人工智能名人堂第44期 | 知识工程奠基者：爱德华·费根鲍姆

丘吉尔曾说过，“The longer you can look back, the farther you can look forward. (回顾历史越久远，展望未来就越深远)”，为纪念人工智能领域做出杰出贡献的先辈与开拓者们，鼓励更多后起之秀投身该领域，人工智能国际杂志《IEEE Intelligent Systems》自2006年始至今陆续推选出了60位人工智能专家(参看《诺伯特·维纳奖得主王飞跃 | AI 名人堂，世界人工智能60年60位名人榜》)。德先生自2016年10月31日起，已定期于每周一在微信公众号（D-Technologies）上发布人工智能名人堂60位成员的相关介绍。往期内容可查看延伸阅读。

爱德华·费根鲍姆(Edward Albert Feigenbaum)，1936年生于新泽西州的威霍肯。1952年，费根鲍姆进入卡内基梅隆大学（当时还叫卡内基理工学院）电气工程系。在那里，他遇到了著名的诺贝尔奖得主西蒙教授。他的重大贡献在于通过实验和研究，证明了实现智能行为的主要手段在于知识，在多数实际情况下是特定领域的知识，由此获得了1994年图灵奖。费根鲍姆除在斯坦福大学计算机科学系任教授外，还是美国空军的首席科学家。

人物生平

费根鲍姆(Edward Albert Feigenbaum)1936年生于新泽西州的威霍肯，生父是波兰移民，但在费根鲍姆一岁时就去世了。他的继父是一个食品店的会计，使用着一台笨重的机电式蒙络计算器(Monroecalculator，是20世纪初的发明)，这引起少年费根鲍姆的极大好奇与兴趣。他在12岁时自学钢琴，高中时自学微积分。他又从父亲的朋友得到一部有交换线路的机器和一份由克劳德·艾尔伍德·香农所写、关于布林逻辑的论文，这些东西都令费根鲍姆著迷。

1952年，费根鲍姆进入卡内基梅隆大学（当时还叫卡内基理工学院）电气工程系。在那里，他遇到了著名的诺贝尔奖得主西蒙教授。1960年2月他入读纽约市立学院电机工程。他上了所有数学和物理课程，用了不足4年便毕业。接着他入读MIT，最初打算研究电机工程的，最后转到物理系研读广义相对论，不过他仍是自学这门学问的。他的正式课程有量子力学、经典力学和复函数论。他在参观纽约理工大学布鲁克林分校时首次使用电脑，并在一小时内便写了一个用牛顿法开方的程序。

他的重大贡献在于通过实验和研究，证明了实现智能行为的主要手段在于知识，在多数实际情况下是特定领域的知识。

1994年度的图灵奖由两位人工智能专家分享，其一是声名卓著的爱德华·费根鲍姆（Edward Albert Feigenbaum）；另一位是后起之秀的雷伊·雷蒂（Raj Reddy）。在他的指导下，费根鲍姆实现了一个模拟人在刺激反应环境中记忆单词时的反应的程序，叫做EPAM(基本识别和存储设备系统的缩写)，并以此为题完成了他的博士论文。获得博士学位之后，费根鲍姆获得Fulbright奖学金到著名的英国国立物理实验室NPL工作过一段时间。图灵曾是NPL的研究员，在那里设计和制造了最早的计算机之一ACE。费根鲍姆去NPL时，图灵已于1954年去世，但图灵在NPL留下的巨大影响还在，活跃而富于创造性的空气还在，甚至ACE计算机也还在使用。费根鲍姆在NPL的时间虽然不长，但这段经历对他的影响却很大。

回到美国以后，费根鲍姆进入斯坦福大学继续其人工智能的研究。在人工智能初创的第一个10年中，人们着重的是问题求解和推理的过程。费根鲍姆的重大贡献在于：通过实验和研究，证明了实现智能行为的主要手段在于知识，在多数实际情况下是特定领域的知识，从而最早倡导了"知识工程"（Knowledge engineering），并使知识工程成为人工智能领域中取得实际成果最丰富、影响也最大的一个分支。

费根鲍姆本人，作为知识工程的倡导者和实践者，于1965年和遗传学系主任、诺贝尔奖得主莱德伯格（Joshua Lederberg）等人合作，开发出了世界上第一个专家系统程序DENDRAL。DENDRAL中保存着化学家的知识和质谱仪的知识，可以根据给定的有机化合物的分子式和质谱图，从几千种可能的分子结构中挑选出一个正确的分子结构。

DENDRAL的成功不仅验证了费根鲍姆关于知识工程的理论的正确性，还为专家系统软件的发展和应用开辟了道路，逐渐形成具有相当规模的市场，其应用遍及各个领域、各个部门。因此，DENDRAL的研究成功被认为是人工智能研究的一个历史性突破。费根鲍姆领导的研究小组后来又为医学、工程和国防等部门研制成功一系列实用的专家系统，其中尤以医学专家系统方面的成果最为突出，最负盛名。例如，用于帮助医生诊断传染病和提供治疗建议的著名专家系统MYCIN等。目前，学术界公认，在将人工智能技术应用于医学方面，斯坦福大学处于世界领先地位，这和费根鲍姆是分不开的。

费根鲍姆有句名言："知识中蕴藏着力量"（In the Knowledge lies the power）。这句话和培根的名言"知识就是力量"意义相近，但似乎更确切些：知识只有被人所发掘和掌握时，才能生成力量。

费根鲍姆除在斯坦福大学计算机科学系任教授外，还是美国空军的首席科学家。

重要著作

1963年他主编了《计算机与思想》（Computersand Thought，McGraw Hill)，这本书被认为是世界上第一本有关人工智能的经典性专著。书中收录的21篇文章是人工智能学者早期的研究成果，但其中的大部分观点和结论至今仍被认同。

