Обучение рассматривается как интеллектуальный процесс, сценарий развития которого при индивидуальном подходе к обучаемому заранее не известен. Он формируется в ходе освоения материала и во многом зависит от интеллектуальных способностей обучаемого, его уровня подготовки, психологических особенностей, условий обучения и других факторов. Процесс обучения представлен в пространстве состояний, где переход из одного состояния в другое реализуется событием, связанным с выводом на терминал неделимого логически законченного фрагмента изучаемого материала с оценкой (при необходимости) уровня его усвоения обучаемым. Исходя из этого, предлагается реализация оболочки гибридной интеллектуальной обучающей среды, базирующейся на концепции системы, основанной на знаниях продукционного типа, и нейросетевых технологиях принятия решений, способной через формализм базы знаний настраиваться на различные предметные области. Дается описание принципов реализации основных подсистем интеллектуальной среды, их лингвистического, информационного и программного обеспечения. В качестве формализма описания знаний эксперта (преподавателя) на инфологическом уровне предлагается граф решений, позволяющий компактно описывать логику рассуждений при планировании рабочего сценария обучения. В подсистеме приобретения знаний предусмотрены алгоритмы трансформации графа решений в набор продукционных правил (для аналитической составляющей интеллектуальной среды) и преобразования его в эквивалентную по логике «рассуждений» нейронную сеть прямого распространения (для синтетической составляющей). Описан механизм потактового формирования сценария обучения под управлением нейронной сети с учетом возможностей двухуровневого (компактного и детального) представления изучаемого материала и возврата в любое из предшествующих состояний для «освежения» пройденных положений и понятий. Как перспектива развития обозначена проблема выработки определенных рекомендаций (методологии) формирования исходного графа решений с учетом специфики конкретных предметных областей. Learning is considered as an intelligent process the development scenario of which, with an individual approach to the learner, is not known in advance. The scenario is built during learning material studying and it largely depends on the intellectual abilities of the the student, his preparation level, psychological traits, learning environment conditions and other factors. Learning process is treated as a movement in state-space representation, where state transition is an event linked with output to terminal logically finished piece of learning material with grading (if needed). In this regard, we introduced an implementation of the hybrid intellectual learning environment shell which is based on rules and neural network inference and may be tuned to different subject areas using knowledge base. The author describes the implementation principles of main subsystems, their lingware, information provision and software. Solution graph is introduced to represent expert (teacher) knowledge on the conceptual level. The graph allows us to compactly describe logic of reasoning which is used while learning scenario planning. In the knowledge acquiring subsystem transformation algorithm is envisaged from solution graph to rule base (for analytical part of the learning environment) or to equivalent straightforward neural network (for synthetic part). The author describes a mechanism of the scenario tact by tact formation governed by neural network with possibility of two-level representation of the learning material (compact and detailed) and returning to previous system states to refresh past materials. As a prospect for further development, the problem of developing a methodology for creating a source graph of a solution for subject areas was mentioned.