第一卷的終點
第一卷教過你經典的階梯——EEG → ECoG → 皮質內記錄——以及它的鐵則：訊號品質隨侵入性上升。第二卷要問一個更難、也更有用的問題：能否在不植入的前提下取得植入級訊號？ 本學程正是這筆誠實的帳：新興的非侵入式與微創技術能買到什麼、買不到什麼，以及為什麼。
把這張圖記在心裡。每篇指南各挑軸上的一個區域，追問它能被推進到多遠：磁的路線（OPM-MEG）、光學／血流動力的路線（fNIRS、HD-DOT、功能性超音波）、微創的路線（血管內支架電極、超音波微粒），最後是穿戴式／消費性的邊界。貫穿全程的概念就是 侵入性與訊號品質的取捨。
為何顱骨佔上風
頭部是一個體積導體。皮質的神經電流要穿過腦、腦脊髓液、顱骨與頭皮，才會抵達感測器。在神經頻段我們處於準靜態近似——沒有波的傳播，只有電流的瞬時擴散——所以一小片活化的皮質，從外面看就像一個電流偶極，其場被組織衰減並抹散。
V(\mathbf{r}) = \frac{1}{4\pi\sigma}\,\frac{\mathbf{p}\cdot\hat{\mathbf{r}}}{r^{2}} = \frac{p\cos\theta}{4\pi\sigma\,r^{2}}即使在均勻介質中，電流偶極的電位也以 1/r² 衰減；再加上低導電度的顱骨對場做空間低通濾波，就得到 EEG 那種公分尺度的點擴散。
腦中微小電流偶極造成的電壓，隨距離 r 的「平方」衰減——距離加倍，電壓降到四分之一。再加上一個把場向側邊抹開的顱骨，等它抵達頭皮電極時，一個針點般的源看起來已成一片數公分寬的模糊。這片模糊正是 EEG 無法精準定位的原因。
- V(\mathbf{r})
- 在位置 \mathbf{r} 量到的電位（電壓）。
- \mathbf{p}
- 電流偶極——神經源的強度與方向。
- r
- 到源的距離；注意 1/r^2 的衰減。
- \cos\theta
- 偶極與到感測器連線之間的夾角因子；側向的偶極幾乎不可見。
在其他條件相同下，深 2 cm 的源在表面造成的電壓是深 4 cm 者的四倍——所以 EEG 偏向淺層、徑向朝外的皮質。
兩個後果定義了本學程。其一是空間解析度：因為顱骨模糊了場，頭皮感測器無法分辨小於數公分的源——深層與淺層的產生源相互重疊。其二是頻寬：組織與距離壓抑了高空間頻率、高振幅的棘波活動，所以在非侵入下你看到的是節律與誘發電位，而非單一神經元。本學程的每一種技術，都在對抗這兩者之一或全部。
「植入級」的量化定義
「植入級」不是單一數字，而是一個向量。真正重要的軸是頻寬（棘波需要 kHz 取樣；LFP／EEG 落在約 200 Hz 以下）、空間解析度（皮質內達次毫米、頭皮則是公分級）、獨立自由度／通道數、訊雜比，以及把它們綜合起來的底線：資訊傳輸率。
B = \log_{2} N + P\log_{2} P + (1-P)\log_{2}\!\left(\frac{1-P}{N-1}\right)Wolpaw 每次選擇的位元數：N 個等機率選項、正確率 P；乘上每分鐘選擇次數即得資訊傳輸率。當我們追問一套非侵入式系統是否「夠好」時，這是常用的量尺。
一條回答「一次選擇攜帶多少資訊？」的公式。在 N 個選項中以正確率 P 挑選：完全正確給出滿滿的 \log_2 N 位元，但出錯會扣回一些。乘上每分鐘的選擇次數，就得到資訊傳輸率——這是本領域衡量一套 BCI 是否夠快的通用計分板。
- B
- 每次選擇的位元數——一次選擇攜帶的資訊。
- N
- 可能選項的數目。
- P
- 正確率——選擇正確的機率。
- \log_2 N
- 若每次選擇都完美時的位元上限。
在 4 個字母中選擇（\log_2 4 = 2 位元）、正確率 90% 時，約可得 1.4 位元；掉到隨機水準（25%）時，B 便降為零。
這道差距是真實的，值得誠實說出。皮質內系統已把想像書寫與語音解碼推到每分鐘數十至近百個符號；而最好的非侵入式拼字器（P300、SSVEP）則低得多，通常每分鐘僅數個符號。本學程的全部重點，就是理解這道差距從何而來——以及哪些技術能在不開顱下把它縮小。