災難性遺忘

指在新資料上訓練的神經網路，會驟然喪失其對較早資料的能力，因為針對新分布的梯度更新覆寫了編碼舊分布的權重。在抗漂移腦機介面中，這正是天真補救所招致的失敗：每天只用今日資料重新訓練解碼器，它或許能把今日解碼得很好，卻在它曾應付自如的各種情境上失靈，使準確度變得脆弱、隨最近所見而擺盪。

標準的緩解方式對應到持續學習的工具箱。彈性權重固化等正則化方法，加入一項懲罰以錨定被判定為對過往表現重要的權重（由費雪資訊估計），同時讓較不重要的權重自由移動。重播（排演）將一個過往範例緩衝區與新範例交錯訓練，使舊分布不會從訓練中缺席。參數隔離則為每種情境凍結或增生專屬容量。在腦機介面中，這些都須在嚴苛的運算、延遲與隱私限制下運行，而缺乏已標記的過往資料，可能使重播本身難以忠實實作。