在知识表示方法已经成熟、社会要求人工智能有商业成果产出和计算机运算能力有长足发展的内外因共同作用下，人工智能的研究变得越来越务实。1977 年美国斯坦福大学计算机科学教授爱德华·费根鲍姆（EdwardFeigenbaum）在第五届国际人工智能会议上发表了一篇名为《人工智能的艺术： 知 识 工 程 课 题 及 实 例 研 究》（“ The Art of Artificial Intelligence: Themesand Case Studies of Knowledge Engineering ”）的论文，首次提出“知识工程”（Knowledge Engineering）的概念：让计算机对那些原本需要专家知识才能解决的应用问题提供求解的手段。
由于结构和原理的天然差异，计算机擅长处理许多人类难以处理的问题，但是同时计算机也在很多人类毫不费力就能处理好的问题上停滞不前。人工智能的主流研究方向从一开始追求拟人化的通用智力，变为追求解决特定专业领域的知识问题，这是无奈之举，但也是务实的进步，令原本虚无缥缈的目标看到了可行性的曙光。知识工程的概念提出后，很快得到政府、科学界和社会的普遍认同，迅速演变为一门有明确的研究领域、跨越社会科学与自然科学的新兴工程技术学科。后来，费根鲍姆也因在知识工程方向的贡献而获得了 1994年的图灵奖。
知识工程研究如何获取知识、如何验证知识的正确性、如何表示知识、如何根据知识推导结论、如何解析推理结果的含义这整个过程中面临的学术和工程问题，以及解决这些问题所涉及的支撑技术。提及知识工程，读者需要注意将它与另一个相近但早已存在的学科“知识管理”（Knowledge Management）区分开来。知识管理的内容中也涉及获取知识、组织知识与检索知识的问题，还涉及数据挖掘、文本聚类、数据库与文档管理等计算机技术。但是，知识管理的核心是无序知识有序化，使之成为人类可以利用的资源，而知识工程的核心是揭示知识本身的表示和关联关系，以及解决计算机如何利用知识的问题。一言以蔽之，知识管理的目标是建立供人使用的知识库，而知识工程的目标是建立供计算机使用的知识库。
92
第二部分 学派争鸣
○一 图片来源：http://www.computerhistory.org/collections/catalog/102651997。