仿生寫入（逆向編碼）問題

要寫入某個特定的經驗，刺激器必須求解一個逆向問題：給定期望的神經或知覺目標，找出能產生它的刺激圖案。這很困難，因為電刺激是一種鈍器，它依軸突的興奮性與距離、而非依細胞身分來徵召神經元，還會激發過路纖維，並驅動同步而不自然規律的放電齊發，全然不同於稀疏的自然編碼。光遺傳與多位點方法承諾提供具細胞型別專一性的圖案化寫入，但要把全像定址擴展到橫跨一整塊皮質體積、貼近自然且閉迴路的知覺，仍未獲證實。

更深層的障礙在於：前向模型，也就是從刺激到知覺的映射，是未知、非線性、可塑且依狀態而變的，因此逆向無法被直接計算出來。這裡存在兩種相互競爭的賭注：重現自然圖案的仿生策略，以及讓共適應教會使用者去詮釋某個任意但一致之編碼的抽象策略。何者更能擴展，尚無定論。