开环与闭环
想象闭着眼睛开车。你能转动方向盘，但看不到路面，根本不知道自己是在向左偏，还是稳稳地待在车道里。这就是开环系统：你做了动作，却从不知道结果。早期不少解码器在实验室里就是这么工作的——用户想象一个动作，模型做出一个猜测，而这个人什么反馈都收不到。
闭环脑机接口把眼睛还给了用户。解码结果被转化成他们能感知到的东西——移动的光标、亮起的字母、伸出的机械手——他们便能据此实时纠正，就像瞥一眼路面、再把方向盘轻轻回正。这一刻，这个人不再是被动的信号源，而是朝着目标主动操控的伙伴，亲手把自己的脑机接口拨回正轨。
反馈延迟
看到结果只有在*够快*时才有用。延迟，就是你的意图与随之而来的反馈之间的那段间隔。当它很短——只有零点几秒——你的大脑会乐于把两者联系起来：「这是我做的。」一旦把间隔拉长，那种掌控感就会瓦解。等光标终于动起来时，你已经尝试了另外三种做法，再也分不清是哪个念头造成了什么结果。意图与结果之间的映射，于是变得无从学起。
同样重要的是：延迟必须稳定。一会儿灵敏、一会儿迟钝的回路，比又慢但稳的回路更难学习，因为大脑找不到一条可以锁定的稳定规则。这正是实时解码要在如此紧张的预算内运行的原因。每一个环节——读取信号、提取特征、模型预测、绘制结果——都会吃掉几毫秒，而整条链条必须在「这是我做的」那扇窗户砰然关上之前完成。
神经反馈：训练大脑
到目前为止，回路一直指向外部——指向光标或机械手。神经反馈则把它转向内部。你不再把意图解码成动作，而是测量这个人自己大脑活动的某项特征——常常是某段脑节律的功率，比如某个振荡有多强——再直接展示给他们：一根上升的柱子、一个变亮的音调、一枚在目标节律增强时爬得更高的火箭。
有了这面镜子，人们就能逐渐学会把节律往上或往下推——不是靠遵循什么有意识的配方，而是像你学着动耳朵、或放松一块紧绷的肩膀那样：尝试、反馈，再慢慢漂向有效的做法。大脑依靠可塑性，重塑自身的模式，去追逐屏幕上的奖励。这与之前是同一个闭环，只不过现在大脑既是驾驶员，又是被训练的对象。
共享与辅助控制
即便有了一个快速、训练良好的回路，原始解码仍然抖动——它会颤动、会冲过头。解决之道未必是更好的模型；往往是一个更好的*伙伴*。在共享控制中，机器在用户身旁贡献出自己的智慧：它抚平抖动，在信号变得安静时保持稳定，并在你的意图一旦明朗时给出自动补全，就像手机键盘替你把单词写完。
正是这种融合，把嘈杂的信号变成可信赖的光标操控，把粗糙的伸手变成安全的假肢运动。这种辅助还能强制执行一些不该由大脑去把关的限制——一只机械臂干脆拒绝超过安全速度移动，或拒绝用力夹住人的手。其中的艺术在于平衡：帮得太少，解码就让人觉得没法用；帮得太多，用户又会觉得被夺权，不再是那个说了算的人。