Google的秘密AI模型未来很可能在难题数学领域打败人类

摘要：在硅谷正在进行的开发具有类似人类反应的人工智能模型的竞赛中，Google分享了其 Gemini 1.5 Pro 模型的最新数据。与 ChatGPT 一样，Gemini 也使用人工智能来解决问题，而这一次，Google吹捧的是其产品的数学能力。人工智能模型因其解决大学水平任务的能力而成为衡量其"智力"的标准，Google的研究论文显示该模型提高了数学成绩，并成功解决了国际数学奥林匹克竞赛的部分问题。 上周，双子座人工智能模型的最新技术报告公布了其最新数学成绩的详细信息。这份相当厚重的文件显示，Google打算模仿数学家接受的训练来解决复杂的问题，为了实现这一目标，该公司对其双子座人工智能模型进行了专门的变体训练。Gemini 1.5 Pro 的数学变体似乎经过了多项基准测试。根据其文件，Google依靠各种基准来评估其最新人工智能数学模型的输出。这些基准包括 MATH 基准、美国数学邀请考试 (American Invitational Mathematics Examination, AIME) 和Google内部的 HiddenMath 基准。根据Google的数据，数学型 Gemini 1.5 Pro 在数学基准测试中的表现"与人类专家的表现相当"，与标准的非数学型 Gemini 1.5 Pro 相比，数学型 Gemini 1.5 Pro 在 AIME 基准测试中解决的问题明显增多，在其他基准测试中的得分也有所提高。Google还举例说明了 Gemini 1.5 Pro 所解决的问题。根据该文件，这些问题是"Gemini 1.5 Pro、GPT-4 Turbo 和以前所有 Gemini 型号都 没有正确解决的问题"，最终提高了Google产品的性能标准。在它分享的三个示例中，两个是由数学专用的 Gemini 1.5 Pro 解决的，而一个是由标准的 Gemini 1.5 Pro 变体错误解决的。这些问题通常要求解题者回忆代数中的基本数学公式，并依靠它们的分段和其他数学规则得出正确答案。除了问题之外，Google还分享了 Gemini 1.5 Pro 基准测试的重要细节。这些数据表明，在所有五项基准测试成绩中，Gemini 1.5 Pro 都领先于 GPT-4 Turbo 和亚马逊的 Claude。据Google公司称，其数学专用变体能够"从单个样本中获得 80.6% 的 MATH 基准准确率，在对 256 个解决方案进行采样并选择一个候选答案时（rm@256），准确率达到91.1%"，这一成就使其与人类专家处于同等水平。事实上，根据Google深度思维首席科学家杰夫-迪恩（Jeff Dean）的说法，数学模型91.1%的得分大大高于三年前仅为6.9%的"SOTA"（最先进水平）得分。 原文：Google的秘密AI模型未来很可能在难题数学领域打败人类

超微获得NVIDIA Blackwell AI服务器巨额订单 占总供应量的25%

摘要：在人工智能计算领域风头正盛的超微计算机公司（Supermicro Computer）收到了基于NVIDIA Blackwell 人工智能 GPU 的巨额服务器机架订单。超微计算机希望通过供应链的进步与富士康等公司竞争，加速 NVIDIA Blackwell AI 服务器订单的交付。 在人工智能的热潮中，SMCI（超微计算机公司）在相当长的一段时间里都是市场的头条新闻。该公司不仅股价表现优异，同比增长 182%，而且还成功地与英伟达（NVIDIA）建立了合作关系，成为市场的焦点。SMCI 专注于专为人工智能工作负载设计的高性能服务器和存储系统，在过去几个季度里，订单大量涌入。