Tinumbra
Не совсем. Их обучают на массиве (картинка, текстовое описание картинки). При этом картинок миллионы, человек их все не отсматривал, и в некоторых случаях текстовое описание будет неполным или даже ошибочным. Но в целом сеть все равно выучивает какие-то закономерности, типажи. И если у тысячи картинок будет описание "красивая", то это будет классифицировано именно так.

Кстати, поэтому бесполезно спрашивать, как сеть "представляет саму себя" или просить нарисовать автопортрет. Она нарисует усреднённый образ, имеющий отношение к тем тысячам автопортретов, которые она разбирала при обучении, только и всего.