80年代，费根鲍姆和 Avron Barr 等人合编了四卷本的《人工智能手册》

（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。这套手册的内容涵盖了人工智能的理论与实践的方方面面，是从事人工智能研究和开发的工程技术人员必备的参考书。

日本推出5代机计划以后，费根鲍姆曾到日本进行深入考察，写出了 《第五代：人工智能和日本计算机对世界的挑战》（The 5th Generation: AIand Japan's Computer Challenge to the World，New American Library，1984)。本书在中国大陆和台湾省都被译成中文出版，在中国人工智能界也有很大影响。还有一本有影响的著作是《专家公司的兴起》（The Rise of the Expert Company，Times Books,1988）。

费根鲍姆在接受图灵奖时发表了题为"什么"怎样变成"如何"的演说（How the "what" Becomes the "How"），对人工智能的发展作了一个历史性的回顾与总结，全文刊载于《Communications of the ACM》，1996年5月，97～104页。

知识工程

知识工程（knowledge engineering）是在计算机上建立专家系统的技术。1977年美国斯坦福大学计算机科学家费根鲍姆教授在第五届国际人工智能会议—提出知识工程的新概念。他认为，“知识工程是人工智能的原理和方法，对那些需要专家知识才能解决的应用难题提供求解的手段。恰当运用专家知识的获取、表达和推理过程的构成与解释，是设计基于知识的系统的重要技术问题。”这类以知识为基础的系统，就是通过智能软件而建立的专家系统。

人们对知识工程的理解，一般局限于专家系统范围内。在费根鲍姆教授近著《第五代计算机：人工智能和日本计算机对世界的挑战》(1983年9月)中提到，“知识工程”一词在日本人那里很吃香，因为在日本，工程技术人员有很高的地位；但是在英国，工程技术人员不享受这样的荣誉，人们主张使用“专家系统”这个词。我们认为，知识工程是一门以知识为研究对象的新兴学科，它将具体智能系统研究中那些共同的基本问题抽出来，作为知识工程的核心内容，使之成为指导具体研制各类智能系统的一般方法和基本工具，成为一门具有方法论意义的科学。

知识工程可以看成是人工智能在知识信息处理方面的发展，研究如何由计算机表示知识，进行问题的自动求解。知识工程的研究使人工智能的研究从理论转向应用，从基于推理的模型转向基于知识的模型，包括了整个知识信息处理的研究，知识工程已成为一门新兴的边缘学科。

由于在建立专家系统时所要处理的主要是专家的或书本上的知识，正像在数据处理中数据是处理对象一样，所以它又称知识处理学。其研究内容主要包括知识的获取、知识的表示以及知识的运用和处理等三大方面。

费根鲍姆及其研究小组在20世纪70年代中期研究了人类专家们（而不是万能博士们）解决其专门领域问题时的方式和方法，注意到专家解题的4个特点：

①为了解决特定领域的一个具体问题，除了需要一些公共的知识，例如哲学思想、思维方法和一般的数学知识等之外，更需要应用大量与所解问题领域密切相关的知识，即所谓领域知识。

②采用启发式的解题方法或称试探性的解题方法。为了解一个问题，特别是一些问题本身就很难用严格的数学方法描述的问题，往往不可能借助一种预先设计好的固定程式或算法来解决它们，而必须采用一种不确定的试探性解题方法。

③解题中除了运用演绎方法外，必须求助于归纳的方法和抽象的方法。因为只有运用归纳和抽象才能创立新概念，推出新知识，并使知识逐步深化。

④必须处理问题的模糊性、不确定性和不完全性。因为现实世界就是充满模糊性、不确定性和不完全性的，所以决定解决这些问题的方式和方法也必须是模糊的和不确定的，并应能处理不完全的知识。总之，人们在解题的过程中，首先运用已有的知识开始进行启发式的解题，并在解题中不断修正旧知识，获取新知识，从而丰富和深化已有的知识，然后再在一个更高的层次上运用这些知识求解问题，如此循环往复，螺旋式上升，直到把问题解决为止。由上面的分析可见，在这种解题的过程中，人 们所运用和操作的对象主要是各种知识（当然也包括各种有关的数据），因此也就是一个知识处理的过程。

📚往期文章推荐

🔗人工智能名人堂第43期 | 中科院院士张钹：杏坛半世纪

🔗人工智能名人堂第42期 | 中国人工智能领域开拓者：陆汝钤

🔗人工智能名人堂第41期 | 移动智能机器人创造者：尼尔斯·尼尔森

🔗人工智能名人堂第40期 | 归结原理创始人：约翰·罗宾逊

🔗人工智能名人堂第39期 | 遗传算法之父：约翰·霍兰德

🔗人工智能名人堂第38期 |  贝叶斯之父 Judea Pearl：想造自由意志机器人

🔗人工智能名人堂第37期 | 戴汝为：综合之智 集成之慧

🔗人工智能名人堂第36期 | 智能控制和机器人与自动化的主要创始人-萨里迪斯

🔗人工智能名人堂第35期 | 语言学界的爱因斯坦-乔姆斯基

🔗人工智能名人堂第34期 | 王飞跃-纪念一位真正的科学思想家：人工智能之父马文·明斯基

德先生精彩文章回顾

在公众号会话位置回复以下关键词，查看德先生往期文章！

人工智能｜类脑研究｜人机大战｜机器人

虚拟现实｜无人驾驶｜智能制造｜无人机

科研创新｜网络安全｜数据时代｜区块链

……

更多精彩文章正在赶来，敬请期待！

点击“阅读原文”，移步求知书店，可查阅选购德先生推荐书籍。