现在，该公司正寻求将其业务扩展到更先进的NVIDIA Blackwell AI GPU 架构，因为有报道称超微计算机公司已经收到了以 Blackwell 为核心的 AI 服务器机架的巨额订单。台湾《经济日报》报道称，超微计算机公司（SMCI）准备出货 25% 的英伟达（NVIDIA）基于 GB200 的 Blackwell AI 服务器，总量将达到 10000 台以上。这一次，NVIDIA似乎赋予了 SMCI 更多的责任，如果进展顺利，最终将转化为巨大的经济效益。这些系统包括：NVIDIA HGX B100 8-GPU 和 HGX B200 8-GPU 系统包含 10 个 GPU 的 5U/4U PCIe GPU 系统SuperBlade 在 8U 机柜中最多可配备 20 个 B100 GPU，在 6U 机柜中最多可配备 10 个 B100 GPU2U Hyper 最多可配备 3 个 B100 GPU配备最多 4 个 B100 GPU 的 Supermicro 2U x86 MGX 系统为了与富士康和广达等巨头竞争，SMCI 决定积极拓展供应链，将 Argosy Research 和 Auras Technology 等公司纳入其中。自今年年初以来，该公司已经积累了NVIDIA公司的Blackwell GB200 AI GPU，以确保供应链流程顺畅，最终保证在竞争中占据优势。此外，超微计算机公司已经在水冷要件方面进行了投资，据说这对较新的 Blackwell AI 服务器至关重要。以下是超微服务器阵容的部分特点：超微公司的NVIDIA HGX B200 8GPU 风冷和液冷系统可实现最高的生成式人工智能训练性能。该系统采用 8 个英伟达 Blackwell GPU，通过第五代 NVLink 与 1.5TB 高带宽内存池（速度达 60TB/s）连接，以加快人工智能训练工作负载的速度。超微最畅销的人工智能训练系统--配备NVIDIA HGX H100/H200 8-GPU 的 4U/8U 系统，将支持英伟达即将推出的 HGX B100 8-GPU。超微机架级解决方案采用 GB200 Superchip 系统作为服务器节点，每个节点配备 2 个 Grace CPU 和 4 个 NVIDIA Blackwell GPU。超微的直接到芯片液冷技术最大限度地提高了密度，在一个 44U ORV3 机架上可安装 72 个 GB200 192GB GPU（每个 GPU 的 TDP 为 1200W）。由此看来，SMCI 希望这次以更积极的方式回归，通过与NVIDIA的密切关系，只要他们能保持供应链和产品质量，就可以继续保持现有的市场地位。 原文：超微获得NVIDIA Blackwell AI服务器巨额订单 占总供应量的25%

戒烟后再吸电子烟：一条通往肺癌的潜在道路

摘要：一项重要研究发现，与不使用电子烟的人相比，使用电子烟的戒烟者患肺癌和死亡的风险更高，这强调了将电子烟作为戒烟工具的危险性。在 ATS 2024 国际会议上发表的研究发现，使用电子烟或吸食设备的前吸烟者患肺癌的风险可能高于不吸食者。 通讯作者、首尔国立大学盆唐医院内科肺与重症医学部助理教授、医学博士 Yeon Wook Kim 说："这是第一项基于人群的大型研究，证明了电子烟使用者在戒烟后患肺癌的风险增加。"作为传统香烟的替代品，电子烟在全球越来越受欢迎，许多吸烟者将其作为戒烟的辅助手段。尽管出现了这种趋势，但人们对电子烟的长期影响仍然知之甚少，而且缺乏将使用电子烟与肺癌联系起来的流行病学证据。使用电子烟或喷雾设备的前吸烟者患肺癌的风险可能高于不使用喷雾设备的吸烟者。资料来源：ATS生物研究表明，电子烟可能存在危险，包括肺毒性和肺癌。研究表明，电子烟和加热元件中含有羰基化合物（如甲醛、乙醛、丙烯醛和双乙酰基）和有毒金属（如铬、镍和铅），这些都是已知的致癌物质。传统香烟中也含有这些毒素。