناوری‌های شناختی معاونت علمی و فناوری ریاست جمهوری