В современной нейробиологии существует много различных подходов к экспериментальному исследованию мозга. Они отличаются друг от друга временным и пространственным разрешением. Есть методы (электроэнцефалография и магнитно-резонансная томография), которые позволяют увидеть активность мозга в целом, но обычно они обладают плохим временным и пространственным разрешением. В результате мы можем видеть, как активируется та или иная область мозга, но не то, как работают отдельные клетки. Другие методы позволяют нам зарегистрировать с высоким временным разрешением – 1 миллисекунда или выше, как работают отдельные клетки. Но тогда мы можем видеть лишь небольшую часть мозга.

Для того, чтобы понять, как динамика мозга связана с адаптивным поведение, то есть за счет чего человек и другие животные думают или обучаются, нам необходимо пространственное разрешение на уровне клеток и временное на масштабе миллисекунд. При этом требуется увидеть всю сеть нейронов, которая участвует в том или ином поведении. Таким образом, мы видим, что в современной науке существует технологическая проблема: отсутствует метод, который совмещал бы в себе высокое клеточное и временное разрешение со способностью охватить весь мозг.

Ближайшая перспектива в исследовании нейрогибридных систем связана с двумя направлениями. Первое, больше концептуальное, с попыткой увеличить число степеней свободы, которыми может научиться управлять нейрональная сеть. Потому что на сегодняшний день все модели, — это модели типа избегания столкновения с препятствиями. Робот автономно едет в каком-то направлении, и когда он подъезжает к препятствию, то дает сигнал нейрональной культуре, и нейрональная культура должна дать правильный ответ, который отвернет робота от стены. Здесь используется одна степень свободы. Очевидно, что для полноценных иследований необходимо вводить больше степеней свободы, чтобы робот мог ехать вправо, влево, строить комбинации действий.