Kim博士说："我们的研究结果表明，在整合戒烟干预措施以降低肺癌风险时，必须考虑使用电子烟替代吸烟的潜在危害。"为了确定这些人的风险，研究人员在两个时间点对 4329288 名有传统吸烟史的人进行了评估，这些人参加了韩国的国民健康检查计划：他们分别在 2012-2014 年和 2018 年两个时间点进行了随访。他们在 2021 年 12 月进行了一次随访。研究小组根据参与者的吸烟史和习惯改变情况将他们分为六组。他们通过统计分析来评估每个组别患肺癌和死于肺癌的风险。在随访过程中，他们发现有53354人罹患肺癌，6351人死于肺癌。与戒烟五年或五年以上且未使用电子烟的戒烟者相比，戒烟五年或五年以上且使用电子烟的戒烟者患肺癌相关死亡的风险更高。对于戒烟不到五年的吸烟者来说，使用电子烟的人比不使用电子烟的人患肺癌和肺癌死亡的风险都要高。金博士及其同事还进行了一项分层分析，研究对象是吸烟史为20包年或以上的50-80岁人群，因为根据2021年美国预防服务工作组（USPSTF）和2023年美国癌症协会（ACS）的指南，这些人很可能会被推荐进行肺癌筛查。与不使用电子烟的人相比，这组戒烟五年或五年以上并使用电子烟的戒烟者罹患肺癌和肺癌相关死亡的风险都更高。此外，使用电子烟且戒烟时间不足五年的戒烟者患肺癌的比较风险更高。作者总结道："临床医生在整合戒烟干预措施以降低肺癌风险时，必须强调替代性电子烟使用的潜在有害影响"。编译来源：ScitechDaily 原文：戒烟后再吸电子烟：一条通往肺癌的潜在道路

受够了：买了5台家电 我被迫下了4个App

摘要：前段时间，我刷到一条微博。说海尔（ 欧洲 ）给一个叫 Andre Basche 的开发者发邮件，要求其删除 GitHub 上 2 个项目。因为它们违反了海尔的服务条款，对公司造成了重大经济损失。如果不删的话，那下一步就是法律行动了。 乍一听，事情还挺严重的。到底是啥项目，能给一个家电巨头造成重大经济损失？于是我就跑去搜了一下，发现这是 1 月份的事了。虽然是个老新闻，但我觉得它和大家息息相关，屏幕前的你，可能也在面临这个问题，还是决定讲一下。大家都知道，现在买一个智能家居，都得下载它的 App 来控制。在欧洲，用户要控制海尔和旗下品牌的智能家居，需要用到海尔一个叫 hOn 的 App 。如果你不喜欢用 hOn 呢，其实也行。借助 Andre 开发的 hon 插件，就可以让你跳过海尔的智能 App ，来控制其品牌的空调、冰箱、洗衣机等等。听起来还不错。但它似乎也是一个能让海尔不开心的操作。在收到警告邮件的第一时间， Andre 懵了。不是，哥们插件就 3000 个活跃用户，也能惊动海尔（ 欧洲 ）吗？然后他跑去 Reddit 上发了一个帖子，没想到热度就爆了。因为看完后，大家能想到的就是海尔在强迫用户用自家的智能 App 。更讽刺的是，海尔 2 年前就是连接标准联盟（ CSA ）的成员，而 CSA 目标就是要 “ 推动通用的开放物联网标准 ” 。这下好了，网友的愤怒被点燃了。评论区里有一堆人表示，不会再买海尔。还有人开始给大家推荐别的品牌，说人家物联网平台做的不错。也有网友吹起反攻的号角，号召大家去应用商店给海尔打 1 分。甚至有网友开始给开发者联系律师，记者来寻求帮助。事情，就这么闹大了。Hackaday 、 Tweakers 、 ilSoftware 等各大科技媒体都报道了这件事。一时间，海尔的名誉似乎跌到了谷底。眼看事态严重了起来，海尔（ 美国 ）都跑出来回应，说这事跟他没关系，他们是支持开放物联网平台。当事人海尔（ 欧洲 ）也给出了更详细的解释，就是说这个插件会让海尔的 App 更频繁地发送请求，会产生大量的费用。海尔动手的真实原因，我们不得而知。故事的后续是海尔态度放缓了，这个插件目前也还能下载到。