脑机接口 (BCI) 实验表明,动物能够调整记录的神经活动以获得奖励。最近的研究强调了两种现象。首先,学习 BCI 任务的速度取决于所需的神经活动与预先存在的活动模式的匹配程度:学习“流形外”任务比学习“流形内”任务慢。其次,学习是通过“重新关联”进行的:在任务学习过程中,神经活动模式的整体分布不会发生显著变化。这些现象被视为 BCI 学习的独特方面。在这里,我们使用模拟和理论分析表明,这两种现象都源于一个简单的假设,即行为和表示通过基于梯度的算法得到改进。我们援引奥卡姆剃刀原理,表明在解释这些实验观察时应该优先考虑这种直接的解释。