未来理想显性系统的模块会通过近似的方法，采用机器视觉和其他通常与AI有关的技术进行连接，因此，今天的许多疯狂、棘手的黑客游戏不会再出现。
例如，人们很难通过深度学习网络将恶意软件安装到计算机上，比方说让摄像头对着一幅可能会引起病毒感染的图像。但“难”不等同于“不可能”，追求完美的安全本身就有些愚蠢。
明确地说，你可以利用图像植入恶意软件（人们一直都在这样做），但只有在软件一个比特接一个比特地接收图像，并通过精确协议处理图像时，才能较容易地完成这种植入。
欺骗刻板的协议很容易，因为你通常可以想出协议的原始设计者之前没有预料到的技巧。一个常见的例子是，图像中放置的比特数多于描绘图像的协议识别的比特数。协议读取图像时，一些比特会溢入之前未曾料到的计算机位置，而这些多余的比特可能就包含恶意软件。
利用这种风格的策略实现的计算机感染，可能是目前地球上最常见的人为事件。
但是，如果我们只是以模拟近似读取图像，并只对其进行统计分析，就像有个摄像头对着这个图像，那么系统就不会那么脆弱。[12]图像不是问题，僵化的协议才是问题。
有时候，工程师最好不要知道软件的精确工作原理。
与深度学习等类似术语相关的现代算法具有近似性及其他相关特性，能够在本质上抵御黑客的攻击技巧，但是我们只用这些能力执行特殊任务，而不用于建构体系结构。另一种设计显性结构的方法是在架构中使用这些算法。
和生物学一样，当系统变得强大时，安全性也会增强，这与完美不同。完美的系统会崩溃，而强大的系统可以调整。