但你有没有发现重点：一个只有 3000 左右用户的插件，为什么在被下架时会产生蝴蝶效应，引起这么大的反应？这就不得提到，当今国内外用户都苦智能家居 “ 牢房 ” 久矣，而开发插件的 Andre 就是打开 “ 牢房 ” 的一批人。智能家居确实给生活带来了很多便捷。你买了某个品牌的洗衣机、空调、插座，只要下载这个品牌的智能 App ，就可以随时在手机上操控这些设备。一旦智能家居稍微买多了一点，品牌杂了一点，你的烦恼就开始了。比如我每次想操控某一个设备，就得先用原本就不多的脑细胞，思索一下：我要开的这个插座，是哪一家的。我这个烘干机，要去哪个 App 控制。这也就算了，每个 App 打开后，还要注册账号，完了布局和操控逻辑，也要再适应一遍。类似的情况很多人都遇到过。比如 B 站一个《 智能家居接入 iPhone 家庭 》的教程下方，有人吐槽没法联动的。有人嫌弃厂商做的软件太拉，实在不想用的。各家的设备都被圈在了各家的牢房里，你要用专用钥匙，才能和他们进行交互。你可能说，都买一家的品牌不就没这回事了。确实。比如我们公司同事米罗，买的所有智能家居都是支持米家，他就没这个烦恼。但很多时候，买家居设备特别大型电器时，要关注的因素太多，不可能仅仅只看品牌。所以这种情况，不可避免。那有办法解决吗？有。GitHub 上有一个智能家居平台 HomeAssistant （ HA ），可以把各家品牌的设备集合到一块地方，统一交互。就好比它手头有一大串钥匙，可以开启所有品牌的 “ 牢房 ” 。像 B 站有 UP 主就借助 HA ，把所有智能家居都集成到了苹果的家庭 App 里统一控制。不过它的使用门槛很高，要先把 HA 装到电脑或树莓派上，然后装上对应品牌的插件。比如要把小米设备接入 HA ，要安装一个叫 Xiaomi Miot For HomeAssistant 的插件。要把海尔品牌的设备接入 HA ，就用 Andre 开发 hon 插件。如果某个品牌没人开发，那还是没法集成进去。所以对大家来说， Andre 们就是打通智能家居牢房的布道者。如果他们被搞了，必然要高喊一句 “ 为众人抱薪者，不可使其冻毙于风雪 ” 。至于厂商们为啥都要出独立的智能家居 App ，也是老生常谈的话题了，无非是抢抢生态嘛。但可能大家不知道的是，这些 App 价值非常高。根据 QuestMobie 数据， 2023 年 2 月智能家居 App 月活用户已经有 2.65 亿。头部米家有 6000 万月活。即便是处在腰部位置的 App ，也有几百万的月活。这么大的用户基数，对于厂商来说是就是一座青山。有山在，还怕没柴烧？App 可以收集用户个人信息、行为交互、偏好设置，更好理解用户喜好。随着用户基数变得庞大，那厂商就可以和第三方广告商合作，推送广告。再往后，就可以和其他品牌合作，吸引入驻，那么别人的用户也是你的用户了。就算不做广告，不谈业务，不搞合作，这么大的流量，开个超市也够你嚯嚯的。抛去这些不说，做自己的 App 也可以增强用户粘性和控制权，更容易购买自家其他产品，完成了生态闭环。假使某个厂商寄人篱下，不做独立 App ，就意味着它不仅要把青山拱手让人，而且要面临一堆新难题。首先，用户体验很难控制。当你依赖于别家平台时，很多东西不是你说得算了。上新功能，发布新品，都得等着平台去给你适配，失去了主动权。其次，开发成本变高了。举个例子，要接入米家，硬件要增加小米物联网模组，软件要适配小米模组硬件和协议，改板改模都要投入人力物力。所以搞独立 App ，很多时候也是厂商们不得已做的。除非是小厂，加入米家反而利大于弊。其实这个问题行业内也想解决，也一直想造个秦始皇出来。2022 年正式发布的 matter 协议标准，就是为了打破不同设备和生态之间的壁垒。只要大家都支持 matter 协议，那么不同品牌智能家居也能互相兼容。目前来看呢，它的势头还挺不错。亚马逊、三星、苹果、谷歌都已经开始着手支持 matter 协议。虽然不可避免在推行路上会遇到各种障碍，但时间会解决一切。我们能做的，也就是期待统一的那天，能早点到来吧。反正我真受够要下这么多 App 了。 原文：受够了：买了5台家电 我被迫下了4个App

