过去的各种研究人员已经连接了抽象的机器学习和本质主义，以指出机器学习过程中的主要范式相当于选择机器搜索的“基本”属性。我们本文的目标是表明机器学习与本质主义之间存在联系，但仅用于某些机器学习，并且通常不包括深度学习方法。基于相似性的方法，与整体原型理论相互联系，涉及心理学和语言学，似乎更适合于模式识别和复杂的深度学习问题，而对于分类问题，主要是对无监督的学习，本质主义似乎是最佳选择。为了更好地说明不同的道路，我们将在其他学科中将两条路径连接到它们的来源，并了解人类心理学在机器学习建模方面如何影响我们的决策。这导致了一个非常有趣的后果：即使在监督机器学习的环境中，本质也不存在于数据中，而是在目标中，这又意味着据称是本质的类别实际上是人制造的，并且在目标中是手工编码的。因此，机器学习的成功并没有提供任何实质性的证据