能動性感與比較器模型
能動性感是「我正在引發某動作及其效果」的那種尋常感受。認知科學部分地以一個比較器來建模：大腦預測自身運動指令的感覺後果，再把預測與實際發生的相比較。當預測與結果相符時，能動性高；當兩者分歧時，動作便感覺像是外部造成、延遲，或不屬於我。
\text{PE}_t = \big\lVert\, s_t - \hat{s}_t \,\big\rVert, \qquad \hat{s}_t = g(u_t)比較器的預測誤差：實際感覺回饋 s 與大腦對自身指令 u 的前向模型預測 ŝ 之間的失配。PE 越大，能動性越衰退。
BCI 正坐落於這個迴路之中，並能以尋常工具做不到的方式破壞它。延遲在意圖與效果之間插入間隔；自適應解碼器悄悄改變對應，使昨日的指令產生今日不同的結果；平滑濾波器讓效應器在你未下令時移動。每一項都會放大 PE，而使用者也會回報那份感受到的後果：游標「有自己的主意」、手臂「不照我想要的做」。能動性不是一種模糊的安慰；它是你正在設計的控制迴路上一項可量測的性質。
當解碼器與你一同行動：共享控制
高效能神經義肢很少直接執行原始神經指令。它們把使用者解碼出的意圖，與自主協助——避障、抓握塑形、目標吸附——混合起來。形式上，送往效應器的指令，是使用者項與自主項的凸組合，由仲裁係數 \alpha_t 加權：
u_t = (1-\alpha_t)\,u^{\text{user}}_t + \alpha_t\,u^{\text{auto}}_t, \qquad \alpha_t \in [0,1]共享／輔助控制。α=0 是純使用者指令；α=1 是完全自主。倫理上沉重的問題是：誰設定 α？使用者是否知道它的值？它能否在未經同意下升高？
真正被執行的指令，是使用者意圖與自主系統建議的混合，由旋鈕 \alpha 調配。\alpha=0 時使用者完全作主；\alpha=1 時機器接管。倫理的重量不在數學裡，而在「誰」設定 \alpha、使用者是否知道它的值、以及它能否悄悄升高。參見共享／輔助控制。
- u_t
- 時刻 t 真正被執行的指令。
- u^{\text{user}}_t
- 使用者自身意圖的指令。
- u^{\text{auto}}_t
- 自主系統建議的指令。
- \alpha_t
- 介於 [0,1] 的混合權重——交給自動化的比例。
在 \alpha=0.2 時，機器只輕輕推一下動作；把 \alpha 滑向一，使用者的意圖便越來越被覆蓋，也許連本人都沒察覺。
協助確實是好的：它讓臨床 BCI 可用且較不耗神。但它以控制換取效能，而這筆交易對使用者往往是隱形的。若 \alpha 高且未揭露，當事人可能對一個主要由機器產生的動作感到著作權——一種舒適的錯覺——或更糟，為一個由自主端所選的結果受責。設計義務不在於把 \alpha 最小化，而在於使它可辨識且受治理：使用者應能知曉、且理想上能形塑，每個動作有多少屬於自己。
意圖的演算法中介
解碼器從不直接觀察意圖；它是推斷意圖。貝葉斯解碼器把這項推斷顯式化：估計是把神經似然與一個關於意圖的先驗結合，而該先驗常由脈絡塑形（語音 BCI 中的語言模型、游標 BCI 中的任務模型）。
p(\text{intent}\mid \text{neural},\,\text{context}) \;\propto\; p(\text{neural}\mid \text{intent})\; p(\text{intent}\mid \text{context})貝葉斯意圖估計。先驗 p(intent|context) 由設計者選定。當它很強時，輸出反映的是模型的期望，與使用者的神經訊號一樣多——意圖已被演算法中介。
系統對你意圖的猜測結合兩件事：你神經訊號中的證據，以及設計者依情境對你「可能」想要什麼所預設的先驗期望。當這個先驗很強，輸出便和依賴你的大腦一樣依賴設計者的假設——你的意圖已被演算法中介。
- p(\text{intent}\mid \text{neural},\,\text{context})
- 系統對你意圖的更新後信念。
- p(\text{neural}\mid \text{intent})
- 神經訊號與各候選意圖的吻合程度（證據）。
- p(\text{intent}\mid \text{context})
- 先驗——設計者假設在此情境下什麼較可能。
- \propto
- 「正比於」——各部分相乘，再做正規化。
若在是／否拼字器中，情境先驗強烈偏向「是」，那麼一個微弱或模稜兩可的神經訊號仍可能被讀成「是」——答案部分反映的是先驗，而不只是使用者。
這就是意圖的演算法中介，是一把雙面刃。強的語言模型先驗，正是讓語音神經義肢流暢的關鍵；它同時意味著出現的字詞有一部分是模型的猜測，而非全然出自你的神經輸出。在極端情況下——非常自信的先驗搭配微弱的訊號——系統能「補完」一個你並未完全形成的意圖，或朝一個你不是那個意思的字詞自動更正。是誰寫下了這個句子：你，還是那個先驗？
責任落差
現在來到難題。一台 BCI 控制的輪椅撞傷了旁人；一個語音 BCI 發出了誹謗性的句子；一次輔助抓握摔壞了易碎物。誰負責任？使用者並非完全的肇因（協助與先驗介入其中）；解碼器不可能是道德主體；製造商造出的工具，其行為部分是隨機的、且在部署後還會自適應。這就是責任落差：一項危害，卻沒有任何一方乾淨地滿足責任的條件——因果貢獻、控制，加上可預見性。
這道落差並非 BCI 獨有（任何自主系統都會出現），但神經科技使它更尖銳，因為人就在迴路之內，貢獻了真實卻無法量測的一份。有兩個做法能幫上忙，卻不會消解問題。其一，為迴路裝設儀表：記錄 \alpha_t、先驗的影響力與解碼器信心，使事後能估計某動作有多少來自使用者、多少來自機器。其二，把問題從「該怪誰？」轉為事先分配義務——在部署前就設好設計標準、揭露要求與責任規則，使任何人都不會在事後被扣上一份他當時看不見的責任。
保全能動性的設計原則
- 讓著作權可辨識：呈現每個動作中使用者相對於自主的比例（一個可見或有紀錄的 α），絕不讓協助偽裝成純粹的使用者控制。
- 讓先驗可檢視、可調整，並在其實質形塑輸出時加以揭露。
- 為延遲與自適應設界並發出信號：使用者應能預期對應關係，並在它於自己腳下改變時被告知。
- 提供乾淨的停止：一個明確、低延遲、能中止或否決效應器的方式，即使在逐刻控制被共享時，也能保全能動性。
- 為究責裝設儀表：記錄日後調查為公平分配責任所需的各量（α、信心、先驗權重）。