全球Top500超算公布：Frontier蝉联第一 中国超算不再参加测试

摘要：近日，全球Top500组织在德国汉堡举行的国际超算大会（ISC 2024）上，正式发布了第63届全球超级计算机Top500榜单。其中，美国橡树岭国家实验室和AMD合作的Frontier以 1.206 EFlop/s的峰值性能排名第一，美国阿贡国家实验室和英特尔合作的Aurora则首次突破E级大关，以1.012 EFlop/s的峰值性能排名第二。中国的超算依旧是无缘前十，并且不再参与该HPL基准测试。 Frontier蝉联第一，Aurora排名第二在Top500超算榜单中，前十大性能最强超级计算机的排名基本上与六个月前在SC23会议期间公布的排名保持一致。唯一的新进前10的超级计算机是来自瑞士国家超级计算中心（CSCS）的Alps machine，排名第6名位。具体前十名单如下：1、Frontier以 1.206 EFlop/s的HPL性能继续蝉联第一。该超算位于美国田纳西州的橡树岭国家实验室（ORNL），由美国能源部（DOE）运营。其采用了HPE Cray EX235a架构，2GHz AMD EPYC 64C CPU和AMD Instinct 250X GPU，共有8699904个CPU和GPU核心，并借助于Slingshot 11网络进行数据传输。此外，Frontier还具有高达52.59 GFlops/W的额定能效，2、Aurora以1.012 Exaflop/s的HPL性能排名第二。相比去年首次上榜时（当时未全部安装完成）性能几乎翻了一倍。该超算安装在美国伊利诺伊州的阿贡国家实验室，也是由美国能源部运营。Aurora 基于HPE Cray EX网络，整合了21248个Intel Xeon Max系列CPU、63744个Intel Max系列GPU、20.42PB内存，峰值性能号称可达 2 EFlop / s，远超 Frontier。3、Eagle以561.2PFlop/s的HPL性能排名第三。该超算安装在微软Azure云平台上，并且它依然是Top500超算中最高排名的云计算系统。这款微软NDv5系统的强大性能，源于英特尔Xeon Platinum 8480C处理器和英伟达(NVIDIA) H100 GPU加速器的结合。4、Fugaku凭借其442 PFlop/s的HPL性能排名第四。该超算安装在日本神户的理研计算科学研究中心（R-CCS），基于 2.2GHz Fujitsu A64FX 48C处理器，Tofu interconnect D互联，共计拥有7630848个核心，继续保持了美国以外地区排名最高的超级计算机的地位。5、LUMI以379.7 PFlop/s的HPL性能排名第五。该超算安装在芬兰CSC EuroHPC中心，是欧洲最强的超级计算机，其基于HPE Cray EX235a系统，AMD第三代EPYC 64C 2GHz处理器，AMD Instinct MI250X加速器，Slingshot-11网络、6、Alps 以270 PFlop/s的HPL性能排名第六。该超算安装于瑞士国家超级计算中心 (CSCS)，基于HPE Cray 254n系统构建的超算，3.1GHz NVIDIA Grace 72C处理器，NVIDIA GH200超级芯片，Slingshot-11网络互联。7、Leonardo以241.2PFlop/s的HPL性能排名第七。