神經編碼問題

腦機介面的好壞，終究不超過我們對神經活動意義的理解。然而神經編碼，即群體如何在何種時間尺度上、以放電率、時序或群體幾何來表徵各種變數，僅獲部分理解，且會隨腦區、任務與個體而異。解碼器常以學習一個統計映射、而不倚賴機制性編碼的方式來繞過此問題；這對熟練的動作輸出行得通，但在抽象認知上便停滯，因為我們無法標記目標變數，遑論讀取它。

前沿觀點認為：潛在動力學與基礎模型方法，或許能讓我們在理解之前便先解碼出有用的結構，但寫入與高階認知仍將受制於編碼理論中真實存在的缺口。神經運算是否存在一個普適、低維的描述，抑或該編碼本質上就是高維且因人而異的，這是一個懸而未決的科學問題，並直接牽動工程上的成敗。