1.一种人工智能方法，其特征在于，所述方法包括：

1）将个人望诊输入数据集输入到基于大数据深度学习的望诊个人自助预测子模型进行训练和测试；2）将个人闻诊输入数据集输入到基于大数据深度学习的闻诊个人自助预测子模型进行训练和测试；3）将个人问诊输入数据集输入到基于大数据深度学习的问诊个人自助预测子模型进行训练和测试；4）将个人切诊输入数据集输入到基于大数据深度学习的切诊个人自助预测子模型进行训练和测试；5）将个人切诊输入数据集输入到基于大数据深度学习的其他个人自助预测子模型进行训练和测试；6）将基于大数据深度学习的望诊个人自助预测子模型、基于大数据深度学习的闻诊个人自助预测子模型、基于大数据深度学习的问诊个人自助预测子模型、基于大数据深度学习的切诊个人自助预测子模型、基于大数据深度学习的其他个人自助预测子模型的顶层特征进行融合后输入到基于大数据深度学习的综合辩证个人自助预测子模型进行训练和测试；

具体包括：

目标用户确定步骤：将待监测的用户作为目标用户；

目标疾病确定步骤：将待监测的疾病作为目标疾病；

目标疾病望诊步骤：将用户的图像作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的望诊深度学习神经网络模型；

在使用时，将目标用户的图像作为输入，通过目标疾病的望诊深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率，并作为所述目标用户的目标疾病望诊的结果，若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；

目标疾病听诊步骤：将用户的声音作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的听诊深度学习神经网络模型；

在使用时，将目标用户的声音作为输入，通过目标疾病的听诊深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率，并作为所述目标用户的目标疾病听诊的结果，若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；

目标疾病问诊步骤：将用户的情况作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的问诊深度学习神经网络模型；

在使用时，将目标用户的情况作为输入，通过目标疾病的问诊深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率，并作为所述目标用户的目标疾病问诊的结果，若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；

目标疾病切诊步骤：将用户的体征作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的切诊深度学习神经网络模型；

在使用时，将目标用户的体征作为输入，通过目标疾病的切诊深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率，并作为所述目标用户的目标疾病切诊的结果，若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；

目标疾病望闻问切步骤：获取所述目标用户的目标疾病望诊的特征数据、所述目标用户的目标疾病听诊的特征数据、所述目标用户的目标疾病问诊的特征数据、所述目标用户的目标疾病切诊的特征数据作为所述目标用户的目标疾病特征；将所述目标用户的目标疾病特征作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的望闻问切深度学习神经网络模型；在使用时，将所述目标用户的目标疾病特征作为输入，通过目标疾病的望闻问切深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率；若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；其中，将目标疾病的望诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的目标疾病望诊的特征数据；将目标疾病的听诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的目标疾病听诊的特征数据；将目标疾病的问诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的目标疾病问诊的特征数据；将目标疾病的切诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的目标疾病切诊的特征数据；

预设隐层包括最后一层隐层；

疾病排查望闻问切步骤：获取所述目标用户的疾病排查望诊的特征数据、所述目标用户的疾病排查听诊的特征数据、所述目标用户的疾病排查问诊的特征数据、所述目标用户的疾病排查切诊的特征数据作为所述目标用户的第一疾病排查特征；将所述目标用户的第一疾病排查特征作为输入，将所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到疾病排查望闻问切深度学习神经网络模型；在使用时，将所述目标用户的第一疾病排查特征作为输入，通过疾病排查望闻问切深度学习神经网络模型的计算，得到的输出作为所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率；

健康状况望闻问切步骤：获取所述目标用户的健康状况及其可能的概率望诊的特征数据、所述目标用户的健康状况及其可能的概率听诊的特征数据、所述目标用户的健康状况及其可能的概率问诊的特征数据、所述目标用户的健康状况切诊的特征数据作为所述目标用户的第二疾病排查特征；将所述目标用户的健康状况及其可能的概率特征作为输入，将所述用户的健康状况作为预期输出，对深度学习神经网络模型进行训练，得到健康状况望闻问切深度学习神经网络模型；在使用时，将所述目标用户的健康状况及其可能的概率特征作为输入，通过健康状况望闻问切深度学习神经网络模型的计算，得到的输出作为所述用户的健康状况；其中，目标用户的健康状况及其可能的概率望诊的特征数据，是将用户图像输入到望诊模型后其预设隐层输出的数据；目标用户的健康状况及其可能的概率听诊的特征数据，是将用户声音输入到听诊模型后其预设隐层输出的数据；目标用户的健康状况及其可能的概率问诊的特征数据，是将用户情况输入到问诊模型后其预设隐层输出的数据；目标用户的健康状况及其可能的概率切诊的特征数据，是将用户体征输入到切诊模型后其预设隐层输出的数据。