该超算安装在意大利CINECA的EuroHPC，基于Atos BullSequana XH2000系统，由英特尔Xeon Platinum CPU和NVIDIA A100加速器提供强大的计算能力，还采用了四轨NVIDIA HDR100 Infiniband。8、MareNostrum 5 ACC以175.3PFlop/s的HPL性能排名第八。该超算安装在西班牙的EuroHPC/巴塞罗那超级计算中心，基于BullSequana XH3000系统，采用了英特尔Xeon Platinum 8460Y处理器、NVIDIA H100加速器以及Infiniband NDR200网络连接技术。9、Summit以148.6PFlop/s的HPL性能排名第九。该超算是IBM公司在美国橡树岭国家实验室建造的超级计算机，拥有4356个节点，每个节点配备了两个22核的3.07GHz IBM POWER9 CPU和六个NVIDIA Tesla V100 GPU，每个GPU上集成了80个流式处理器（SM）。10、Eos以121.4PFlop/s的HPL性能排名第十。该超算是英伟达内部使用的 DGX SuperPOD，由Xeon Platinum 8480C 56C 3.8GHz，NVIDIA H100加速器共同驱动，还采用了英伟达Infiniband NDR 400G交换机。对于排名第二的Aurora超算实际测试性能仅1.012 ExaFlop/s，远低于号称性能最高可达2 EFlop/s的问题，阿贡国家实验室的副主任兼杰出研究员Rick Stevens表示，2 exaFLOPS这一数值是基于Aurora核心处理器数量与处理器峰值性能相乘得出的理论峰值，但这并非负责维护和运营Aurora的阿贡系统经理所设定的实际性能目标或期望。Stevens解释说：“峰值性能是一个通过计算得出的理论数字，它基于时钟速率与单个计算元件运算次数的乘积。实际上，典型的系统只能达到这个峰值的一小部分，这取决于它们所执行的任务，通常在50%、60%或70%之间。Aurora上标称的2 exaFlop/s峰值实际上是结合了GPU和CPU的FLOPS得出的。在基准测试中，通常不会这样做。如果查看Top500榜单中其他类似的系统，就会发现它们同样拥有非常大的理论峰值，但实际达到的峰值比例与Aurora类似。因此，这并不是一个根本性的问题。”Stevens表示，Aurora在基准测试中应该能够实现LINPACK性能的提升，因为在最近的基准测试执行时，Aurora的11%计算能力尚未被激活。他预测，当整个系统安装完成之后，将会产生更高的基准测试数据。然而，他拒绝透露阿贡国家实验室对于Aurora在完全运行状态下的具体性能目标数字。根据HPC-AI行业分析机构Hyperion Research公司的首席执行官Earl Joseph的预计，随着时间的推移和系统的进一步调优，Aurora最终将会超过1.5 exaFlop/s。中国不再参加Top500的HPL基准测试在中国的国家级超算去年跌出Top500榜单前十之后，依然无缘于最新的前十榜单。在去年的榜单上，中国的神威·太湖之光和天河二号A也进入了前十五，分别排名第11和第14位。Top500组织在最新发布的报告中指出，中国已决定不再参加Top500的HPL基准测试。在最新的Top500名单中，美国依然是拥有超级计算机数量最多的国家。美国在其之前的基础上新增了7台超级计算机，使得其总数达到了168台。而中国则从104台减少到了80台。Top500组织表示，“事实上，中国在这份新名单上并未报告任何新加入的超级计算机。”从大的区域变化来看，北美地区依然保持领先地位，从上一份榜单的160台系统增加到171台。而亚洲地区则出现了下滑，从169台系统减少到148台。与此同时，欧洲地区实现了显著的增长，从143台增加到160台，位列北美地区之后，成为了全球第二大超级计算机分布区域。