Приобретение необходимых знаний является важным инструментом решения проблем, связанных с созданием систем с искусственным интеллектом (СИИ). Это объясняется тем, что полезность подобных систем основывается на их полноте и содержательности. В связи с этим обсуждаются возможности двух основных подходов к приобретению экспертных знаний. Первый подход базируется на т. н. правилах продукции (Production rules), позволяющих обобщить знания экспертов в структуре выводов из данных посылок на основе импликаций “IF… THEN… “. Недостаток этого метода заключается в невозможности изучить все возможные ситуации, которые могут возникнуть в процессе решения задачи. В качестве другого, более эффективного метода рассматривается подход, основанный на отношениях экспертов к разделенным примерам ситуаций, которые могут возникнуть. Решения, принимаемые в этом случае могут базироваться на подходах, связанных с сопоставлением сложившейся ситуации с ее ближайшим прототипом из числа рассмотренных. Описанному подходу, основанному на прототипизации ситуации (Case-lased Reasoning), авторы уделяют основное внимание, предлагая специальную классификационную модель (M-CLASS), позволяющую достигнуть необходимую содержательность и оценить полноту экспертной системы. Реализация предложения авторов демонстрируется на медицинском примере.