父亲是波兰移民至美国的分析化学家，母亲是乌克兰人，他们生有三个孩子：爱德华、米切尔和 Glenda。爱德华有著神童的一切特质，米切尔却非。

　　爱德华·费根鲍姆并不享受他的中小学生活。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。

　　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。

　　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（knowledge engineering）是在计算机上建立专家系统的技术。知识工程这个术语最早由美国人工智能专家E.A.费根鲍姆提出。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。