她本科读的经济学，如今却在AI领域稳步前行；她用两周完成的实验，却持续被拒稿两年；她让AI“看见”世界，更要“读懂”世界。
她是复旦大学人工智能创新与产业研究院助理教授、上海科学智能研究院（简称“上智院”）AI科学家姜若曦。从经济学学士到计算机博士，再到AI4S（科学智能）领域的青年研究者，她的这条路走得不算平坦直接，但每一步都踩得扎实。
从经济学到计算机，一步步清晰的科研之路
姜若曦的学术经历很“非主流”。2012年，她考入西安交通大学，就读在当时炙手可热的经济学专业，但真正进入课堂后，她发现很多事情与自己的想象不太一样。社会上的经济活动很多都是零和博弈，但姜若曦更渴望共赢，这让她陷入了对未来的迷茫和困惑中。
一次职业咨询中，一位前辈听着她的困惑，只说了句：“你的快乐在于输出价值”，一语点醒了梦中人。“我才意识到我不愿意做那些事情并不是因为我的人格弱点，而是这些事情跟我的认知价值不符。”
之后，她做了个大胆的决定，转向更理工科的专业读研。本科期间，姜若曦的高数、线性代数、概率论等课程成绩十分出彩，这使她有了转专业的底气，最终顺利拿到了去哥伦比亚大学运筹学专业深造的Offer。硕士期间，数据挖掘课程的老师又给她指明了新的方向，这位老师既在高校任教，也在谷歌旗下的人工智能研究实验室做研究员。他上课从来不用PPT，全程板书，“我很崇拜这个老师，并且逐渐意识到，这好像就是我想成为的人。”
循着这条道路，硕士毕业那年，她选择读博深造。姜若曦坦言，读博前也曾有过犹豫，直到一次活动上，她认识了许多高学历、能力强的优秀女性，终于坚定了读博的选择。非科班出身的她，最终被芝加哥大学计算机科学专业录取，“比起其他人，我的科研之路确实绕了一些。”
博士毕业答辩时，姜若曦和答辩委员会合影留念
AI不仅要“看见”世界，更要“读懂”世界。姜若曦的研究方向是基于表征学习的物理世界模型。通俗来讲，就是让AI不是“看见”世界，更要“理解”世界，从而像科学家一样发现科学规律甚至预测未来变化。“表征就是机器对数据的一种理解，把复杂的信息压缩成核心的、本质的特征。”
在AI4S领域，表征学习十分重要，系统中初始状态的一点微小扰动都可能在轨迹上发生巨大的偏移。如果模型不理解系统，就会反直觉地生成一些完全不真实的东西。她的目标很简单：让AI在理解物理系统的基础上，做出更接近现实的仿真模拟。
读博期间，姜若曦与好友的合影
在她的科研生涯里，有两项工作让她印象深刻，一个“试到绝望”，一个“等了两年”。
博士期间，姜若曦正在做一个关于隐式神经模拟器的工作，在复杂动力系统建模领域，传统模型短期预测出色，但时间窗口一拉长，误差逐级累积，难以保持稳定性和物理一致性。基于这一问题，姜若曦团队，几乎尝试了所有能想到的方案，代码库迭代了几十个版本，但始终达不到理想结果。转机出现得十分偶然，一次坐校巴回去的路上与人聊天时，她突然想到经典数值方法里的“后向欧拉法”：先给一个粗略猜测，再反复修正，这虽然是个笨方法，但胜在稳定。
回去后，姜若曦重新设计了一套多层级方案，“就像预测明天的气温，先让模型大概知道是比今天热还是冷，再预测具体的温度。”终于，这套思路得到了验证。
在湍流流体动力学实验中，该方法实现了高精度的短期预测和稳定的长期预报，显著超越了自回归基线模型，同时保持低计算开销，“做这个工作时其实很挫败，但这也锻炼了我的耐挫力，何尝不是一种收获。”
另一个工作则关于衰减残差网络。姜若曦用一个比喻解释：假设老师让学生参考桌上的苹果创作一幅画，当班级有10个人时，信息往前传到前排大概率还是“苹果”，但如果班级有100个人，传到最前面的信息可能已经面目全非。传统残差网络的做法是，给每个学生一份相同的内容参考，把初始信息原封不动复制给每一层，所以哪怕最后一排也能看到最原始的内容。“但问题是，模型因此会‘偷懒’，不会压缩和理解信息，只会照搬。”
对此，团队做了一个极简的改动，让初始信息的贡献随着网络深度逐层衰减，越往后越弱，迫使模型必须压缩数据、提取本质特征，从而真正理解信息而不仅是记住信息。
这项研究姜若曦团队仅仅花了一周提出想法，两周跑完实验，就得到了满意的效果。但紧随其后的，却是长达两年的漫长的被拒稿。直到今年年初，DeepSeek发表了一篇相关方向的论文，学术界才重新关注这个方向。经过重新投稿，今年6月，团队两年前做的研究终于发表。“有时候你离突破可能就只差一个念头，但那个念头要实现，中间可能还隔着上百个实验，甚至还要等待一个合适的时机。”
学术与产业的交叉口，她选择“都要”
2025年8月，姜若曦以双聘PI的身份正式加入复旦和上智院。“复旦也好，上智院也好，都是对科学智能充满热情，并投之于资源和决心的地方。”提及此，姜若曦的眼中闪烁着光芒。
作为上海市与复旦大学共同打造的科学智能创新策源地，上智院正支撑赋能着科学家广泛参与、市场化高效运营的科学智能平台生态，并使之逐步成型。在这样一片学术和产业深度结合的交叉地带，科学家们无需纠结是做学术还是做产业，“两条路我都可以尝试，还能把校园外的融合经验带到学院和课题组，这就是我选择来这里的最大原因。”
2025年9月，姜若曦参加SAIS Talk“上智院星辰之夜”
作为新晋导师，姜若曦也在摸索中。她很感激自己的博士导师，不仅让她看到优秀女性科研工作者的状态，也让她深刻意识到导师和学生应该是互相学习的关系。“做学生的时候觉得做感兴趣的事就行了，但成为独立PI后，要给学生争取资源。”
如今，她已初步总结出一套“三板斧”：先了解学生是什么样的人，再找到双方都合适的交流频道，同时不忘自己的导师身份。有意思的是，与学生第一次见面，她会先问学生的MBTI（荣格心理测试得出的16型人格），姜若曦笑着说：“虽然不一定准，但这也是我快速了解学生的一种方法。”
上智院物理仿真团队与实习同学合影
站在AI飞速发展的路口，青年科学家正处于幸运的中间位置，我们就像翻译者一样，在AI和产业之间架起桥梁。”所有踏入AI4S领域的学者，既有对AI的热情，也有对科学的执着，“这个领域会遇到的挫折可不比纯AI领域少，很多方向仍在问题定义阶段，研究者需要成为六边形战士。”
面向未来，姜若曦希望能把自己的研究做得更大，从小模型到大模型，让AI真正理解物理世界的机理，这是她从踏入AI这个领域，就没有改变过的方向。前段时间，她参与了学校的招生工作，家长咨询她什么专业未来发展好，这让她回想起14年前刚高考完的自己。“世界不断变化，不一定要过于追寻某一条确定的路径。”
就像她自己的经历，在变化中找到了一生追寻的方向，就像科研中的许多发现，都是在“事与愿违”中偶然所得的惊喜。