英特尔拿下63%的处理器份额Top500组织表示，此次前500强的超算当中，采用英特尔CPU的占比依然是高达63.00%，虽然低于六个月前的67.80%。相比之下，前500强超算当中，有156个系统（31.20%）使用的AMD处理器，高于六个月前的28.00%。另外，还有194个超算系统使用了加速器/协处理器技术，高于六个月前的185个。其中有83个使用了NVIDIA Ampere GPU，48个使用NVIDIA Volta GPU。从总算力来看，所有Top500超算的的总综合性能从6个月前的7.01 ExaFlop/s（EFlop/s）提高到现在的8.21 ExaFlop/s。Top100的性能门槛达到了9.44 PFlop/s。从核心数量来看，TOP500超算的平均并发级别达到了每个系统229426个内核，高于六个月前的212027个。Green 500超算今年的超级计算机Green500榜单也有了显著的变化，前三名的绿色超级计算机均为新上榜者。排名第一的是JEDI–JUPITER Exascale Development Instrument，这台超级计算机由德国的EuroHPC/FZJ开发。在TOP500超级计算机排名中，JEDI位列第190位，展现出了不俗的性能实力。其能效评级高达72.73GFlop/W，HPL得分为4.5 PFlop/s。JEDI是一款配备NVIDIA Grace Hopper Superchip 72C的BullSequana XH3000架构的超级计算，总共有19584个核心处理器。英国布里斯托尔大学的Isambard-AI以68.83 GFlop/W能效评级和7.42 PFLop/s的HPL得分位居第二。Isambard-AI在TOP500中排名第129位，拥有34,272个核心处理器。排名第三的是来自波兰Cyfronet的Helios system。该机器的能效得分为66.95GFlop/W HPL得分为19.14 PFlop/s。Top500组织在讨论能源效率时，还特别提到了Top500榜单第一的Frontier系统。Frontier系统取得了1.206EFlop/s的HPL成绩，这一成绩证明了其优秀的计算能力。同时，Frontier在能源效率方面也表现出色，获得了56.97GFlop/W的分数。这使得Frontier在Green500榜单中排名第11位。 原文：全球Top500超算公布：Frontier蝉联第一 中国超算不再参加测试

反应最快的哺乳动物：特殊的大脑 只需5毫秒

摘要：你猜反应速度最快的哺乳动物是什么？不是速度王者猎豹，也不是猎杀毒蛇的蛇獴，而是这种生活在地下毛茸茸的、长相怪异的小动物。它叫星鼻鼹，鼻子周围有22条肉质触手，让人印象深刻。 这些触手覆盖着微小的感觉感受器，可以检测震动、温度和化学物质等各种刺激。它们利用这些触手扫描周围环境，并在黑暗潮湿的土壤中寻找食物。科学家测量它们的反射反应时间小于5毫秒，成功登顶反应最快的哺乳动物，实际上这个速度比人眨眼还要快——我们每次眨眼的时间大约需要 100 毫秒。这个反应速度让它们能够在8毫秒内判断某种东西是否可食用，被吉尼斯世界记录评为速度最快的采集者。之所以星鼻鼹反应速度如此之快，是因为它们的大脑有一种特殊的适应特征，让它们能够更快速的处理感官信息。它们的大脑皮层有很大一个区域专门用于处理鼻子回收的信号，有意思的地方是，这些信息有专门的通道，这个通道绕过了丘脑，直接与运动皮层相连。对于其它动物而言，丘脑的功能类似一个中继站——在感觉信号到达大脑皮层之前对其进行过滤和延迟。通过跳过丘脑，星鼻鼹几乎可以立即对鼻子的感觉做出反应，因此它们拥有比任何其他哺乳动物更快的反应速度。 原文：反应最快的哺乳动物：特殊的大脑 只需5毫秒