主流技術對我們如何理解世界和我們自己有著巨大的影響。 縱觀歷史，液壓、蒸汽機和計算機等技術已經塑造了我們對智能的解釋。 這種強大的力量今天仍在繼續。 機器學習是一種概念框架，它解釋了為什麼預測是智能的本質。
 像智能這樣的複雜概念在它被工程化之前就必須被簡化。 僅僅是屬性和成功標準的一個子集便可以被抽像出來以適應需求。 雖然一個單一的定義不能滿足所有人，但是一個實踐型的社區可能會圍繞這個簡化的概念而團結起來。 對於一個社區來說，圍繞著機器智能作為一個自主的、目標搜索的系統的願景便可達成共識。 通過設計，這種智能的定義是在機器智能如何被實現和測量的預期中精心塑造的。
 在這個架構框架中，歸納推理這一預測過程，為理性的代理人如何在未知的環境中實現他們的目標提供了一個解決方案。 預測也是機器學習的本質，這是一個歸納推理的過程。
 這種簡化和專注雖然有效，但也具有內在的爭議性。 智能的複雜性提供了強調許多目的、理論和架構的自由。 因此，人工智能是一種非常多樣化的研究和技術集合，其中許多研究和技術都與主流觀點相左。           

然而，有力量便有話語權。 機器學習，尤其是深度學習，已經成為最成功和最具統治力的技術，這掩蓋了人工智能其他的每一個方面。 就像智力的概念被縮減為一個簡化的、實用的定義一樣，在許多人看來，人工智能已經被簡化為機器學習，後又進一步簡化為深度學習。 在這種世界觀中，預測確實是本質。
 成功也帶來了力量和影響力。 經過幾十年的研究，深度學習的先驅們被提升到了先知的地位。 他們的聲明成為了推文、配樂和演講稿中不加選擇的素材;他們的研究議程和路線圖為整個行業奠定了基礎。
 考慮到這些概念的可理解性，機器智能的任何功能缺口都可能被認為是一個預測的問題。 如果你的路線圖根植於預測的本質，那麼錘子法則就表明了這是一個預測問題。 當你以一種規定性的方式對一個崇拜它的行業提出質疑時，這個問題就不再被質疑了，它變成了真理。
 預測是智能的本質，它將一直存在，直到更主流的技術告訴我們其他的東西。