通用性與遷移的極限

此為本領域核心隱喻的誠實制衡。神經基礎模型的承諾，奠基於存在一種可跨受試者、跨腦區、跨任務泛化的共享「神經活動語言」；未決的問題是這語言究竟多通用，以及遷移在何處崩解。已有若干失效模式被記載：負遷移，即在不匹配資料上預訓練反而損害目標任務；跨物種、跨腦區或跨模型未見過之任務結構時的分布外崩潰；以及紀錄模態本身改變時的脆弱性。

當前可辯護的解讀是：遷移確實存在但有界。它在同模態、同物種與同任務族內最強，跨越三者時最弱，且同分布成功與真正跨域通用性之間存在巨大落差。另一項極限在於身分：使遷移得以運作的逐單元與逐受試者嵌入，同時編碼了可辨識個體的結構，引發再識別與隱私疑慮。一個真正通用的神經基礎模型——能以少量校準讀取任何大腦做任何事——仍屬願景，誠實的回報應說明某一結果距此理想尚有多遠。