（来源：上观新闻）

“坚持做那些自己觉得有价值的事情。”

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不只是“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

组稿：校融媒体中心

文字：雷蕾

图片：李玲 受访者提供

编辑：张芳菲

责编：雷蕾