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.