После введения эмулятора внешней среды и конкурентного коллективного решения, можно вводить новые свойства нашего искусственного интеллекта

Блуждающие фоновые решения. Не обязательно после принятия решения заставлять все программы перестраиваться на осмысление следующего шага. Можно оставить некоторые (хорошие по каким-то критериям) программы продолжать долго думать над прошлыми ситуациями. Вполне может быть, что они всё-таки что-то надумают, и это что-то окажется полезно или в текущей (пусть даже изменившейся) ситуации, или окажется полезно для дальнейшего обучения. Например, отставшая программа может разгадать замысел врага или найти интересное тактическое решение. Тогда можно будет попытаться развернуть текущую ситуацию к этому решению (искусственный интеллект "передумал"), а если партия к тому времени уже закончена (или ушла в другом направлении), то найденное решение можно будет использовать в обучении. Как именно осуществляются оба этих варианта - это темы отдельных исследований. Искусственный интеллект при этом всё время будет в "онлайне", и будет думать, самосовершенствоваться, вести диалоги сам с собой, почти как человек.

Взрыв вариантов. Можно попробовать обнаруживать ситуации, когда отдельная программа (или коллектив программ) стоит на развилке, когда обнаруживается неоднозначная ситуация, и эту ситуацию принудительно разветвлять в новые ветки решений (программа + эмулятор). Опять же, как детектировать такие ситуации, как их ветвить - тема отдельных исследований, непаханое поле. Пока это только на уровне идеи, идеи о том, что при неоднозначностях интеллект должен уметь делать ветвление вариантов. Но ветвление это совсем не то, что перебор дерева решений. Это скорее как размазывание волновой функции, как комплексная арифметика, когда операции с неоднозначностью (мнимой единицей) выдают несколько вариантов, которые в дальнейшем по правилам той же арифметики взаимодействуют между собой. Также и разветвлённые решения в искусственном интеллекте должны продолжать совместное существование, продолжая связь друг с другом (как именно - тоже вопрос), и в подходящий момент времени ветви могут сходиться в единое решение. Причём ветвление наступать будет не тупо, как при переборе вариантов, а именно в те моменты, где оно наиболее интересно.

Как именно можно будет обнаружить точку потенциального ветвления? Для обычных нейронных сетей есть алгоритмы, увеличивающие ёмкость нейронной сети, если её не хватает для обработки данных, и уменьшающие ёмкость сети, если она избыточна для принятия решений. Изменение ёмкости в нейронной сети это добавление и удаление весов-связей между нейронами и самих нейронов (читай добавление/удаление строк в нелинейной матрице и обнуление элементов, не влияющих на решение). Есть целое направление про нейронные деревья, которые нарастают по мере надобности. Так и в коллективе программ, можно проверять, над чем "думают" разные программы, похожие ситуации минимизировать и пытаться сгенерировать новые направления "мысли". В оценке этого, в первую очередь нам помогут эмуляторы, надо смотреть насколько похожее они выдают видение внешней среды.

Можно проверять и отдельные программы, насколько они однозначно выдают решение. Если программа блуждает между несколькими решениями, или не сходится к решению, то можно на эту ситуацию кинуть дополнительные программы, инициализированные этой же ситуацией, но со случайными отклонениями, чтобы стимулировать "ход альтернативных мыслей". Может ветвление пригодиться и при обучении, когда можно будет определить, насколько программа неоднозначна в решении, и разделять неоднозначные случаи на несколько более однозначных программ, с тем, чтобы они более успешно работали совместно в коллективе. Но опять же, всё это пока только красивые идеи, идеи для экспериментов.