被读出来的从来不是"想法"，而是一条本该发给肌肉、却在半路被截下来的命令。
一个人瘫痪了十几年，颅骨上开了个小口，插进去一片比指甲还小的电极。他盯着屏幕想"往右"，光标就往右滑。这看着像读心术，但真相冷静得多，也有意思得多：机器读到的不是念头，是运动皮层原本要发给手的那道指令——通往肌肉的线在脊髓断了，指令还在照发，只是没人接。脑机接口做的事，是把它接走。而更反直觉的一点在后面：真正让这套东西好用起来的，常常不是解码器变聪明了，而是用的人学会了怎么被读懂。
神经元靠电脉冲说话——一次大约千分之一秒的电压跳变，行话叫 spike（放电）。想读它，就得测电；而测电的第一个决定不是用什么算法，是站多远。
贴在头皮上的 EEG 完全无创，但颅骨是一层很厚的"糊化器"：它把细节抹平，只剩粗轮廓。像隔着体育场外墙听欢呼——你能听出进球了，听不出谁在喊什么，空间上大概只分得清厘米量级。打开颅骨、把一张薄片贴在皮层表面（ECoG），不扎进组织，分辨率就跳到毫米。再往前一步，把几十上百根细针扎进皮层几毫米（经典的犹他阵列是 96 个通道），这时才听得见单个神经元的 spike。
所以"非侵入的脑机接口能不能追上侵入的"，答案更多在物理，不在算法：颅骨已经把信息抹掉了，抹掉的东西算不回来。运动系统与小脑
EN Neurons speak in spikes — millisecond voltage jumps. Reading them starts not with an algorithm but with a distance. Scalp EEG is fully non-invasive, but the skull blurs the signal to centimetre resolution: you hear the stadium roar through the wall, not the words. An ECoG sheet laid on the cortical surface reaches millimetres. Only microelectrodes pushed a few millimetres into cortex (the classic Utah array carries 96 channels) resolve individual neurons. Resolution and invasiveness are welded together, which is why the non-invasive ceiling is a physics problem, not a software one.
1980 年代人们在猴子的运动皮层里发现一件事：单个神经元有偏好方向——你朝某个方向伸手时它放电最猛，方向偏离得越多它放得越少。但这条曲线非常钝、非常宽，宽到只盯着一个神经元，你几乎猜不出手要去哪儿。
把这一群神经元各自的偏好方向按当下的放电率加权，再首尾相加，合出来的那个箭头精准地指向真实方向——这叫群体向量。它揭示的是一条贯穿全书的原则：信息不在单个细胞里，在分布上。所以电极多几十个通道，往往比算法换代更有用。
今天的解码器不再手算群体向量，而是训练一个统计模型：先让人反复想象一批已知的动作（或者跟着屏幕上自己动的光标"跟练"），采集"这一刻各通道放了多少电"和"目标速度是多少"的配对，再拟合出从前者到后者的映射，早期用卡尔曼滤波，现在多用循环神经网络。说穿了，神经解码就是一个监督学习的回归问题，训练数据是"你的脑 × 已知答案"。近年最漂亮的成果都出自这条路：想象手写字母，每分钟约 90 个字符；想象说话，每分钟 60–80 个词——已经接近日常语速的一半以上。
语音脑机接口的架构，和你手机里的语音识别几乎是同一张图：神经网络先吐出音素（比"字"更小的发音单位）的概率，再交给一个语言模型（预测下一个词的模型，和 LLM 同源）去挑最像人话的那一句。解码器根本不需要完美——语言模型用先验把窟窿补上。这也解释了一个常被误读的现象：词表越受限，看上去越"神准"。同一套神经信号，换个大词表，准确率就掉下来。
EN A single motor-cortex neuron has a preferred direction, but its tuning curve is so broad that one cell tells you almost nothing. Weight each neuron's preferred direction by its current firing rate, sum the little arrows, and the resultant — the population vector — points accurately at the intended direction. The information lives in the distribution, not in any cell. Modern decoders skip the hand-computed vector and fit a supervised regression from spike counts to velocity (Kalman filters historically, recurrent nets now), trained on your brain paired with known answers. That route produced imagined handwriting at ~90 characters per minute and imagined speech at 60–80 words per minute.
