WHY IT MATTERS
为什么它决定 BCI 能否通用
用户会学习如何产生更稳定的神经模式，算法也会适应用户。两者同时变化时，单独优化模型可能破坏用户已经形成的控制策略。通用 BCI 需要把人和解码器视为一个共同学习的闭环。
CORE INNOVATION · 16
人与机器共同学习
只训练算法够不够？
有效反馈会改变用户的神经策略；未来系统需要同时建模使用者学习与解码器适应。
TECHNICAL PATHS
可行的技术路线
- 稳定、可理解的反馈帮助用户形成神经控制策略
- 限制在线更新幅度，避免解码映射突然漂移
- 区分用户学习、疲劳与算法更新带来的变化
- 依据使用者能力动态调整任务难度和反馈
THOUGHT EXPERIMENT
用一个问题检验它
当模型今天改变了控制映射，用户昨天学会的策略是否仍然有效？如果无效，谁在适应谁？
READING CHECKLIST
读论文或产品材料时，逐项检查
证据检查进度0 / 4
OBSERVATION METRICS
co-adaptation / feedback
不要只寻找一个更高的单项数字；要看这些指标是否在同一受试者、同一任务和同一时间尺度上共同成立。