1.一种人工智能方法，其特征在于，所述方法包括：课程知识图谱建立步骤：建立课程知识图谱；

学习知识图谱建立步骤：复制课程的知识图谱作为学习知识图谱；获取学生在线学习的资料或/和通过摄像头获取学生离线学习的资料，然后将该资料输入资料知识点预测模型，计算得到的输出作为学生自主学习的知识点；判断学习知识图谱中每个节点是否属于学生已经学习过的知识点，若是，则在该节点的属性中增加“学生已经学习过的知识点”，否则增加“学生尚未学习过的知识点”；

偏食挑食程度计算步骤：计算学习知识图谱中每一级中属性为“学生已经学习过的知识点”的每两个节点之间的相似相关度的均值，得到每一级的已学知识相似相关度均值，计算所有级的已学知识相似相关度均值的均值，作为第一均值；计算学习知识图谱中每一级中每两个节点之间的相似相关度的均值，得到每一级的知识相似相关度均值，计算所有级的知识相似相关度均值的均值，作为第二均值；将第一均值除以第二均值得到所述学习知识图谱的偏食挑食程度；

克服“偏食挑食”治疗步骤：获取预设的至少一个级别及每一级别的属性包括“学生尚未学习过的知识点”的节点数量，或获取预设的至少一个级别及属性包括“学生尚未学习过的知识点”的节点数量，或获取预设的属性包括“学生尚未学习过的知识点”的节点数量，或获取与学习知识图谱相关的条件，作为预设条件；根据预设条件从学习知识图谱中选择节点集合，得到符合预设条件的每一节点集合，复制学习知识图谱为临时学习知识图谱；将临时学习知识图谱中属于每一节点集合中的节点的属性包括的“学生尚未学习过的知识点”更改为“学生已经学习过的知识点”，计算所述临时学习知识图谱的偏食挑食程度；选出偏食挑食程度最小的所述临时学习知识图谱对应的所述每一节点集合中节点所对应的知识点集合，作为可以克服“偏食挑食”的知识点集合，将该知识点集合推荐给相关的老师和学生。

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：知识点相似相关度预测模型构建步骤：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知识点相似相关度预测模型；将训练和测试样本中每一有共同父节点的两个知识点和该两个知识点的相似相关度作为知识点相似相关度预测模型的输入和预期输出，对知识点相似相关度预测模型进行训练和测试；

知识点相似相关度预测模型使用步骤：将待预测的有共同父节点的两个知识点作为知识点相似相关度预测模型的输入进行计算，得到的输出作为该两个知识点的相似相关度。

3.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：偏食挑食的预警步骤：当某一学生的学习知识图谱的偏食挑食程度超过预警阈值时，向该一学生的老师和该一学生发送偏食挑食的预警；将某一课堂中每一学生的学习知识图谱的偏食挑食程度的均值超过预警阈值时，向该一课堂的老师发送偏食挑食的预警；将某一课程中每一学生的学习知识图谱的偏食挑食程度的均值超过预警阈值时，向该一课程的老师发送偏食挑食的预警；

偏食挑食预警后的提醒步骤：提醒相关老师根据克服“偏食挑食”治疗步骤推荐的知识点来进行辅导，提醒学生根据克服“偏食挑食”治疗步骤推荐的知识点来进行复习；

偏食挑食预警后的推荐步骤：从搜索引擎中以克服“偏食挑食”治疗步骤推荐的知识点作为关键词搜索，得到学习资料推荐给相关的老师和学生；从资料大数据中根据资料的知识点标签进行搜索克服“偏食挑食”治疗步骤推荐的知识点，得到克服“偏食挑食”治疗步骤推荐的知识点对应的资料，推荐给相关的老师和学生。

4.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：资料知识点预测模型构建步骤：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资料知识点预测模型；将训练和测试样本中每一学习资料和该每一学习资料对应的知识点作为资料知识点预测模型的输入和预期输出，对资料知识点预测模型进行训练和测试；

资料知识点预测模型使用步骤：将待预测的学习资料作为资料知识点预测模型的输入进行计算，得到的输出作为该学习资料对应的知识点；

资料大数据打标签步骤：将资料大数据中每一资料输入资料知识点预测模型进行计算，得到的输出作为所述每一资料的知识点标签；

试题知识点预测模型构建步骤：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试题知识点预测模型；将训练和测试样本中每一试题和该每一试题料对应的知识点作为试题知识点预测模型的输入和预期输出，对试题知识点预测模型进行训练和测试；

试题预测模型使用步骤：将待预测的试题作为试题知识点预测模型的输入进行计算，得到的输出作为该试题对应的知识点。

5.根据权利要求4所述的人工智能方法，其特征在于，所述方法还包括：平时克服偏食挑食推荐步骤：获取学生最近一次学习的资料，输入资料知识点预测模型计算得到的输出作为最近一次学习的知识点，从学习知识图谱中查询出与最近一次学习的知识点相似度最大的知识点、相似度第N大的知识点、相似度最最小的知识点、最近一次学习的知识点对应节点的父节点对应的知识点中至少2个知识点，通过搜索引擎或资料大数据检索出与所述各查询出的知识点都对应的资料推荐给学生，若获取失败，则搜索引擎或资料大数据分别检索出与所述各查询出的知识点对应的资料推荐给学生。

6.根据权利要求4所述的人工智能方法，其特征在于，所述方法还包括：测验克服偏食挑食推荐步骤：获取学生最近一次出错的试题，输入试题知识点预测模型计算得到的输出作为最近一次出错的知识点，从学习知识图谱中查询出与最近一次出错的知识点相似度最大的知识点、相似度第N大的知识点、相似度最最小的知识点、最近一次出错的知识点对应节点的父节点对应的知识点中至少2个知识点，通过搜索引擎或资料大数据检索出与所述各查询出的知识点都对应的资料推荐给学生，若获取失败，则搜索引擎或资料大数据分别检索出与所述各查询出的知识点对应的资料推荐给学生。

7.一种人工智能系统，其特征在于，所述系统用于实现权利要求1‑6任意一项所述方法的步骤。

8.一种人工智能装置，其特征在于，所述装置用于实现权利要求1‑6任意一项所述方法的步骤。

9.一种机器人，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1‑6任意一项所述方法的步骤。

10.一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1‑6任意一项所述方法的步骤。