2.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：

用户图像获取步骤：获取目标用户的舌部图像或/和面部图像或/和手部图像或和身体其他部位的图像，作为目标用户的图像；

疾病排查望诊步骤：将用户的图像作为输入，将所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到疾病排查望诊深度学习神经网络模型；在使用时，将目标用户的图像作为输入，通过疾病排查望诊深度学习神经网络模型的计算，得到的输出作为所述目标用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率，并作为所述目标用户的疾病排查望诊的结果，同时将疾病排查的望诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的疾病排查望诊的特征数据；

健康状况望诊步骤：将用户的图像作为输入，将所述用户的健康状况作为预期输出，对深度学习神经网络模型进行训练，得到健康状况望诊深度学习神经网络模型；在使用时，将目标用户的图像作为输入，通过健康状况望诊深度学习神经网络模型的计算，得到的输出作为所述目标用户的健康状况及其可能的概率，并作为所述目标用户的健康状况及其可能的概率望诊的结果，同时将健康状况的望诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的健康状况及其可能的概率望诊的特征数据；

用户声音获取步骤：获取目标用户的说话声音或/和呼吸声音或/和肺音或和身体其他器官发出或产生的声音，作为目标用户的声音；

疾病排查听诊步骤：将用户的声音作为输入，将所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到疾病排查听诊深度学习神经网络模型；在使用时，将目标用户的声音作为输入，通过疾病排查听诊深度学习神经网络模型的计算，得到的输出作为所述目标用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率，并作为所述目标用户的疾病排查听诊的结果，同时将疾病排查的听诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的疾病排查听诊的特征数据；

健康状况听诊步骤：将用户的声音作为输入，将所述用户的健康状况作为预期输出，对深度学习神经网络模型进行训练，得到健康状况听诊深度学习神经网络模型；在使用时，将目标用户的声音作为输入，通过健康状况听诊深度学习神经网络模型的计算，得到的输出作为所述目标用户的健康状况及其可能的概率，并作为所述目标用户的健康状况及其可能的概率听诊的结果，并作为所述目标用户的健康状况及其可能的概率听诊的结果，同时将健康状况的听诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的健康状况及其可能的概率听诊的特征数据；

用户情况获取步骤：获取目标用户的对预设问题集合的回答，作为目标用户的情况；

疾病排查问诊步骤：将用户的情况作为输入，将所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到疾病排查问诊深度学习神经网络模型；在使用时，将目标用户的情况作为输入，通过疾病排查问诊深度学习神经网络模型的计算，得到的输出作为所述目标用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率，并作为所述目标用户的疾病排查问诊的结果，同时将疾病排查的问诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的疾病排查问诊的特征数据；

健康状况问诊步骤：将用户的情况作为输入，将所述用户的健康状况作为预期输出，对深度学习神经网络模型进行训练，得到健康状况问诊深度学习神经网络模型；在使用时，将目标用户的情况作为输入，通过健康状况问诊深度学习神经网络模型的计算，得到的输出作为所述目标用户的健康状况及其可能的概率，并作为所述目标用户的健康状况及其可能的概率问诊的结果，同时将健康状况的问诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的健康状况及其可能的概率问诊的特征数据；

用户体征获取步骤：获取目标用户的脉搏数据或/和心跳数据或/和血氧数据，作为目标用户的体征；

疾病排查切诊步骤：将用户的体征作为输入，将所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到疾病排查切诊深度学习神经网络模型；在使用时，将目标用户的体征作为输入，通过疾病排查切诊深度学习神经网络模型的计算，得到的输出作为所述目标用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率，并作为所述目标用户的疾病排查切诊的结果，同时将疾病排查的切诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的疾病排查切诊的特征数据；

健康状况切诊步骤：将用户的体征作为输入，将所述用户的健康状况作为预期输出，对深度学习神经网络模型进行训练，得到健康状况切诊深度学习神经网络模型；在使用时，将目标用户的体征作为输入，通过健康状况切诊深度学习神经网络模型的计算，得到的输出作为所述目标用户的健康状况及其可能的概率，并作为所述目标用户的健康状况的结果，同时将健康状况的切诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的健康状况切诊的特征数据。

