1.一种人工智能方法，其特征在于，所述方法包括：

预设条件设置步骤：所述预设条件包括学习成绩差、存在学习“偏食挑食”问题、对人工智能服务不满意、反馈或投诉人工智能存在歧视、过于频繁使用人工智能服务、极少使用人工智能服务中的一个或几个预设条件；

各类用户数据量比例获取步骤：获取人工智能用于教育时所基于的大数据中用户的类型，所述用户包括学生或/和老师，统计需要输入每一人工智能连接学派模型的每一不同类型用户或满足预设条件的每一不同类型的用户的数据量占输入所述每一人工智能连接学派模型的用户总数据量的比例，作为所述每一人工智能连接学派模型下所述每一不同类型用户的数据量比例；

数据生成补充步骤：获取每一用户数据，获取各类用户数据量比例，根据每一用户数据量比例判断比例是否失衡，若失衡，则生成新的所述每一用户数据，并将生成的新的所述每一用户数据补充进所述每一用户数据；

模型重新训练步骤：利用所述每一用户数据对所述每一用户数据的人工智能模型进行重新训练；

模型预测步骤：将所述每一用户数据分别输入所述人工智能模型和预设的与所述人工智能模型对应的另一人工智能模型进行预测，得到两个预测结果，判断所述两个预测结果的差异是否在预设范围内，若是，则将至少一个预测结果返回给用户；若否，则请求人工复核和修改预测结果，并请求人工复核所述人工智能模型和预设的与人工智能模型对应的另一人工智能模型；

所述方法还包括：

比例是否失衡判断处理步骤：判断所述每一人工智能连接学派模型下所述每一不同类型用户的数据量比例与所述每一人工智能连接学派模型下各类型用户的数据量比例的最大值的差值的绝对值是否低于所述每一人工智能连接学派模型容忍的预设比例差值阈值，若是，则所述每一人工智能连接学派模型下所述每一不同类型用户的数据量比例符合要求；若否，则所述每一人工智能连接学派模型下所述每一不同类型用户的数据量比例不符合要求，通过预设的数据第一生成步骤或预设的数据第二生成步骤来生成所述每一不同类型用户的数据，直至所述每一人工智能连接学派模型下所述每一不同类型用户的数据量比例与所述每一人工智能连接学派模型下各类型用户的数据量比例的最大值的差值的绝对值不低于所述每一人工智能连接学派模型容忍的预设比例差值阈值；

模型重新训练步骤：根据所述每一人工智能连接学派模型下所述每一不同类型用户的数据集对所述每一人工智能连接学派模型进行重新训练和测试；

所述方法还包括：

数据第一生成步骤：获取所述每一人工智能连接学派模型下与所述每一不同类型用户的类型最为接近的且数据量比例符合要求的用户类型，获取所述每一人工智能连接学派模型下所述最为接近的且数据量比例符合要求的用户类型的数据，将所述每一不同类型用户的每一数据作为每一第一数据，从所述最为接近的且数据量比例符合要求的用户类型的数据中模糊匹配得到与每一第一数据最相似的数据作为每一第二数据，将所述最为接近的且数据量比例符合要求的用户类型的数据中第二数据之外的每一数据作为每一第三数据；初始化深度学习模型或神经网络或机器学习模型或量子计算模型作为数据预测模型；将训练和测试样本中每一第二数据、对应的每一第一数据作为代码预测模型的输入和预期输出，对数据预测模型进行训练和测试；将每一第三数据作为代码预测模型的输入，计算得到的输出作为每一第四数据；将所有第四数据加入所述每一人工智能连接学派模型下所述每一不同类型用户的数据集；

数据第二生成步骤：获取能够生成所述每一人工智能连接学派模型所需数据的人工智能符号学派模型，获取所述每一人工智能连接学派模型所需数据的取值范围，通过所述人工智能符号学派模型在所述取值范围内生成多个第五数据，将所述第五数据加入所述每一人工智能连接学派模型下所述每一不同类型用户的数据集。

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：

连接学派模型预测步骤：获取所述每一人工智能连接学派模型的待预测的输入数据，将所述待预测的输入数据输入所述每一人工智能连接学派模型进行计算，得到的输出作为第一预测结果；

符号学派模型预测步骤：若所述待预测的输入数据所属的用户满足预设条件，则获取所述每一人工智能连接学派模型的待预测的输入数据，将所述待预测的输入数据输入所述每一人工智能连接学派模型对应的人工智能符号学派模型进行计算，得到的输出作为第二预测结果；

结果判断步骤：若所述待预测的输入数据所属的用户满足预设条件，则判断第一预测结果与第二预测结果的差异是否在预设可信范围内，若是，则将第一预测结果作为待预测的输入数据对应的预测结果；若否，则将第一预测结果和第二预测结果发送给老师，发信息提醒老师参考和复核，并接受老师复核或/和修改后的预测结果，将所述老师复核或/和修改后的预测结果作为待预测的输入数据对应的预测结果，同时将第一预测结果和第二预测结果以及所述每一人工智能连接学派模型和对应的人工智能符号学派模型发送给人工智能研发相关人员对所述每一人工智能连接学派模型和对应的人工智能符号学派模型进行复核，并接受人工智能研发相关人员复核或/和修改后的人工智能连接学派模型和对应的人工智能符号学派模型来替换原有的所述每一人工智能连接学派模型和对应的人工智能符号学派模型。

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：

符号学派模型获取步骤：获取与所述每一人工智能连接学派模型的输入项相同且输出项匹配的人工智能符号学派模型，作为与所述每一人工智能连接学派模型对应的人工智能符号学派模型；所述输出项匹配包括输出项类型相同但要求的精度存在不同，或人工智能连接学派模型的输出项代表具体数值但人工智能符号学派模型的输出项代表取值范围；或人工智能连接学派模型的输出项代表定量数据但人工智能符号学派模型的输出项代表定性数据。

4.一种人工智能系统，其特征在于，所述系统用于实现权利要求1‑3任意一项所述方法的步骤。

5.一种人工智能装置，其特征在于，所述装置用于实现权利要求1‑3任意一项所述方法的步骤。

6.一种机器人，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1‑3任意一项所述方法的步骤。

7.一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1‑3任意一项所述方法的步骤。