將配對組成網路
BrainNet連結三個人——兩位發送者、一位接收者——合作解決任務；接收者甚至能學會信任較準確的發送者。在動物身上，Brainet透過皮質微刺激把數隻大鼠或猴子的大腦連在一起，形成一台分散式「有機電腦」，執行樣式分類，並在猴子身上共享對單一虛擬手臂的控制。
協作與共享腦機介面
你甚至不必寫入大腦，就能取得大部分好處。結合數位使用者的解碼訊號——協作式腦機介面、共識／群體解碼、共享控制——在偵測與選擇任務（如群體 P300 或快速視覺目標搜尋）上，可靠地勝過最佳的單一使用者。可靠度正是走向多腦時誠實而可重現的回報。
拓撲與加權很重要。角色可以是扁平的（平等者的共識），也可以是階層的（發送者餵給接收者）。融合它們的最佳方式不是單純的多數決，而是可靠度加權：按每個貢獻者「對的頻率」來信任它。BrainNet 正嵌入了這一點——接收者能對可信的發送者給予較重的權重。
\hat{m} = \operatorname{sign}\!\left( \sum_{i=1}^{N} w_i\, s_i \right), \qquad w_i \propto \log\frac{P_i}{1-P_i}
對 N 個二元投票 s_i 的可靠度加權融合：每個貢獻者的最佳權重是其「答對的對數勝算」（P_i 為其準確率）。既有信心又準確的發送者，份量更重。
超掃描不是通道
超掃描同時記錄兩顆或更多大腦，在合作、對話或共享注意時發現腦際同步；腦際神經回饋甚至訓練人們去增強它。但這是對「耦合」的測量，而非工程化的資訊通道：沒有任何位元被寫入任何人的大腦。你在兩顆頭之間觀察到的相關，本身並不等於它們之間的通訊。
這些網路實際達成了什麼
再一次，誠實的範圍。任務是玩具型的——轉或不轉，一個二元決定——頻寬很小，而大部分增益是「平均帶雜訊估計」的統計好處，並非人與人之間任何新的認知頻寬。然而那份增益是真實且可重現的：匯集的大腦做出更可靠的決定，光是這一點，就是值得認真看待的真正多腦成果。