延續第一冊
在第一冊你以親切的直覺認識了餘弦調諧曲線與群體向量：一個運動皮質細胞對某個伸手方向放電最強，若讓每個細胞以其偏好方向「投票」，就能還原動作。這幅圖像在其範圍內是正確的——但它只是初學者的快照，而這個領域後來已分裂成兩種相互競爭的語言，用來描述同一片運動皮質。本軌談的正是這兩種語言，以及它們之間的現代綜合。
表徵觀點
可追溯到 Georgopoulos 發現方向性調諧的經典說法是表徵式的：每個神經元編碼一個動作參數——方向、速度、力——而群體的任務就是以冗餘與抗雜訊的方式表徵該參數。於是解碼就是讀出：反轉編碼以還原被表徵的變數。
\lambda_i(\theta) = b_{0i} + m_i\cos(\theta - \theta_i)餘弦調諧：細胞 i 的期望放電率隨伸手方向 \theta 與其偏好方向 \theta_i 夾角的餘弦上升。
運動皮質細胞對某個偏好的伸手方向放電最快，隨伸手角度偏離而減弱，呈餘弦曲線。它的放電率就是一個基線加上一個餘弦起伏。
- \lambda_i(\theta)
- 細胞 i 對伸手方向 \theta 的期望放電率。
- \theta_i
- 細胞的偏好方向——它放電最猛的方向。
- b_{0i},\ m_i
- 基線放電率與調諧深度（它調諧得多強）。
- \cos(\theta - \theta_i)
- 從 1（沿偏好方向伸手）降到 -1（相反方向）。
一個偏好「上」的細胞，對向上伸手放電很猛、對側向則在基線、對向下最少——這就是餘弦調諧曲線。
動力系統觀點
自 2010 年代起，Churchland、Shenoy 等人主張表徵框架問錯了問題。他們提出，運動皮質更適合被理解為一個動力系統：一個遞迴網路，其活動依內部規則演化，產生肌肉所需的隨時間變化的指令。神經元不是參數的標籤，而是一部生成動作的機器的狀態變數。
\dot{\mathbf{x}}(t) = A\,\mathbf{x}(t)低維群體狀態 \mathbf{x} 在內部動力學 A 下演化——是逐步展開的活動，而非被讀取的靜態編碼。
動力學觀點認為，群體狀態 \mathbf{x} 不是被讀取的固定編碼，而是依它自身的內部規則 A 隨時間演化——像上緊的彈簧逐步釋放般展開的活動，而非被讀出的靜態訊息。
- \mathbf{x}(t)
- 低維的群體狀態。
- \dot{\mathbf{x}}(t)
- 它的變化率——在狀態空間中的速度。
- A
- 動力學矩陣，連結狀態與其變化方式的內部規則。
單擺的位置與速度就依這種規則演化；運動活動也展現類似的有律流動——這就是動力系統觀點。
在此觀點下，準備期活動設定初始條件，隨後動力學向前推進。一個在資料中獲得證實的醒目預測是：動作起始時大部分的變異來自一個條件無關訊號——一個所有伸手都共享的觸發——若視為對方向的表徵便難以理解，但若把它看成動力系統被啟動的瞬間，卻正是意料之中。
為何 BCI 工程師該在意
這不是為了哲學而哲學——兩種觀點開出不同的解碼器處方。若調諧為真，就解碼瞬時的被表徵變數；若動力學為真，就估計一個平滑的低維潛在狀態並利用其時間結構——這正是速度卡爾曼濾波器或 LFADS 所做的。實證上，神經流形及其動力學在跨日之間比任何單一神經元的調諧都更穩定，這正是現代解碼器倚重群體結構的原因。
後續路線
- 指南 2——嚴謹處理餘弦調諧與群體向量，以及最佳線性估計為何勝過它。
- 指南 3——神經流形與活動的維度：PCA、因子分析、GPFA。
- 指南 4——把運動皮質看作動力系統：準備期、旋轉動力學、固定點、纏繞。
- 指南 5——前沿：以動力學為基礎的解碼器、跨日穩定性，以及誠實的未解問題。