SISSA 与宾夕法尼亚大学之间的合作表明，大鼠存在有效的感觉编码过程，提出了优化使用计算资源的一般原则。该研究发表在eLife 上，为了解这种效率背后的潜在神经元机制以及基于类似原理的人工智能系统的开发铺平了道路。

人的大脑在休息时应该使用其身体产生的能量的五分之一，即大约 20 瓦的功率。事实上，如果我们的大脑没有配备有效的编码机制，让我们只表示在大量持续的感官刺激流中真正有用的信息，那么成本会更高。SISSA 和宾夕法尼亚大学进行的一项新研究发表在eLife 上，表明存在类似的视觉刺激有效编码过程在啮齿动物中。结果为感官知觉的重要有效编码理论增加了支持，并为理解潜在的神经元机制和开发人工视觉系统的新训练协议的新实验方法铺平了道路。

60 年代初，英国科学家 Horace Barlow 提出了有效编码假说。Scuola 视觉神经科学实验室主任 Davide Zoccolan 解释说：“根据这一理论，我们的大脑可以使用神经代码有效地表示感觉信息，该代码可以最大限度地减少脉冲数量，从而减少编码和传输信息所需的能量。” Internazionale Superiore di Studi Avanzati-SISSA。“这尤其发生在视觉系统中，因为皮层较深区域的神经元数量减少，从而降低了表征能力。”

根据支持有效编码假设的信息理论，有效的感官系统应该优先分配计算资源来表示环境的那些统计特征，这些特征对其状态的信息量更大。在视觉系统的情况下，这意味着编码我们周围自然图像中信息量最大的特征。

宾夕法尼亚大学的计算神经科学家 Vijay Balasubramanian 在过去十年中一直在研究这个主题：“我们通过将数以千计的自然景观图像转换为由黑白像素组成的二进制图像并对其进行分解来分析它们进入由特定统计定义的不同纹理，”研究人员说。“我们注意到，不同种​​类的纹理在自然界中具有不同的可，人类受试者更擅长识别那些差异最大的纹理。就好像我们的大脑将资源分配到最需要的地方一样。”