将分析后的信息进行编码，如何编码取决于希望做成的事情。比如控制机械臂拿起咖啡杯给自己喝咖啡，就需要编码成机械臂的运动信号，在复杂三维环境中准确控制物体的移动轨迹及力量控制都非常的复杂。

但编码形式也可以多种多样，这也是脑机接口可以几乎和任何工科学科去结合的原因。最复杂的情况包括输出到其他生物体上，比如小白鼠身上，控制它的行为方式。

4.反馈

获得环境反馈信息后再作用于大脑也非常复杂。人类通过感知能力感受环境并且传递给大脑进行反馈，感知包括视觉、触觉、听觉。

脑机接口实现这一步其实是非常复杂的，包括多模态感知的混合解析也是难点，因为反馈给大脑的过程可能不兼容。

脑机接口历史重要里程碑

1924年，德国精神病学家Hans Berger发现了EEG。

1969年，华盛顿大学医学院利用猴子进行脑电生物反馈的研究。

1990年代，Nicolelis完成对老鼠运动脑电波的初步研究后，在夜猴内实现了能够提取皮层运动神经元的信号来控制机器人手臂的实验。

1999年，哈佛大学的Garrett Stanley试图解码猫的丘脑外侧膝状体内的神经元放电信息来重建视觉图像。

2000年后，Donoghue小组实现恒河猴对计算机屏幕上的光标的运动控制来追踪视觉目标，其中猴子不需要运动肢体。

2009美国南加州大学的Theodore Berger小组研制出能够模拟海马体功能的神经芯片。该小组的这种神经芯片植入大鼠脑内，使其称为第一种高级脑功能假体。

2012年巴西世界杯——机器战甲，身着机器战甲的截肢残疾者，凭借脑机接口和机械外骨骼开出了一球。

2014年，华盛顿大学的研究员通过网络传输脑电信号实现直接脑对脑交流。

2016年12月，美国明尼苏达大学的Bin He与他的团队取得一项重大突破，让普通人在没有植入大脑电极的情况下，只凭借“意念”，在复杂的三维空间内实现物体控制，包括操纵机器臂抓取、放置物体和控制飞行器飞行。该研究成果有望帮助上百万的残疾人和神经性疾病患者。

2017年2月，斯坦福大学电气工程教授KrishnaShenoy和神经外科教授JaimieHenderson发表论文宣布他们成功让三名受试瘫痪者通过简单的想象精准地控制电脑屏幕的光标，这三名瘫痪患者成功通过想象在电脑屏幕上输入了他们想说的话，其中一名患者可以在1分钟之内平均输入39个字母。

脑机接口的挑战

脑机接口的摩尔定律：

根据上图表，以平均7.4年才能使可同时记录的神经元数量翻倍的速度计算，要达到同时记录100万个神经元需要等到2100年，而要记录人脑中的所有神经元（50~100亿个），则要等到2225年。

因此，脑机接口如何解决带宽问题成为了学术研究突破的关键点。埃隆·马斯克创立的Neuralink就是在致力于加速这一难题的攻克。

脑机接口也是一门复杂的交叉学科，这种交叉学科一般都会有两种挑战，一种是工程上的挑战，另一种是理论上的挑战。

理论研究都在努力解决这两个问题中的一个或两个：

1）如何从大脑中获取正确的信息？

2）如何将正确的信息发送到大脑？

第一个是“从脑到机”，捕获大脑的输出——记录神经元所说的话。

第二个是“从机到脑”，将信息输入大脑或以其他方式改变大脑的自然流—这是刺激神经元。

目前来说“从脑到机”已经有了一些研究成果，“从机到脑”却几乎是没什么头绪，基本可以说是一片漆黑仅有寥寥灯火。

“从机到脑”什么意思？也就是将感知反向编码成能被大脑读懂的信号。举个例子，能否把你摸小猫时的触感或是你的一段想象记录并通过机器反向重现给你，帮失明者重建视觉也是个好理解的想象。

机到脑的研究相比脑到机要缓慢许多，原因就是目前神经科学对于神经编码的具体方式还处于未知状态。而由机到脑对神经编码知识的需求要远大于从脑到机。神经科学在单神经元的研究也算是逐渐明朗了，但大脑各种神奇之处根本无法解释。