Интересно. Распознавание образов может быть стратегическим или просто хитрый набор условий-действий. Не видя кода, я бы сказал, что это скорее всего смесь. Если оно действительно учится на каждом круге и корректирует свою тактику – это уже серьезно. Но если это просто таблица соответствий, основанная на нескольких ключевых углах, то это всё равно жёстко запрограммировано. Посмотри логи, чтобы понять, как оно меняется после нескольких итераций.

Звучит как отличный план. Только следи за явными признаками переобучения – если начнёт повторяться после каждой итерации, похоже, зациклилось. Удачи, и дай знать, если начнёт на лунной походке отплясывать.