如果說前任的美聯儲主席格林斯潘的功勛是“17次加息馴服通脹虎”，伯南克的功勛是啟動三輪QE(量化寬松)以幫美國擺脫金融危機，那麽當我們談論“加息”以及正常化進程之時，其實就已經進入了“耶倫時代”。
眼下，美聯儲主席一職似乎並不好當。美國貨幣政策的正常化進程正在持續，耶倫可謂是這一進城的“領航人”。即使一次加息並不算什麽，但全球市場的緊張情緒升溫、財政政策和結構性改革的不作為都進一步綁架了央行;另一方面，生產率止步不前、人口老齡化趨勢、投資疲軟、海外經濟不振，這也都導致美聯儲加息空間受到抑制。因此，如何引導這一輪的正常化進程，無論在市場溝通還是在維穩金融市場方面，都將是擺在耶倫面前的一道難題。
嚴謹的經濟學者
耶倫是猶太裔，為美國布朗大學經濟學學士、耶魯大學經濟學博士，早加入美聯儲之前，耶倫是加洲大學伯克利分校哈斯商學院的教授。在接任美聯儲主席前，她擔任過美聯儲理事、美國總統經濟顧問委員會主席、舊金山聯邦儲備銀行行長、美聯儲副主席。
2014年1月31日，前任主席伯南克卸任，副主席耶倫於2月1日正式出任美聯儲百年歷史上首位女性主席。耶倫一直是美聯儲寬松貨幣政策的強力支持者以及公開倡導者，被認為是鴿派代表。
長期以來，各界都對華爾街和美聯儲之間的關系 “旋轉門”頗有微詞。例如，紐約聯儲主席杜德利曾為高盛工作十余年，擔任高盛合夥人及常務董事。不過，與很多美聯儲成員不同，耶倫從未在華爾街工作過。她從一個中產階層社區長大，她的伯克利分校的前同事都相信耶倫對“賺大錢”並不感興趣，她給人的印象則更多是一名沈著冷靜、嚴謹認真的經濟學者。
耶倫在加洲大學伯克利分校的同事兼好友安德魯·羅斯回憶稱，有一次地震發生時，兩人正在大學一棟老舊建築的六樓。當地板晃動的一霎那，安德魯認為耶倫可能是他有生之年見到的最後一個人了。為安全，安德魯迅速地跑到了門框處，但他發現耶倫仍待在桌子旁。
安德魯之後回憶，“她(耶倫)表現得相當冷靜，也沒有大哭或大喊。”安德魯也坦言，下一輪危機來襲之時，如果這出現在耶倫的任期，屆時她還表現得那麽冷靜，我想我們將可以高枕無憂。”
此外，耶倫的“學者風範”也從未改變。離開伯克利後，她擔任過美聯儲理事、美國總統經濟顧問委員會主席、經濟合作與發展組織(OECD)經濟政策委員會主席、舊金山聯邦儲備銀行行長、美聯儲副主席。
美聯儲面臨加息難題
對於嚴謹而又鴿派的耶倫而言，如今史無前例的全球經濟環境以及加息難題都將是其面臨的重大挑戰。危機以來，經典模型和宏觀經濟學教科書的理論似乎都在被顛覆。耶倫也坦言，危機前，經濟學家認為，總需求的變化不會對總供給產生重大影響。
“他們都同意羅伯特·索洛的觀點，即經濟產出在長期主要是由供給驅動的。然而，後危機時代的經驗顯示，總需求的變化可能會對總供給造成重大、持續的影響，那就是潛在產出。”
在這種“範式轉變”下，加息與否就更難以衡量。2015年12月17日，在全球市場的苦苦等待下，美聯儲終於開啟了危機以來的第一次加息。然而，事隔近一年，第二次加息被2016年的一系列突發事件一再推遲，例如2月的全球恐慌性拋售、6月的英國脫歐等等，這也令全球市場焦躁不已。11月的美國大選將使美聯儲再度推遲行動，去年12月，第二次加息的靴子終於落地。
耶倫也表示，經濟不尋常地出現供應過剩、需求疲軟的狀態，因此可以考慮暫時維持“高壓經濟”，以維持穩健增長的需求以及收緊勞動力市場;複蘇期間政策可能要維持寬松。但耶倫也不忘提及，維持寬松立場太久會造成代價。
