ок, мои надежды рассыпались :)
от подглядывания как бы ничего не будет, обучение именно за счет попыток что-то сделать происходит, мне кажется, что в этом отношении как раз лучше всего брать обучающуюся сеть с ботами и человека, который будет пытаться потом установившийся баланс расшатать неожиданными тактиками или прочими гиммиками, чему ботов тоже можно научить, в принципе, а сложностью варьировать просто какие-то общие статы, типа кол-во движений в минуту, спрей, частоту смены вектора движения и т.д.