父親是波蘭移民至美國的分析化學家，母親是烏克蘭人，他們生有三個孩子：愛德華、米切爾和 Glenda。愛德華有著神童的一切特質(zhì)，米切爾卻非。

　　愛德華·費根鮑姆并不享受他的中小學生活。他在12歲時自學鋼琴，高中時自學微積分。他又從父親的朋友得到一部有交換線路的機器和一份由克勞德·艾爾伍德·香農(nóng)所寫、關(guān)于布林邏輯的論文。這些東西都令費根鮑姆著迷。

　　1960年2月他入讀紐約市立學院電機工程。他上了所有數(shù)學和物理課程，用了不足4年便畢業(yè)。接著他入讀MIT，最初打算研究電機工程的，最后轉(zhuǎn)到物理系研讀廣義相對論，不過他仍是自學這門學問的。他的正式課程有量子力學、經(jīng)典力學和復(fù)函數(shù)論。他在參觀紐約理工大學布魯克林分校時首次使用電腦，并在一小時內(nèi)便寫了一個用牛頓法開方的程序。

　　他的重大貢獻在于通過實驗和研究，證明了實現(xiàn)智能行為的主要手段在于知識，在多數(shù)實際情況下是特定領(lǐng)域的知識。

　　1994年度的圖靈獎由兩位人工智能專家分享，其一是聲名卓著的愛德華·費根鮑姆（Edward Albert Feigenbaum）；另一位是后起之秀的雷伊·雷蒂（Raj Reddy）。

　　在他的指導(dǎo)下，費根鮑姆實現(xiàn)了一個模擬人在刺激反應(yīng)環(huán)境中記憶單詞時的反應(yīng)的程序，叫做EPAM(基本識別和存儲設(shè)備系統(tǒng)的縮寫)，并以此為題完成了他的博士論文。獲得博士學位之后，費根 鮑姆獲得Fulbright獎學金到著名的英國國立物理實驗室NPL工作過一段時間。圖靈曾是NPL的研究員，在那里設(shè)計和制造了最早的計算機之一ACE。費根鮑姆去NPL時，圖靈已于1954年去世，但圖靈在NPL留下的巨大影響還在，活躍而富于創(chuàng)造性的空氣還在，甚至ACE計算機也還在使用。費根鮑姆在NPL的時間雖然不長，但這段經(jīng)歷對他的影響卻很大。

　　回到美國以后，費根鮑姆進入斯坦福大學繼續(xù)其人工智能的研究。在人工智能初創(chuàng)的第一個10年中，人們著重的是問題求解和推理的過程。費根鮑姆的重大貢獻在于：通過實驗和研究，證明了實現(xiàn)智能行為的主要手段在于知識，在多數(shù)實際情況下是特定領(lǐng)域的知識，從而最早倡導(dǎo)了"知識工程"（Knowledge engineering），并使知識工程成為人工智能領(lǐng)域中取得實際成果最豐富、影響也最大的一個分支。

　　費根鮑姆本人，作為知識工程的倡導(dǎo)者和實踐者，于1965年和遺傳學系主任、諾貝爾獎得主萊德伯格（Joshua Lederberg）等人合作，開發(fā)出了世界上第一個專家系統(tǒng)程序DENDRAL。DENDRAL中保存著化學家的知識和質(zhì)譜儀的知識，可以根據(jù)給定的有機化合物的分子式和質(zhì)譜圖，從幾千種可能的分子結(jié)構(gòu)中挑選出一個正確的分子結(jié)構(gòu)。

　　DENDRAL的成功不僅驗證了費根鮑姆關(guān)于知識工程的理論的正確性，還為專家系統(tǒng)軟件的發(fā)展和應(yīng)用開辟了道路，逐漸形成具有相當規(guī)模的市場，其應(yīng)用遍及各個領(lǐng)域、各個部門。因此，DENDRAL的研究成功被認為是人工智能研究的一個歷史性突破。費根鮑姆領(lǐng)導(dǎo)的研究小組后來又為醫(yī)學、工程和國防等部門研制成功一系列實用的專家系統(tǒng)，其中尤以醫(yī)學專家系統(tǒng)方面的成果最為突出，最負盛名。例如，用于幫助醫(yī)生診斷傳染病和提供治療建議的著名專家系統(tǒng)MYCIN等。目前，學術(shù)界公認，在將人工智能技術(shù)應(yīng)用于醫(yī)學方面，斯坦福大學處于世界領(lǐng)先地位，這和費根鮑姆是分不開的。

