【锚点】这一篇只钉一个判断：知觉不是「接收图像」，而是在一条【比特预算极低的信道】上做【有损压缩】。错觉不是压缩的 bug，是压缩的【收据】——它暴露码本，就像 JPEG 的块效应暴露 DCT。

【显式】先把数字摆出来。人眼约 1.2×10⁸ 个视杆 + 6×10⁶ 个视锥，而视神经只有约 1.2×10⁶ 条神经节细胞轴突——汇聚比约 100:1。物理上就不存在「无损」这个选项。Koch 等（2006, Current Biology, “How Much the Eye Tells the Brain”）在豚鼠视网膜上实测神经节细胞输出的信息率约 875,000 bit/s，即 10⁶ bit/s 量级。你此刻「看到」的整个房间，走的是这条千兆都不到的信道。

【隐式】Atick & Redlich（1992, Neural Computation, “What Does the Retina Know about Natural Scenes?”）发现视网膜的横向耦合强度随信噪比切换：暗光下做空间低通（牺牲分辨率换信噪比），亮光下做高通去相关/白化（牺牲信噪比换带宽）。这不是通常意义上的「适应」，这是【码本随信道条件重算】——工程上叫自适应量化，神经上叫视网膜。

【细微】感受野的形状不是被设计出来的，是被自然图像统计逼出来的。Olshausen & Field（1996, Nature 381:607）用稀疏编码从自然图像块里学出的基函数，与 V1 简单细胞的 Gabor 型感受野高度相似；Simoncelli & Olshausen（2001, Annual Review of Neuroscience 24:1193）把这条证据链整理成「高效编码假说」。换句话说：边缘检测器不是发明，是收敛。

【极难发现】为什么压缩必然产生幻觉——不是「可能」，是「必然」： 【流程节点链路】比特预算固定 → 码本必须对【先验高概率输入】分配高精度、对【罕见输入】分配低精度（rate–distortion 最优解） → 罕见输入落入低比特区 → 解码器只能用先验补全 → 补全内容与真实输入不一致 → 这就是一次幻觉。 所以 Müller-Lyer、亮度错觉、运动后效都不是「大脑算错了」，而是「大脑算对了，但算的是另一个问题」：在给定预算下最小化期望失真。你看到的不是世界，是【世界的码本投影】。

【一个可检验的推论】若这个框架对，则：(a) 在自然图像统计里越罕见的刺激，错觉应越强、越难被注意调制；(b) 用同样 rate–distortion 目标训练的人工视觉系统，应在同一批刺激上犯同类错误。对抗样本（Szegedy et al. 2013）是 (b) 的候选证据——它们不是随机噪声，是沿码本边界方向的高效扰动。

【引申到行为经济学，可辩论】前景理论的概率权重函数（小概率过度加权、中高概率低估）可以被读成同一个失真函数在【决策信道】上的版本：小概率事件在经验分布里比特预算极低、编码极粗，于是用「显著性」而非「频率」去补全。但这个类比有个硬伤：知觉的失真函数可以从自然图像统计里估出来，决策的失真函数没有公认的「自然统计」基准。所以它是隐喻还是机制，取决于你能不能交出那个基准。

【留给你的问题】如果知觉是最优有损压缩，那么「更准确」的知觉是否总在行为上更优？我的答案是否——在噪声信道下，过度精确的观测会放大方差，最优解码器必须主动「不看见」一部分。这意味着错觉不是认知的税，是认知的【利息】。你愿意为更准的知觉付多少？