這似乎也暗示了美聯儲正陷入兩難。之所以美聯儲希望維持貨幣寬松，背後不乏深層因素——生產率下滑、人口老齡戶、外部沖擊等都壓低了長期均衡利率。
具體而言，在過去十年，勞動生產率只上升了1.25%，而在過去五年平均只上升了0.5%。相較之下，在1876~2005年的這30年間，生產率年均增速略超過2%。
“盡管各界仍沒有弄明白生產率增速下滑的真正原因，但例如Robert Gordon和John Fernald等著名學者已經指出，這主要是因為近年來創新速度放緩，而且這可能會持續很長時間。”耶倫表示。
此外，美聯儲認為人口趨勢也將在未來影響美國經濟增速和利率。尤其是，退休年齡人口不斷上升，根據相關預測，人口老齡化趨勢將使得未來幾年的勞動力增速下滑25個基點。
“如果利用FRB/US模型的數值模擬方法來推測長期GDP增速放緩對於聯邦基金利率的影響，便可以發現，這將會長期均衡利率水平拉低120個基點。”可見，耶倫在進一步為低利率正名。
同時，人口老齡化的另一個直接影響就是，老齡人群的儲蓄率高於平均。近期美聯儲的一項研究顯示，人口老齡化可能會將長期均衡利率均衡拉低，較1980年代的水平低75個基點。
最後，外部性因素也不可忽視。由於全球長期增長預期下行，各國紛紛開啟降息模式。FRB/US模型表明，海外利率下行使得美元升值壓力上升，因此降低了凈出口。模型顯示，如果要抵消上述效應，長期均衡聯邦基金利率需要下行30個基點。
2016年春天，AlphaGo與世界圍棋選手李世石的一場世紀人機大戰，標誌著人工智能取得了歷史性的突破，更引發了一波人工智能創業熱。而站在AlphaGo身後，DeepMind創始人德米斯·哈薩比斯( Demis Hassabis)也成為世界人工智能領域最令人矚目的“明星”。
這個曾被互聯網發明者Tim BernersLee稱作“地球上最聰明的人之一”的人在一次接受采訪時坦言，自己的大腦已經完全被人工智能占據。不過，在德米斯·哈薩比斯眼里，如果僅僅把AlphaGo當作一個機器人“圍棋小子”，就太小看它了。
當湖十局，不止求勝，在棋局之外，他稱，在未來，DeepMind主要目的是“用人工智能解決一切問題”，並將進一步探索人工智能在醫療、機器人以及手機等多個領域的應用。
從神童到AlphaGo
德米斯·哈薩比斯稱得上是“少年天才”。他喜歡各類智力遊戲，從4歲開始下國際象棋，13歲時就獲得了國際象棋大師稱號，至今仍然保持著5次獲得“智力奧運會”精英賽冠軍的世界紀錄。
不過，哈薩比斯並沒有走上職業棋手的道路，而是對計算機產生濃厚的興趣。16歲的他就加入Bullfrog Productions遊戲開發公司，負責遊戲《SyndiCATe》的關卡設計;17 歲作為聯合設計者開發出包含人工智能的電子遊戲《主題公園》;並在22歲成立了遊戲公司仙丹工作室。
但此後，德米斯.哈薩比斯選擇回歸學術在倫敦大學學院攻讀神經科學博士學位，並在2010年與人工智能專家同事ShaneLegg、連續創業者Mustafa Suleyman一起創立DeepMind團隊。
2014年，谷歌以4億英鎊的價格收購DeepMind，這是當時谷歌在歐洲進行的最大手筆收購案，而那時的DeepMind還沒公開發布過任何產品，只有20個技術人員。在一次TED大會上，谷歌CEO LarryPage一直對Demis Hassabis滔滔不絕，並把DeepMind稱為是“很長一段時間以來我見到過的最令人興奮的東西之一。”