　　費根鮑姆有句名言："知識中蘊藏著力量"（In the Knowledge lies the power）。這句話和培根的名言"知識就是力量"意義相近，但似乎更確切些：知識只有被人所發(fā)掘和掌握時，才能生成力量。

　　費根鮑姆除在斯坦福大學計算機科學系任教授外，還是美國空軍的首席科學家。

　　1963年他主編了《計算機與思想》（ Computersand Thought，McGraw Hill)，這本書被認為是世界上第一本有關(guān)人工智能的經(jīng)典性專著。書中收錄的21篇文章是人工智能學者早期的研究成果，但其中的大部分觀點和結(jié)論至今仍被認同。

　　80年代，費根鮑姆和 Avron Barr 等人合編了四卷本的《人工智能手冊》 （ The Handbook of Artificial Intelligence），前三卷于1981年、1982年由 William Kaufmann 出版社出版，第四卷于1989年由 Addison Wesley 出版社出版。這套手冊的內(nèi)容涵蓋了人工智能的理論與實踐的方方面面，是從事人工智能研究和開發(fā)的工程技術(shù)人員必備的參考書。

　　日本推出5代機計劃以后，費根鮑姆曾到日本進行深入考察，寫出了 《第五代：人工智能和日本計算機對世界的挑戰(zhàn)》（ The 5th Generation: AIand Japan’s Computer Challenge to the World，New American Library，1984)。本書在中國大陸和臺灣省都被譯成中文出版，在中國人工智能界也有很大影響。還有一本有影響的著作是《專家公司的興起》（ The Rise of the Expert Company，Times Books,1988）。

　　費根鮑姆在接受圖靈獎時發(fā)表了題為"什么"怎樣變成"如何"的演說（How the "what" Becomes the "How"），對人工智能的發(fā)展作了一個歷史性的回顧與總結(jié)，全文刊載于《Communications of the ACM》 ，1996年5月，97～104頁。

　　知識工程（knowledge engineering）是在計算機上建立專家系統(tǒng)的技術(shù)。知識工程這個術(shù)語最早由美國人工智能專家E.A.費根鮑姆提出。由于在建立專家系統(tǒng)時所要處理的主要是專家的或書本上的知識，正像在數(shù)據(jù)處理中數(shù)據(jù)是處理對象一樣，所以它又稱知識處理學。其研究內(nèi)容主要包括知識的獲取、知識的表示以及知識的運用和處理等三大方面。

　　費根鮑姆及其研究小組在20世紀70年代中期研究了人類專家們（而不是萬能博士們）解決其專門領(lǐng)域問題時的方式和方法，注意到專家解題的4個特點：

　　①為了解決特定領(lǐng)域的一個具體問題，除了需要一些公共的知識，例如哲學思想、思維方法和一般的數(shù)學知識等之外，更需要應(yīng)用大量與所解問題領(lǐng)域密切相關(guān)的知識，即所謂領(lǐng)域知識。

　　②采用啟發(fā)式的解題方法或稱試探性的解題方法。為了解一個問題，特別是一些問題本身就很難用嚴格的數(shù)學方法描述的問題，往往不可能借助一種預(yù)先設(shè)計好的固定程式或算法來解決它們，而必須采用一種不確定的試探性解題方法。

　　③解題中除了運用演繹方法外，必須求助于歸納的方法和抽象的方法。因為只有運用歸納和抽象才能創(chuàng)立新概念，推出新知識，并使知識逐步深化。

　�、鼙仨毺幚韱栴}的模糊性、不確定性和不完全性。因為現(xiàn)實世界就是充滿模糊性、不確定性和不完全性的，所以決定解決這些問題的方式和方法也必須是模糊的和不確定的，并應(yīng)能處理不完全的知識�？傊�，人們在解題的過程中，首先運用已有的知識開始進行啟發(fā)式的解題，并在解題中不斷修正舊知識，獲取新知識，從而豐富和深化已有的知識，然后再在一個更高的層次上運用這些知識求解問題，如此循環(huán)往復(fù)，螺旋式上升，直到把問題解決為止。由上面的分析可見，在這種解題的過程中，人 們所運用和操作的對象主要是各種知識（當然也包括各種有關(guān)的數(shù)據(jù)），因此也就是一個知識處理的過程。