開迴路與閉迴路
想像閉著眼睛開車。你能轉動方向盤，但看不到路面，根本不知道自己是在向左偏，還是穩穩地待在車道裡。這就是開迴路系統：你做了動作，卻從不知道結果。早期不少解碼器在實驗室裡就是這麼運作的——使用者想像一個動作，模型做出一個猜測，而這個人什麼回饋都收不到。
閉迴路腦機介面把眼睛還給了使用者。解碼結果被轉化成他們能感知到的東西——移動的游標、亮起的字母、伸出的機械手——他們便能據此即時修正，就像瞥一眼路面、再把方向盤輕輕回正。這一刻，這個人不再是被動的訊號源，而是朝著目標主動操控的夥伴，親手把自己的腦機介面撥回正軌。
回饋延遲
看到結果只有在*夠快*時才有用。延遲，就是你的意圖與隨之而來的回饋之間的那段間隔。當它很短——只有零點幾秒——你的大腦會樂於把兩者聯繫起來：「這是我做的。」一旦把間隔拉長，那種掌控感就會瓦解。等游標終於動起來時，你已經嘗試了另外三種做法，再也分不清是哪個念頭造成了什麼結果。意圖與結果之間的映射，於是變得無從學起。
同樣重要的是：延遲必須穩定。一會兒靈敏、一會兒遲鈍的迴路，比又慢但穩的迴路更難學習，因為大腦找不到一條可以鎖定的穩定規則。這正是即時解碼要在如此緊張的預算內運行的原因。每一個環節——讀取訊號、提取特徵、模型預測、繪製結果——都會吃掉幾毫秒，而整條鏈條必須在「這是我做的」那扇窗戶砰然關上之前完成。
神經回饋：訓練大腦
到目前為止，迴路一直指向外部——指向游標或機械手。神經回饋則把它轉向內部。你不再把意圖解碼成動作，而是測量這個人自己大腦活動的某項特徵——常常是某段腦節律的功率，比如某個振盪有多強——再直接呈現給他們：一根上升的柱子、一個變亮的音調、一枚在目標節律增強時爬得更高的火箭。
有了這面鏡子，人們就能逐漸學會把節律往上或往下推——不是靠遵循什麼有意識的配方，而是像你學著動耳朵、或放鬆一塊緊繃的肩膀那樣：嘗試、回饋，再慢慢漂向有效的做法。大腦依靠可塑性，重塑自身的模式，去追逐螢幕上的獎勵。這與之前是同一個閉迴路，只不過現在大腦既是駕駛員，又是被訓練的對象。
共享與輔助控制
即便有了一個快速、訓練良好的迴路，原始解碼仍然抖動——它會顫動、會衝過頭。解決之道未必是更好的模型；往往是一個更好的*夥伴*。在共享控制中，機器在使用者身旁貢獻出自己的智慧：它撫平抖動，在訊號變得安靜時保持穩定，並在你的意圖一旦明朗時給出自動補全，就像手機鍵盤替你把單詞寫完。
正是這種融合，把嘈雜的訊號變成可信賴的游標操控，把粗糙的伸手變成安全的義肢運動。這種輔助還能強制執行一些不該由大腦去把關的限制——一隻機械臂乾脆拒絕超過安全速度移動，或拒絕用力夾住人的手。其中的藝術在於平衡：幫得太少，解碼就讓人覺得沒法用；幫得太多，使用者又會覺得被奪權，不再是那個說了算的人。