3.根据权利要求2所述的人工智能方法，其特征在于，所述方法还包括：

目标疾病辩证步骤：获取所述目标用户的目标疾病望诊的结果、所述目标用户的目标疾病听诊的结果、所述目标用户的目标疾病问诊的结果、所述目标用户的目标疾病切诊的结果中所述目标用户患有目标疾病的概率的最大值，若最大值大于预设可信概率阈值，则所述目标用户确诊患有目标疾病；

疾病排查辩证步骤：获取所述目标用户的疾病排查望诊的结果、所述目标用户的疾病排查听诊的结果、所述目标用户的疾病排查问诊的结果、所述目标用户的疾病排查切诊的结果中所述目标用户可能患有的每一疾病的概率的最大值，若最大值大于预设可信概率阈值，则所述目标用户确诊患有最大值大于预设可信概率阈值的所述每一疾病；

健康状况辩证步骤：获取所述目标用户的健康状况望诊的结果、所述目标用户的健康状况听诊的结果、所述目标用户的健康状况问诊的结果、所述目标用户的健康状况切诊的结果中所述目标用户的健康状况的可能的概率的最大值，若最大值大于预设可信概率阈值，则将最大值概率对应的所述目标用户的健康状况作为所述目标用户的健康状况。

4.根据权利要求2所述的人工智能方法，其特征在于，所述方法还包括：

目标疾病快速诊断步骤：获取所述目标用户的目标疾病望诊的结果或/和所述目标用户的目标疾病听诊的结果或/和所述目标用户的目标疾病问诊的结果或/和所述目标用户的目标疾病切诊的结果中所述目标用户患有目标疾病的概率，若任一所述概率大于预设可信概率阈值，则所述目标用户确诊患有目标疾病；

疾病排查快速诊断步骤：获取所述目标用户的疾病排查望诊的结果或/和所述目标用户的疾病排查听诊的结果或/和所述目标用户的疾病排查问诊的结果或/和所述目标用户的疾病排查切诊的结果中所述目标用户可能患有的每一疾病的概率，若任一所述概率大于预设可信概率阈值，则所述目标用户确诊患有所述概率大于预设可信概率阈值的所述每一疾病；

健康状况快速诊断步骤：获取所述目标用户的健康状况望诊的结果或/和所述目标用户的健康状况听诊的结果或/和所述目标用户的健康状况问诊的结果或/和所述目标用户的健康状况切诊的结果中所述目标用户的健康状况的可能的概率，若任一所述概率大于预设可信概率阈值，则将大于预设可信概率阈值的所述概率对应的所述目标用户的健康状况作为所述目标用户的健康状况。

5.一种人工智能系统，其特征在于，所述系统包括：

1）将个人望诊输入数据集输入到基于大数据深度学习的望诊个人自助预测子模型进行训练和测试；2）将个人闻诊输入数据集输入到基于大数据深度学习的闻诊个人自助预测子模型进行训练和测试；3）将个人问诊输入数据集输入到基于大数据深度学习的问诊个人自助预测子模型进行训练和测试；4）将个人切诊输入数据集输入到基于大数据深度学习的切诊个人自助预测子模型进行训练和测试；5）将个人切诊输入数据集输入到基于大数据深度学习的其他个人自助预测子模型进行训练和测试；6）将基于大数据深度学习的望诊个人自助预测子模型、基于大数据深度学习的闻诊个人自助预测子模型、基于大数据深度学习的问诊个人自助预测子模型、基于大数据深度学习的切诊个人自助预测子模型、基于大数据深度学习的其他个人自助预测子模型的顶层特征进行融合后输入到基于大数据深度学习的综合辩证个人自助预测子模型进行训练和测试；

具体包括：

目标用户确定模块：将待监测的用户作为目标用户；

目标疾病确定模块：将待监测的疾病作为目标疾病；

目标疾病望诊步骤：将用户的图像作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的望诊深度学习神经网络模型；

在使用时，将目标用户的图像作为输入，通过目标疾病的望诊深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率，并作为所述目标用户的目标疾病望诊的结果，若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；

目标疾病听诊步骤：将用户的声音作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的听诊深度学习神经网络模型；

在使用时，将目标用户的声音作为输入，通过目标疾病的听诊深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率，并作为所述目标用户的目标疾病听诊的结果，若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；

