まー無理だろなぁ
電車の中の映像もMinecraftって文字列から吐き出した映像も、どちらもそれっぽく見えるというだけで
人の意図を察することはできないし、人が作り上げたものを大量に食って覚えたものの中から正解に近いものを吐き出してるだけ
考える判断する手直しするのは全部人間
人間が思いつかないこと・人間が作れないものはどうやっても吐き出せない