有的顯性假設認為，如果將類AI算法用於結構和連接，而不僅僅用於有效載荷，那麼系統將不易出現持續的災難性故障。
當然，顯性在小系統中連接模塊時效率很低，我們依靠機器視覺和學習算法來聯合最基本的任務。但在非常大的系統中，維護協議會變得低效。例如，會有不斷的更新和病毒掃瞄，而且每次更改協議時，都要停機很久。
我要舉個音樂方面的例子。這麼多年來，我為音樂軟件的插件花了上萬美元，來為混音添加混響等，但最後這些插件都不能用了，沒有一個能用！
軟件組件很快就會過時，因為它們需要完全符合軟件生態系統的協議和其他方面，而我們很難防止微小變化的出現。[13]
我還買了很多物理音效踏板，甚至還有20世紀70年代的，又買了一大堆音樂合成器物理模塊。這些硬件中，許多都有計算機芯片，功能與我購買的軟件插件的功能完全一樣。但是它們與軟件插件最大的不同就是，所有的物理設備現在都能用，全部都可以。
物理設備和軟件插件的區別在於，物理設備採用的是不會過時的模擬氣隙連接。
理論上，軟件插件應該更便宜、更高效、各方面的功能更好。可實際上，硬件設備更便宜、更高效、各方面的功能更好，因為它們都還能用。硬件音效踏板和模塊就是音樂技術的顯性版[14]，而插件就是協議版。
我們不能只看技術在一段時間內的表現，而必須著眼於包括開發和維護在內的整個技術生命週期。
我購買音樂工具的經歷展示了顯性假設的另一面：從大範圍和長期的使用與修改來看，顯性架構比以協議為中心的、基於代碼的傳統結構更加有效。