Nuestros cerebros procesan información utilizando una arquitectura de red jerárquica en capas, con abundantes conexiones dentro de cada capa y conexiones de largo alcance escasas entre capas. Dado que estas conexiones de largo alcance permanecen mayormente sin cambios después del desarrollo, cada capa debe autoorganizarse localmente en respuesta a nuevas entradas para permitir el enrutamiento de información entre las escasas conexiones de entrada y salida. Aquí demostramos que esto se puede lograr mediante un modelo bien establecido de autoorganización cortical basado en una interacción bien orquestada entre varios procesos de plasticidad. Después de esta autoorganización, los estímulos transmitidos por entradas escasas pueden ser leídos rápidamente desde una capa utilizando solo unas pocas conexiones de largo alcance. Para lograr este enrutamiento de información, las neuronas que son estimuladas forman proyecciones hacia adelante en las partes no estimuladas de la misma capa y logran que más neuronas representen el estímulo. De este modo, los procesos de plasticidad aseguran que cada neurona solo reciba proyecciones de y responda a un solo estímulo, de modo que la red se partitiona en partes con diferentes estímulos preferidos. En esta línea, mostramos que la relación entre la actividad de la red y la conectividad se autoorganiza en un régimen biológicamente plausible. Finalmente, argumentamos cómo la conectividad emergente puede minimizar el costo metabólico de mantener una estructura de red que transmite rápidamente información del estímulo a pesar de la escasa conectividad de entrada y salida.