計算機安全很好地反映了上述原則。我們設計了無數的抽像層次，讓程序與程序互相通信，但這些抽像設計很難理解。因此，黑客不斷發現之前未預料到的漏洞，我們不得不承擔入侵、維護、安全軟件、選舉篡改、身份竊取、勒索等方面的驚人開銷。
顯性軟件真的會更安全嗎？我還需要更多的測試來證明這一點，但我對此很樂觀。
我們今天是這樣構建系統的：採用精準比特結構的抽像通信圍繞著「深度學習」[9]等「有利」模塊，來實現最有價值的功能。
這些關鍵的「類AI」算法在比特層面並不是完美的，這些算法雖然只是近似估計，但仍然很強大。算法提供了支撐我們現有生活的程序所需的核心能力，不論是分析醫療試驗結果，還是運行自動駕駛汽車。
在顯性架構中，程序中「完美比特」和「近似/強大組件」往往扮演著相反的角色。
顯性系統中的模塊，通過深度學習和其他通常與AI相關的近似但強大的方法進行連接。
同時，只有部分顯性編輯器，如計算器訪問等功能，會要求比特完美的精度。絕對精度將不再用於通信。
為什麼這樣做會更安全？為了防止計算機遭黑客攻擊，我們有時會創建「氣隙」，這意味著執行關鍵功能的計算機甚至不會聯網。因此，黑客無法侵入計算機，而用戶只能在現場使用計算機。
在無代碼的顯性網絡中，每個模塊或編輯器都被氣隙的關鍵因素包圍，它們無法從彼此處獲得抽像消息。沒有消息，只有模擬角色按下模擬按鍵，也沒有抽像的「按鍵」消息。
在回到有關安全的話題之前，我會詳細解釋氣隙的工作方式。