有了谷歌的“加持”，DeepMind加速對 AlphaGo的研發。AlphaGo的電腦程序最初是從學習通用模板開始的，讓計算機不斷從過去重複的比賽中學習。當學會基本技能後，它開始通過看專業級的比賽來掌握合理的規則和標準套路。然後開始自己下棋，進行“強化學習”，這個階段可以視作千千萬萬次不斷試錯的過程。
德米斯·哈薩比斯說：“它通過和無數個版本的自己下棋，不斷糾正錯誤，每一次水平都有非常輕微然而螺旋式的提升。這也意味著機器在不斷戰勝自我。”直到今年3月，AlphaGo以4：1的成績戰勝了曾經排名世界第一的圍棋選手李世石，被視作是人工智能發展史上的歷史性突破。
在學術領域，DeepMind也證明了它的價值：2015年2月，DeepMind在科學雜誌《自然》上發表論文，介紹了能夠通過學習成為雅達利(現代遊戲機始祖)遊戲高手的人工主體。今年1月，DeepMind再次發表論文，稱他們的新算法AlphaGo在圍棋上取得巨大突破。而哈薩比斯在管理DeepMind之余，還同時在世界頂級科學大會上發表了4篇論文。
AlphaGo
國際象棋一直被認為是“代表著智力挑戰的最高水平。哈薩比斯把它稱作“人類迄今發明出來的最優雅的比賽”。“它規則簡單，卻又無盡複雜，AlphaGo的走法要比宇宙中原子的個數還要多。”
他曾在首爾接受媒體專訪時表示：“我個人認為這次的發明絕對是具有跨時代和突破性影響力的，但它是否會掀起一場革命，還要留給歷史來評判。許多人都預測，我們至少還需要十年才能夠達到現在的狀態，所以對於現在所取得的成就，大家都感到欣喜若狂。”
不過，對於哈薩比斯來說，他的雄心遠不止圍棋。他在此前接受The Verge采訪時透露，AlphaGo僅僅是谷歌人工智能項目的一個分支。在未來，DeepMind主要目的是“用人工智能解決一切問題”，並將進一步探索人工智能在醫療、機器人以及手機等多個領域的應用。
例如，在戰勝李世石後不久，DeepMind已經開始了和英國國家醫療服務體系的合作。哈薩比斯認為，癌癥篩查更像是一個專家系統，是另一種形式的人工智能，這類人工智能所能做到的是進行圖像方面的醫學診斷，自我量化然後進行重要特征的橫向比對以及大量的篩查，從而指導人們擁有更健康的生活方式，“我認為把增強學習技術用於這個領域較為適宜。”
今年夏天，谷歌還把DeepMind人工智能接入谷歌數據中心，來幫助這家巨無霸公司節省能源開支，並將節省下來的開支作為2014年收購DeepMind的部分支付款項。
而哈薩比斯和他的DeepMind 團隊最新的一項重磅研究是：推出了可微分神經計算機的神經網絡模型(Differentiable Neural Computer，簡稱DNC)，這或許意味著，人們離美劇《西部世界》中自我覺醒的機器人更近一步。
對人類、機器人和人工智能在未來的交互，Hassabis的期望是：“我自己對機器人沒多少思考。我自己對人工智能的使用感到興奮的領域是科學，能夠推動它更快地發展。我想看到人工智能未來能夠輔助科學，如果有一個人工智能研究助手，它可以做很多乏味的工作，閱讀有趣的論文，從海量的數據中找到結構，並把它們呈現到人類專家和科學家面前，以實現更快的技術突破。我幾個月前在歐洲核子研究中心做演講，很顯然它們創造出比地球上任何地方都多的數據，我們都知道在它們海量的硬盤中，可能會有某個新的粒子發現，但沒有人能抽出時間做這件事情，因為這里的數據量的確太過龐大。所以我覺得，如果有一天人工智能參與尋找到一個新的粒子，那麽是一件非常酷的事。”