讀取是迴歸；寫入是反演
關於本領域，最重要的一項結構性事實是讀寫不對稱。解碼是一種前向迴歸：觀測活動 r，學出一個到意圖的映射 \hat{u}=g(r)，並讓使用者自身的可塑性幫忙彌合落差。編碼——寫入一個特定的知覺或記憶——則是反問題：找出一個刺激模式 s，使其效果 f(s) 匹配某個目標神經狀態 r^\star，而這個編碼 f 我們並不知道、是多對一的，且微刺激會以非局部的方式活化它。
把這道不對稱寫精確。讀取是對資料擬合一個函數。寫入則必須反演一個未知、非單射、非局部的算子 f——這就是仿生寫入問題。這正是為何我們解碼意圖語言的能力，遠勝於寫入一種自然的觸感或影像。
這道不對稱一部分是根本的（透過未知算子的反問題確實是不適定的），一部分是工程的（更好的視蛋白、更密的微刺激，以及閉迴路校準，都在一點一點削弱它）。體感 ICMS與仿生回饋的進展是真實的，但屬漸進——我們能誘發一個可定位的觸感，卻還無法描繪一整幅場景。誠實的路線圖，會把讀取與寫入放在兩條不同的曲線上。
生物相容性的天花板
一根堅硬的電極插在柔軟、搏動的組織裡，就是一道慢性傷口。微動隨每一次心跳剪切著介面；異物反應與反應性膠質增生用膠質瘢痕把探針包封起來；探針周圍還開出一圈神經元流失的殺傷區。這些合起來造成慢性訊號衰退，並設下慢性生物相容性極限——這正是當今皮質內陣列會在數月至數年間流失單元的原因。
功率與熱的天花板
這裡有一道確實接近根本的天花板。植入體上的每個放大器、轉換器、無線電與處理器都耗散功率，而這些功率在僅能容忍約一度持續升溫的組織中化為熱。因此熱與功率預算極限，為你能在顱內記錄、運算與傳輸的量設下上限，無論電子元件如何改良——因為這個約束由生理學與組織升溫決定，而非由電路設計決定。
常被引用的熱上限：把組織升溫控制在約一度、表面功率通量控制在數十 mW/cm²。這限制了通道數與每通道功率的乘積，正因如此，高頻寬介面被迫採用超低功率前端，並禁止在植入端做繁重運算。
熱上限是好幾道前沿相撞之處。它直接與無線資料速率瓶頸競爭（無線電非常耗電），這正是為何本領域轉向植入端壓縮，乃至神經形態協同處理器。但請注意這誠實的框架：奇特的能源，買不到繞過散熱極限的門票。你可以收集更多能量；卻無法讓大腦散去更多熱。
共適應的天花板
一個閉迴路腦機介面，是兩個彼此追逐的學習者：解碼器適應大腦，而大腦也適應解碼器。這個雙學習者問題可以收斂到流暢的控制——也可能振盪並停滯。共適應天花板所指的觀察是：效能不僅受訊號品質所限，也受使用者與演算法的聯合動力學、以及迴路延遲與穩定性極限所限：越過某個延遲後，本應輔助控制的回饋，反而會使其失穩。