All visuell information som det mänskliga sinnet tar emot bearbetas av en del av hjärnan som kallas visuell cortex. Synbarken är en del av det yttersta lagret av hjärnan, cortex, och är belägen vid nacklobens dorsala pol; enklare uttryckt i den nedre delen av hjärnan. Synbarken får sin information via projektioner som sträcker sig hela vägen genom hjärnan från ögongloberna. Projektionerna passerar först genom en stopppunkt i mitten av hjärnan, en mandelliknande klump känd som Lateral Geniculate Nucleus, eller LGN. Därifrån projiceras de till visuell cortex för bearbetning.
Visuell cortex är uppdelad i fem områden, märkta V1, V2, V3, V4 och MT, som ibland kallas V5. V1, som ibland kallas striate cortex på grund av dess randiga utseende när den färgas och sätts under ett mikroskop, är den överlägset största och viktigaste. Det kallas ibland primär visuell cortex eller område 17. De andra synområdena kallas extrastriate cortex. V1 är ett av de mest studerade och förstådda områdena i den mänskliga hjärnan.
V1 är ett ungefär 0.07 tum (2 mm) tjockt lager av hjärna med ungefär samma yta som ett registerkort. Eftersom den är hopskuren är volymen bara några kubikcentimeter. Neuronerna i V1 är organiserade på både lokal och global nivå, med horisontella och vertikala organisationsscheman. Relevanta variabler som ska abstraheras från de råa sensoriska data inkluderar färg, form, storlek, rörelse, orientering och andra som är mer subtila. Den parallelliserade karaktären av beräkningar i den mänskliga hjärnan innebär att det finns vissa celler som aktiveras av närvaron av färg A, andra aktiveras av färg B, och så vidare.
Det mest uppenbara organisatoriska protokollet i V1 är det för horisontella lager. Det finns sex huvudlager, märkta med romerska siffror som I till VI. I är det yttersta lagret, längst bort från ögongloberna och LGN, och får följaktligen det minsta antalet direkta projektioner som innehåller visuella data. De tjockaste nervknippena från LGN projiceras in i lager V och VI, som själva innehåller nerver som skjuter tillbaka in i LGN och bildar en återkopplingsslinga. Återkoppling mellan avsändaren av visuell data (LGN) och dess processor (V1) är till hjälp för att klargöra karaktären hos tvetydiga avkänningsdata.
Rå sensoriska data kommer från ögonen som en ensemble av nervavfyrningar som kallas en retinotopkarta. Den första serien av neuroner är utformade för att utföra relativt elementära analyser av sensoriska data – en samling neuroner utformade för att upptäcka vertikala linjer kan aktiveras när en kritisk tröskel för visuella ”pixlar” visar sig vara konfigurerad i ett vertikalt mönster. Processorer på högre nivå fattar sina ”beslut” baserat på förbearbetade data från andra neuroner; till exempel kan en samling neuroner utformade för att detektera ett objekts hastighet vara beroende av information från neuroner som är utformade för att detektera objekt som separata enheter från deras bakgrunder.
Ett annat organisatoriskt schema är den vertikala, eller kolumnära, neurala arkitekturen. En kolumn sträcker sig genom alla horisontella skikt och består vanligtvis av neuroner som har funktionella likheter, (”neuroner som eldar tillsammans, kopplar samman”) och gemensamma drag i deras fördomar. Till exempel kan en kolumn acceptera information uteslutande från den högra ögongloben, den andra den vänstra. Kolumner har vanligtvis underkolumner, som kallas makrokolumner respektive mikrokolumner. Mikrokolumner kan vara så små att de bara innehåller hundra enskilda neuroner.
Att studera detaljerna kring informationsbehandling i den mänskliga hjärnan är svårt på grund av det komplexa, ad hoc och till synes röriga sättet på vilket primats hjärnor utvecklades, såväl som den komplexa natur som vilken hjärna som helst säkerligen kommer att visa i kraft av sin enorma uppgift. Selektiv skada av visuell cortex hos djur är historiskt sett ett av de mest produktiva (och kontroversiella) sätten att undersöka neurala funktioner, men på senare tid har forskare utvecklat verktyg för att selektivt inaktivera eller aktivera specifika hjärnområden utan att skada dem. Upplösningen hos enheter för hjärnskanning ökar exponentiellt, och algoritmerna ökar i sofistikerad form för att hantera dataflödet som är karakteristiskt för kognitiv vetenskap. Det är inte osannolikt att antyda att vi en dag kommer att kunna förstå synbarken i dess helhet.