目标疾病问诊步骤：将用户的情况作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的问诊深度学习神经网络模型；

在使用时，将目标用户的情况作为输入，通过目标疾病的问诊深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率，并作为所述目标用户的目标疾病问诊的结果，若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；

目标疾病切诊步骤：将用户的体征作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的切诊深度学习神经网络模型；

在使用时，将目标用户的体征作为输入，通过目标疾病的切诊深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率，并作为所述目标用户的目标疾病切诊的结果，若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；

目标疾病望闻问切模块：获取所述目标用户的目标疾病望诊的特征数据、所述目标用户的目标疾病听诊的特征数据、所述目标用户的目标疾病问诊的特征数据、所述目标用户的目标疾病切诊的特征数据作为所述目标用户的目标疾病特征；将所述目标用户的目标疾病特征作为输入，将所述用户患有目标疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到目标疾病的望闻问切深度学习神经网络模型；在使用时，将所述目标用户的目标疾病特征作为输入，通过目标疾病的望闻问切深度学习神经网络模型的计算，得到的输出作为所述目标用户患有目标疾病的概率；若所述目标用户患有目标疾病的概率超过预设概率阈值，则所述目标用户患有目标疾病；

疾病排查望闻问切模块：获取所述目标用户的疾病排查望诊的特征数据、所述目标用户的疾病排查听诊的特征数据、所述目标用户的疾病排查问诊的特征数据、所述目标用户的疾病排查切诊的特征数据作为所述目标用户的第一疾病排查特征；将所述目标用户的第一疾病排查特征作为输入，将所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到疾病排查望闻问切深度学习神经网络模型；在使用时，将所述目标用户的第一疾病排查特征作为输入，通过疾病排查望闻问切深度学习神经网络模型的计算，得到的输出作为所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率；

健康状况望闻问切模块：获取所述目标用户的健康状况及其可能的概率望诊的特征数据、所述目标用户的健康状况及其可能的概率听诊的特征数据、所述目标用户的健康状况及其可能的概率问诊的特征数据、所述目标用户的健康状况切诊的特征数据作为所述目标用户的第二疾病排查特征；将所述目标用户的健康状况及其可能的概率特征作为输入，将所述用户的健康状况作为预期输出，对深度学习神经网络模型进行训练，得到健康状况望闻问切深度学习神经网络模型；在使用时，将所述目标用户的健康状况及其可能的概率特征作为输入，通过健康状况望闻问切深度学习神经网络模型的计算，得到的输出作为所述用户的健康状况；

其中，目标用户的健康状况及其可能的概率望诊的特征数据，是将用户图像输入到望诊模型后其预设隐层输出的数据；目标用户的健康状况及其可能的概率听诊的特征数据，是将用户声音输入到听诊模型后其预设隐层输出的数据；目标用户的健康状况及其可能的概率问诊的特征数据，是将用户情况输入到问诊模型后其预设隐层输出的数据；目标用户的健康状况及其可能的概率切诊的特征数据，是将用户体征输入到切诊模型后其预设隐层输出的数据。

6.根据权利要求5所述的人工智能系统，其特征在于，所述系统还包括：

用户图像获取模块：获取目标用户的舌部图像或/和面部图像或/和手部图像或和身体其他部位的图像，作为目标用户的图像；

疾病排查望诊模块：将用户的图像作为输入，将所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到疾病排查望诊深度学习神经网络模型；在使用时，将目标用户的图像作为输入，通过疾病排查望诊深度学习神经网络模型的计算，得到的输出作为所述目标用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率，并作为所述目标用户的疾病排查望诊的结果，同时将疾病排查的望诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的疾病排查望诊的特征数据；

健康状况望诊模块：将用户的图像作为输入，将所述用户的健康状况作为预期输出，对深度学习神经网络模型进行训练，得到健康状况望诊深度学习神经网络模型；在使用时，将目标用户的图像作为输入，通过健康状况望诊深度学习神经网络模型的计算，得到的输出作为所述目标用户的健康状况及其可能的概率，并作为所述目标用户的健康状况及其可能的概率望诊的结果，同时将健康状况的望诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的健康状况及其可能的概率望诊的特征数据；

用户声音获取模块：获取目标用户的说话声音或/和呼吸声音或/和肺音或和身体其他器官发出或产生的声音，作为目标用户的声音；

疾病排查听诊模块：将用户的声音作为输入，将所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到疾病排查听诊深度学习神经网络模型；在使用时，将目标用户的声音作为输入，通过疾病排查听诊深度学习神经网络模型的计算，得到的输出作为所述目标用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率，并作为所述目标用户的疾病排查听诊的结果，同时将疾病排查的听诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的疾病排查听诊的特征数据；

