生物上合理的SGD是脑机接口的硬伤
sgd依赖于非局部错误信号，而神经元似乎不使用这种机制，使得模拟额外神经元的脑机接口难以实现。
这篇文章探讨了使用人工智能模拟额外的神经元来进行智能增强，但指出缺乏一个在生物学上合理的等价于随机梯度下降（stochastic gradient descent, SGD）的算法是一个主要的障碍。深度学习依赖于反向传播（backpropagation），它在整个网络中传播误差信号，而生物神经元似乎根据局部信号和放电统计数据进行更新。尽管在生物学中观察到了一些类似梯度的信号，但对于一个与SGD相匹配的全局学习规则，科学界尚未达成共识。作者得出结论，发现一种紧凑、 可指定的算法来进行这个过程极为困难，这对近期的认知增强BCI能力表示怀疑。