晶片內學習（局部可塑性）

晶片上學習在裝置本身更新解碼器權重，理想上使用只需各突觸處可得訊號的局部規則——脈衝時序相依可塑性（STDP）、局部替代規則，或由全域獎勵／誤差訊號調控的三因子規則——而非硬體上代價高昂的完整反向傳播。以電脈衝改變電導的憶阻式突觸是天然的基底。對腦機介面而言，這承諾了對表徵漂移與對使用者的持續、裝置端適應，而無須輸出資料或依賴雲端重訓迴路。

現實是，純局部規則在困難的解碼任務上普遍不及梯度訓練，而穩定的長時程晶片上學習還須對抗元件非理想特性與災難性遺忘。因此多數系統仍離線訓練並部署固定權重，或只做輕量的裝置端重新校正，完全自主的晶片上學習大致仍是研究目標。