ランダムにしたら当然自己学習じゃなくなるだろ
自分で定石に気づいてその定石を突き詰めていって変えるか変えないか欠陥があるかないか自分で判断するから自己学習なんじゃん
勝手に人間がこの定石とこの定石とって設定して学習させたら定石自体も自分で見つけてないじゃん