本世纪的剩余时间，人类将以前所未有的速度建造城市。世界人口预计将从 79 亿增加到 100 亿以上，大部分增长将发生在基础设施落后的地区。无论在哪里，人们都会希望迎头赶上，然后超越。中国就是一个绝佳的例子，展示了这一切如何在短短 30 年内发生。但还有另外两个因素将推动建筑热潮。生活在农村地区的人会有很大一部分人搬到城市，就像上个世纪北美发生的情况。这不仅会增加现有城市的人口，还会创造新的城市。同时气候变化导致的海平面上升将淹没许多沿海城市，迫使它们在地势较高的地方重建部分城市。包括波士顿和纽约在内的城市已在阻止海洋的项目上投入了大量资金，过去十年，海洋已经开始侵入地铁和公路隧道。这只是即将发生的情况的一个小小的前兆。

目前建筑方法的一个问题是它们的碳足迹很高，这意味着建造行为将增加对更多建造的需求。幸运的是，过去二十年建筑技术一直在进步，我们正处于一场革命的边缘。我们今天使用的许多建筑技术都是在古埃及或罗马发明的。包括混凝土，用铅垂线确定真正的垂直线，用角尺推出水平线，以及用一根张紧的、用粉笔涂抹过的绳子弹在地上，以此画出一条直线来布置墙壁。罗马人发展出的拱门已被用作门窗横梁的钢梁所取代，现在数字化正在侵蚀这些经历了时间考验的技术。同步定位和映射（SLAM）是在 1980 年代开发的，最初用于使室内机器人能使用摄像头、激光雷达和其他传感器绘制周围环境并定位自己。现在它在建筑工地上被用于重建环境的完整 3D 模型，只需要手持配备了深度传感器的最新智能手机四处走动即可。这些技术可将建筑物已建造好的部分的尺寸上传到 CAD 模型中，然后使用增强现实向工人展示下一个组件的确切位置。可以在异地的工厂建造出越来越大的新建筑组件，从而使建造更加高效，劳动密度更低。

今天最成功的 AI 算法——人工神经网络大致是基于大脑复杂的真实神经网络。但和我们高效的大脑不同，在计算机上运行 AI 算法消耗的能量惊人：最大的模型在其生命期中消耗的能量几乎相当于五辆汽车。 更接近大脑设计原理和物理特性的神经形态计算可能会是节能 AI 的未来。神经形态设计不让数据在中央处理单元和内存芯片之间长途跋涉，而是模仿人类大脑中的果冻状物质的结构，计算单元（神经）被安放在内存旁边（存储在连接神经元的突触中）。为了让它们更像大脑，研究人员将神经形态芯片与模拟计算相结合，模拟计算可以处理连续的信号，就像真正的神经元一样。由此产生的芯片与当前依赖于 0 和 1 二进制信号处理的纯数字计算机的架构和计算模式有很大不同。

以大脑为向导，神经形态芯片有望能降低人工智能等数据密集型计算任务的能耗。不幸的是，人工智能算法在这些芯片的模拟版本上表现不佳，这是由于设备不匹配问题造成的：在芯片上，模拟神经元内的微小组件由于制造工艺而在尺寸上不匹配。由于单个芯片不够复杂，无法运行最新的训练程序，因此必须先在计算机上对算法进行数字化训练。当算法转移到芯片上时，一旦遇到模拟硬件上的不匹配，它们的性能就会崩溃。上个月发表在《美国国家科学院院刊》上的一篇论文提出了一种绕过这个问题的方法。由 Friedrich Miescher 生物医学研究所的 Friedemann Zenke 和海德堡大学的 Johannes Schemmel 领导的一组研究人员表明，一种被称为尖峰神经网络的人工智能算法——它使用被称为尖峰的大脑独特的通信信号——可以与芯片配合学习如何补偿设备不匹配。这篇论文是朝着模拟神经形态计算人工智能方向迈出的重要一步。