费根鲍姆为什么被叫知识工程之父？专家系统的推手

AI 史上有一类人物，名气不来自某一次算法突破，而来自提出一整套做事方法，费根鲍姆属于这一类。这位斯坦福大学教授在公开资料里被广泛称作知识工程之父，称呼的来源有据可查：他主导了 DENDRAL 与 MYCIN 两个里程碑系统，并给「把专家知识装进程序」这项工作起了名字。本文只依据公开履历与公开论文，梳理他的职业节点与方法的出处。

从 DENDRAL 到 MYCIN：两个系统的接力

公开履历显示，费根鲍姆 1936 年出生，在卡内基梅隆大学取得博士学位，导师是司马贺，这条师承线索可参见司马贺和纽厄尔做过什么一篇。1965 年前后，他在斯坦福牵头启动 DENDRAL 项目，合作者中包括遗传学家莱德伯格——后者是公开记录里的诺贝尔奖得主。系统的任务很具体：从质谱数据推断化学分子结构，被后来的文献普遍视为最早的专家系统之一。

接力棒在 1970 年代交到 MYCIN 手上。这个面向血液感染、给出诊断建议的系统，由他的博士生肖特利夫作为博士论文课题完成，规则库的公开口径为数百条规则。两个系统一脉相承的做法是：不追求通用智能，而是把一个狭窄领域里的专业知识整理成机器可用的形式。专家系统随后如何走进企业订单，见专家系统是怎么火起来的一篇。

「知识工程」这个名字的出处

把编写专家系统的整套活动命名为知识工程，是费根鲍姆在公开文献中留下的贡献；他还反复强调一个公开表述：力量在知识之中。这句话的分量要放在当年语境里读——与追求更聪明的推理机制相比，他主张把力气花在知识的整理与输入上。方法落地时最耗人力的环节被称作知识获取：知识工程师从领域专家的访谈里一条条抽取规则，写成系统可执行的形式。

知识获取为什么难，后来的行业变化给出了答案。规则靠人工编写、逐条维护，系统越大成本越高，这是专家系统在八十年代后期退潮的技术原因之一，见AI 寒冬一篇。可带走的判断：一个系统的能力上限，往往由知识来源的质量决定，这条经验今天依然成立。

图灵奖与公司的公开动向

1994 年，图灵奖授予费根鲍姆与雷迪两人，公开颂词口径指向他们在人工智能领域的开创性贡献，具体表述以 ACM 官方文件为准。1980 年，他参与联合创办了 Teknowledge 公司，把专家系统技术推向商用，这是公开履历里的另一条线。他还有过公开写作，1983 年与他人合著了关于日本第五代计算机计划的著作。

知识工程的思路与今天的产品放在一起看，对比很清楚：当年靠人工逐条写规则，今天靠预训练让模型从海量文本里学知识。你在文档问答场景里让腾讯元宝读一份说明书再提问，让 Kimi 总结一份年报，本质上是同一个老问题的新解法——把知识装进机器，再让机器替人回答。两者的差别在于知识从哪来：看一个系统答得靠不靠谱，先看它的知识来源可不可靠，模型卡片讲的正是这种溯源习惯。

费根鲍姆公开时间线速查

• 1936 年出生；1960 年在卡内基梅隆大学获博士学位，师从司马贺
• 1965 年前后：在斯坦福启动 DENDRAL，与诺奖得主莱德伯格合作
• 1970 年代：MYCIN 作为其博士生肖特利夫的论文课题完成
• 1980 年：联合创办 Teknowledge 公司
• 1994 年：与雷迪同获图灵奖

再多说几句费根鲍姆

• DENDRAL 和 MYCIN 分别做什么？：DENDRAL 从质谱数据推断化学分子结构，MYCIN 面向血液感染给出诊断建议，均为公开论文记录的系统。
• 「知识工程之父」这个称呼出自哪里？：这是业界对其知识工程方法论开创性工作的通行称法，与 1994 年图灵奖的公开颂词口径一致，具体措辞以公开资料为准。
• 他和司马贺是什么关系？：公开履历显示他是司马贺在卡内基梅隆大学的博士生，符号主义学派的脉络可参见本站对应人物篇。