じゃあ、できることを組み合わせて何か新しいことを実行してもらおう。
人間は筋肉を動かせる。あと、頭いじれる。

そういった感じの大雑把な、
たとえばマウス入力パターン全部出力できるAIをつくってみてはどうだろう。
で、画面出力に従って勝手に動くようにしてみる。

最初はできることとして定義しているのはポイント・クリック・右クリック・
ドラッグのみ。その状況で、「ペイントを起動する」みたいな行動を覚えられたら
十分に知的って言えるんじゃねぇのかな。
勝手に動いてもらって強化学習するような感じで、できないかな。

クリックした後の画面遷移が大きいとか、既知であるとか、
そういった行動に対する結果を覚えて、それで行動の「意味」みたいなんを定義していく、
みたいな感じで。できねぇかな。まぁ、WinAPIのWの字すら分かんないけど。