有件事几乎总被跳过：脑机接口不是"离线读取"，它是一个闭环。用户看见光标动了，会立刻调整；他一调整，神经活动的分布就变了；分布一变，解码器脚下的地基就动了。两边同时在学对方。
有个实验把这件事说透了：让猴子先用脑机接口熟练控制光标，然后偷偷换掉解码映射。如果新映射落在这群神经元本来就常走的那些活动模式里（研究者叫它内在流形——一群神经元虽然有成百个，实际一起活动的花样却只有很少几种组合，像一支乐团只会那么几套和声），猴子几分钟就重新学会了；如果新映射要求的是流形之外的组合，练上几天也学不会。
这句话值得停一下：可塑性是有形状的。你能快速学会的新技能，得是你这张网络本来就"说得出口"的话；要它说没学过的语法，代价高到几乎学不动。（神经流形这个东西本身很有意思，Topic 37 会专门展开。）突触可塑性
还有个副产品很动人：熟练用户往往会悄悄放弃"想象自己在动手"这个策略——因为直接调制那几个被读取的神经元更省事。到那一步，光标就不再是被操纵的对象了，它更像身体的一部分。
两个学习系统在同一个回路里同时更新——解码器在学人，人在学解码器——这在机器学习里有个专名：协同适应（co-adaptation）。它带来的麻烦和 GAN 里两个网络互相追、以及 RLHF 里策略和奖励模型互相漂移，是同一个稳定性问题：每一边的训练数据都由另一边生成，于是没有一个固定的靶子。工程上的对策也高度一致——让一边慢下来、定期冻住其中一方重新标定，别让两边同时乱跑。
EN A BCI is a closed loop, not an offline readout: the user sees the cursor move, corrects, and thereby changes the very data distribution the decoder was fitted on. A landmark experiment swapped the decoder mapping mid-task. If the new mapping lay inside the population's intrinsic manifold — the small set of activity patterns those neurons naturally co-produce — monkeys relearned within minutes; mappings outside the manifold stayed unlearnable for days. Plasticity has a shape. Expert users also tend to abandon "imagine moving my hand" and simply modulate the recorded cells directly, at which point the cursor stops being an object and starts being a limb.
读出来这条线已经相当成熟，反过来往脑子里写就难得多——难在一个非常物理的地方。
电刺激是喊话，不是说话。一个电极一放电，半径内的细胞会被一起激活，不管它是兴奋性的还是抑制性的、在回路里扮演什么角色；而信息本来是编码在精细的时空模式里的。读的时候你可以挑着听，写的时候你只有一个喇叭。
真正成功的"写入"其实早就有了，只是没人管它叫脑机接口：人工耳蜗。它绕过坏掉的毛细胞，直接电刺激听神经，全球已有几十万人在用。它能成的关键是耳蜗有一张干净的地图——频率按位置排，底部管高频、顶部管低频。有地图，就知道该往哪儿写。视觉假体就惨得多：刺激视皮层的一个点只能换来一个光斑，要拼出一张脸，需要的分辨率和时空精度都还远远不够。
深部脑刺激（DBS）治帕金森是第三类：它写进去的其实不是信息，而是一串高频电脉冲，作用更像强行打断病理性的同步节律——有效，机制却至今没有共识。基底节
至于这件事今天走到哪儿了：学术那条线（BrainGate 这类联盟）从 2004 年就有第一例人类植入，二十多年攒下来的家底，主要不是"能不能读"，而是能不能几年如一日地稳定读——电极会微动，免疫反应会在周围结出胶质瘢痕，把电极和神经元隔开，信号一年年变差。胶质细胞 而最锋利的伦理问题，也不是外行担心的"读心"，而是：装在你身上的东西归谁管。已经有公司在视网膜植入产品停产后倒闭，用户体内的设备成了没人支持的孤儿——植入物不是手机，不能换代。
EN Writing is far harder than reading, for a physical reason: electrical stimulation is shouting, not speaking. One electrode activates everything within its radius regardless of cell type or circuit role, while information is carried in fine spatiotemporal patterns. The one unambiguous success is the cochlear implant, used by hundreds of thousands — it works because the cochlea has a clean tonotopic map, so you know where to write. Visual prostheses get only phosphenes. Deep brain stimulation for Parkinson's writes no information at all; it interrupts a pathological rhythm, by a mechanism still debated. Meanwhile the hard problems are longevity — micromotion and glial scarring degrade signals over years — and ownership: implants have already been orphaned when the company folded.
"把机器接进回路"这件事，逼出了几个很老的问题：