今の機械学習って基本的に一本道のものを
クリアすることしかできないからね。
クリア条件を設定するのは人間

RPGのように条件を満たしていくもの
（複数のクリア条件があると考えればいい）は
人間がクリア条件を設定する以上
コンピュータが自分で考えてる感を出すことはできない。

手数の数で言えばドラクエⅠ程度でも将棋や囲碁よりも
遥かに多いし、評価関数を設定することもできない

ランダムで動かしてたまたまクリアできるパターンを
探すしかないので何億年とかかるだろう。