未來理想顯性系統的模塊會通過近似的方法，採用機器視覺和其他通常與AI有關的技術進行連接，因此，今天的許多瘋狂、棘手的黑客遊戲不會再出現。
例如，人們很難通過深度學習網絡將惡意軟件安裝到計算機上，比方說讓攝像頭對著一幅可能會引起病毒感染的圖像。但「難」不等同於「不可能」，追求完美的安全本身就有些愚蠢。
明確地說，你可以利用圖像植入惡意軟件（人們一直都在這樣做），但只有在軟件一個比特接一個比特地接收圖像，並通過精確協議處理圖像時，才能較容易地完成這種植入。
欺騙刻板的協議很容易，因為你通常可以想出協議的原始設計者之前沒有預料到的技巧。一個常見的例子是，圖像中放置的比特數多於描繪圖像的協議識別的比特數。協議讀取圖像時，一些比特會溢入之前未曾料到的計算機位置，而這些多餘的比特可能就包含惡意軟件。
利用這種風格的策略實現的計算機感染，可能是目前地球上最常見的人為事件。
但是，如果我們只是以模擬近似讀取圖像，並只對其進行統計分析，就像有個攝像頭對著這個圖像，那麼系統就不會那麼脆弱。[12]圖像不是問題，僵化的協議才是問題。
有時候，工程師最好不要知道軟件的精確工作原理。
與深度學習等類似術語相關的現代算法具有近似性及其他相關特性，能夠在本質上抵禦黑客的攻擊技巧，但是我們只用這些能力執行特殊任務，而不用於建構體系結構。另一種設計顯性結構的方法是在架構中使用這些算法。
和生物學一樣，當系統變得強大時，安全性也會增強，這與完美不同。完美的系統會崩潰，而強大的系統可以調整。