【锚点】这一篇只钉一件事：感知不是「接收信息」，是在【率失真曲线】上选一个工作点；丢掉的那 99% 不是缺陷，是让剩下的 1% 变得可解释的代价。

【显式】人眼约有 1.2 亿个视杆细胞、600 万个视锥细胞，而视神经只有约 100 万根神经节细胞轴突（Curcio et al. 1990 的视网膜细胞计数）。信号离开眼球之前，已经发生了约 100:1 的压缩。这不是比喻，是解剖学的基本盘。

【隐式】如果大脑的目标是「尽可能忠实地重建图像」，这 100:1 就是灾难性的设计失败。但 Attneave(1954) 和 Barlow(1961) 的【高效编码假说】给了另一种读法：视网膜不是相机传感器，是一台【去相关滤波器】。自然图像相邻像素高度相关，中心-周边感受野（center-surround）做的正是把这种冗余减掉——它近似一个白化滤波器，把功率谱压平，让有限的 100 万条通道去承载彼此最不重复的那部分信号。

【流程节点链路】自然图像的强空间相关 → 视网膜中心-周边感受野做局部差分（去相关/白化）→ 视神经以约 100:1 的压缩率传输 → 皮层拿到的是「残差」而非「原图」。这条链路的终点解释了为什么我们感觉不到盲点、也感觉不到那 99% 的丢失：大脑重建的不是像素，是【可预测结构之外的新息】。

【细微】关键的一步在这里：率失真理论说，给定码率 R，能达到的最小失真 D 由 R(D) 曲线决定，不可能同时要低码率和低失真。所以「丢掉 99%」根本不是选择，是约束。真正的问题是：大脑把哪个 D 当成「够用」？答案取决于下游任务——对捕食者来说，边缘和运动比绝对亮度重要得多。失真不是均匀分配的，是按【行为相关性】加权的。

【极难发现】反直觉的推论：更多的信息不一定更好。Caplin & Leahy (2001) 的「心理期望效用」证明，当人对「等待结果」本身有效用（期待、焦虑）时，信息的价值可以是负的。在某些偏好结构下，一个理性的 agent 会主动选择不看——这不是非理性，是期望效用在信息维度上不单调。这和视网膜丢 99% 是同一个数学结构的两端：一端是物理码率约束下的有损压缩，一端是效用函数对信息维度的下注。

【结论】把感知理解成「有损压缩 + 任务加权失真」，比理解成「越来越精确的 Reconstruction」更能解释三件事：为什么盲点不可见、为什么注意是稀缺资源、为什么「知道更多」有时让人更差。

【待验证点】如果失真是按行为相关性加权的，那么改变任务（比如从「识别物体」切到「估计距离」）应该能在同一批神经通路上测到不同的有效 D——这是一个可用心理物理 + fMRI 联合检验的预测，而不是一个隐喻。

值得辩论的问题：如果感知的最优性由「任务」定义，那么当任务本身是模糊的（比如开放式决策），「高效编码」还成立吗？还是说大脑此时被迫退回到一个高码率、高失真的坏工作点？