健康状况听诊模块：将用户的声音作为输入，将所述用户的健康状况作为预期输出，对深度学习神经网络模型进行训练，得到健康状况听诊深度学习神经网络模型；在使用时，将目标用户的声音作为输入，通过健康状况听诊深度学习神经网络模型的计算，得到的输出作为所述目标用户的健康状况及其可能的概率，并作为所述目标用户的健康状况及其可能的概率听诊的结果，并作为所述目标用户的健康状况及其可能的概率听诊的结果，同时将健康状况的听诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的健康状况及其可能的概率听诊的特征数据；

用户情况获取模块：获取目标用户的对预设问题集合的回答，作为目标用户的情况；

疾病排查问诊模块：将用户的情况作为输入，将所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到疾病排查问诊深度学习神经网络模型；在使用时，将目标用户的情况作为输入，通过疾病排查问诊深度学习神经网络模型的计算，得到的输出作为所述目标用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率，并作为所述目标用户的疾病排查问诊的结果，同时将疾病排查的问诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的疾病排查问诊的特征数据；

健康状况问诊模块：将用户的情况作为输入，将所述用户的健康状况作为预期输出，对深度学习神经网络模型进行训练，得到健康状况问诊深度学习神经网络模型；在使用时，将目标用户的情况作为输入，通过健康状况问诊深度学习神经网络模型的计算，得到的输出作为所述目标用户的健康状况及其可能的概率，并作为所述目标用户的健康状况及其可能的概率问诊的结果，同时将健康状况的问诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的健康状况及其可能的概率问诊的特征数据；

用户体征获取模块：获取目标用户的脉搏数据或/和心跳数据或/和血氧数据，作为目标用户的体征；

疾病排查切诊模块：将用户的体征作为输入，将所述用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率作为预期输出，对深度学习神经网络模型进行训练，得到疾病排查切诊深度学习神经网络模型；在使用时，将目标用户的体征作为输入，通过疾病排查切诊深度学习神经网络模型的计算，得到的输出作为所述目标用户可能患有的预设数个疾病及患有所述预设数个疾病中每个疾病的概率，并作为所述目标用户的疾病排查切诊的结果，同时将疾病排查的切诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的疾病排查切诊的特征数据；

健康状况切诊模块：将用户的体征作为输入，将所述用户的健康状况作为预期输出，对深度学习神经网络模型进行训练，得到健康状况切诊深度学习神经网络模型；在使用时，将目标用户的体征作为输入，通过健康状况切诊深度学习神经网络模型的计算，得到的输出作为所述目标用户的健康状况及其可能的概率，并作为所述目标用户的健康状况的结果，同时将健康状况的切诊深度学习神经网络模型的预设隐层的输出数据作为所述目标用户的健康状况切诊的特征数据。

7.根据权利要求6所述的人工智能系统，其特征在于，所述系统还包括：

目标疾病辩证模块：获取所述目标用户的目标疾病望诊的结果、所述目标用户的目标疾病听诊的结果、所述目标用户的目标疾病问诊的结果、所述目标用户的目标疾病切诊的结果中所述目标用户患有目标疾病的概率的最大值，若最大值大于预设可信概率阈值，则所述目标用户确诊患有目标疾病；

疾病排查辩证模块：获取所述目标用户的疾病排查望诊的结果、所述目标用户的疾病排查听诊的结果、所述目标用户的疾病排查问诊的结果、所述目标用户的疾病排查切诊的结果中所述目标用户可能患有的每一疾病的概率的最大值，若最大值大于预设可信概率阈值，则所述目标用户确诊患有最大值大于预设可信概率阈值的所述每一疾病；

健康状况辩证模块：获取所述目标用户的健康状况望诊的结果、所述目标用户的健康状况听诊的结果、所述目标用户的健康状况问诊的结果、所述目标用户的健康状况切诊的结果中所述目标用户的健康状况的可能的概率的最大值，若最大值大于预设可信概率阈值，则将最大值概率对应的所述目标用户的健康状况作为所述目标用户的健康状况。

8.一种机器人，包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序，其特征在于，所述处理器执行所述程序时实现权利要求1‑4任意一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1‑4任意一项所述方法的步骤。