SISSA和宾夕法尼亚大学的一项合作表明，在大鼠中存在一种高效的感觉编码过程，这表明了优化使用计算资源的一般原则。这项研究发表在eLife，为理解这种效率背后的神经元机制以及基于类似原理的人工智能系统的发展铺平了道路。

人的大脑在休息时应该消耗身体产生能量的五分之一，也就是大约20瓦的能量。事实上，如果我们的大脑没有配备一种有效的编码机制，这种机制允许我们只代表在巨大的、持续的感官刺激流中真正有用的信息，那么代价会大得多。由SISSA和宾夕法尼亚大学进行的一项新研究，发表在《eLife》杂志上，表明在啮齿动物中存在类似高效的视觉刺激编码过程。该结果为重要的感知编码理论提供了支持，并为理解潜在的神经元机制和开发新的人工视觉系统训练协议铺平了道路。

20世纪60年代初，英国科学家贺拉斯·巴洛提出了高效编码假说。“根据这一理论，我们的大脑可以有效地使用神经编码来表示感官信息，从而最小化脉冲的数量，从而减少编码和传输信息所需的能量。”Avanzati - SISSA国际高等研究中心视觉神经科学实验室主任Davide Zoccolan解释道。“这种情况在视觉系统中尤其明显，因为大脑皮层深层区域的神经元数量减少，从而降低了表征能力。”

根据支持高效编码假说的信息论，高效的感觉系统应该优先分配计算资源，以表示环境的统计特征，这些统计特征更能反映环境的状态。就视觉系统而言，这意味着编码我们周围的自然图像的信息量最大的特征。

宾夕法尼亚大学(University of pennsylvania)的计算神经科学家维贾伊·巴拉苏布拉曼尼亚(Vijay Balasubramanian)在过去十年中一直在研究这个问题:这位研究人员说:“我们分析了数千张自然景观图像，将它们转换成由黑白像素组成的二值图像，并将它们分解成由特定统计数据定义的不同纹理。”“我们注意到，不同种类的纹理在自然界中有不同的可变性，而人类研究对象更擅长识别那些变化最大的纹理。”就好像我们的大脑把资源分配到最需要的地方。”

到目前为止，还没有证据表明其他物种对视觉纹理的感知同样有效。在发表在《eLife》杂志上的一项新研究中，Zoccolan和Balasubramanian的团队已经确定，这种影响发生在啮齿动物身上。

这项研究的第一作者Riccardo Caramellino，与Andrea Buccellato和Anna Carboncino一起，训练动物区分由随机黑白像素组成的二值图像和根据特定概率标准创建的纹理，就像之前对人类受试者所做的一样。然后，他们使用论文第一作者Eugenio piasini开发的“理想观察者”数学模型分析了结果。科学家们观察到，啮齿类动物和人类一样，对自然界中变化最大的纹理最为敏感。

“我们在啮齿动物身上发现了一种对视觉纹理的感知灵敏度模式，这种模式与高效编码一致，而且与之前在人类身上观察到的模式相同，尽管这些物种之间的系统发育距离很远。”这个结果表明，有效的纹理编码可能是视觉领域的普遍原则，”Zoccolan评论道。“视觉系统似乎通过一种被动暴露来适应周围环境，在识别信息更丰富的信号方面变得更加专业，从而大大节省了计算资源和能量。”我们的研究为研究这一基本过程背后的神经元机制提供了新的实验方法。它还提出了基于相同原理训练人工视觉系统的新方法。”