认为大脑总是高效？再想想。

普渡大学神经科学家的研究结果表明，大脑并不像我们的想法一样高效。

为了高效，最好定制到最终目标的努力。如果设备或网络连接无法显示或中继高分辨率图像，则流媒体高清电影中没有点。不仅要做的幻想版本较少，但它将在没有块状的工件的情况下汇流。

在神经科学中，中继信息效率的指标称为稀疏编码。稀疏编码意味着大脑继电器（编码）只有少数（稀疏）神经元的基本信息。

“整个领域一直基于假设大脑必须完全有效，就像一台机器，以便做好工作，”心理学科学教授和生物医学工程教授Anne Sereno说。“但我们的研究发现，这种情况并非总是如此。”

塞伦诺和她的同事的这种令人惊讶的发现是最近的自然通信生物学文章，“在灵长类动物视觉系统中”假期序神经编码“。

理解和衡量稀疏性

为了测量稀疏性，Sereno和她的团队评估了每个神经元的数据。当在许多神经元横跨许多神经元时出现类似的数据时，团队可以告诉该过程不是稀疏 - 它是不高效的。为了达到高度的稀疏度，每个神经元或数据携带单元必须携带或继电单独的信息。神经元需要用较少的信息中继更多信息，而不会在各种载波上重叠数据。

一种称为相关性的度量量化了这种重叠。如果很多神经元携带类似的信息，则相关性很高。在大脑中，当机制真实地稀疏时，距离没有相关性神经元。

“我们的研究检查了许多不同的皮质大脑区域揭示了一些有趣的见解：当似乎大脑进行时稀疏编码（利用广泛接受的稀疏度量），实际上存在显着的相关性，“塞伦诺说。

在这种情况下，大脑是假的，或者不确定稀疏。

这些发现升值了普遍认为，大脑是在设计各种工程应用时最有效的机制。同时，鉴于这些假源机制随着时间的推移，这些伪劣机制已被停用进化过程，也许有些东西可以说稀疏，并不总是成为交付的最佳方式信息。详细研究这些假源机制将有助于科学家了解各种大脑过程及其与疾病和康复的相关性。

设计工程过程

那么，如果大脑并不总是有效，科学家应该如何接近机器的设计？答案：评估任务，然后选择并选择模拟的内容。

“这是真的，在有很多变异性的情况下或背景噪音，大脑更好能够集中在手头的任务上，“塞伦诺说。”但在信号干扰很小的情况下，使用大脑作为模型可能导致过度指定。“

作为一个例子，一个机器人手臂简单地选择并将物体放在一个受控环境不需要担心噪声或信号干扰。其计划可以直截了当地。另一方面，自主驾驶发生在更复杂的环境中，具有更多的变异性和噪声环境，其中大脑擅长。在这种情况下，靠在大脑上的灵感有益于最终的设计过程。

研究脑编码的伪旋转石，不仅可以进入如何进入脑功能但进入生物化及其在工程中的有效应用。

---

---