・正しい選択をしたっぽいなら
微妙に正の強化学習をして
・間違っていたなら
ペナルティとして多めに
負の強化学習をする

ゲームを繰り返すにつれて
どんどん強くなって行く（と良いなー）
リセットするか終了すると初期化