1.一种人工智能方法，其特征在于，所述方法包括：

输入获取步骤：获取事件场景，作为第一事件场景；获取人工智能伦理规则，作为第一人工智能伦理规则；获取至少一个人工智能装置的信息，将所述人工智能装置，作为第一人工智能装置；

规则库构建步骤：获取所述第一人工智能伦理规则的次序、前件、后件、后件的属性加入人工智能伦理规则库的规则表；其中，后件的属性包括中间结论、最终结论；

综合数据库构建步骤：获取所述第一人工智能伦理规则的前件中的事实，将所述事实加入人工智能伦理综合数据库的前件数据表，并加入人工智能伦理综合数据库的事实判断数据表；获取所述第一人工智能伦理规则的属性为中间结论的后件中的事实，将所述事实加入人工智能伦理综合数据库的中间结论后件数据表，并加入人工智能伦理综合数据库的事实判断数据表；获取所述第一人工智能伦理规则的属性为最终结论的后件中的事实，将所述事实加入人工智能伦理综合数据库的最终结论后件数据表，并加入人工智能伦理综合数据库的事实判断数据表；将人工智能伦理综合数据库的事实判断数据表中每一事实的初始值设置为假；

事实识别步骤：识别所述第一事件场景是否存在人工智能伦理综合数据库的前件数据表中的每一事实；若存在，则将人工智能伦理综合数据库的事实判断数据表中所述每一事实的真假值设置为真；若不存在，则将人工智能伦理综合数据库的事实判断数据表中所述每一事实的真假值设置为假；

规则推理步骤：从所述人工智能伦理规则库中按照次序获取每一人工智能伦理规则；

获取所述每一人工智能伦理规则的前件；获取所述前件中的每一事实在人工智能伦理综合数据库的事实判断数据表中的真假值；将所述前件中的每一事实的真假值代入所述前件中的每一事实，计算得到所述前件的真假值；若所述前件为真，则获取所述每一人工智能伦理规则的后件；获取所述每一人工智能伦理规则的后件中的每一事实，将人工智能伦理综合数据库的事实判断数据表中所述后件中的每一事实的真假值设置为真；若所述前件为真，且若所述后件属于中间结论，则在所述第一事件场景中执行所述后件，得到所述后件中的待判断真假的事实的真假值，作为第一真假值，将人工智能伦理综合数据库的事实判断数据表中所述待判断真假的事实的真假值设置为所述第一真假值；

结论执行步骤：人工智能伦理综合数据库的事实判断数据表中获取人工智能伦理综合数据库的最终结论后件数据表中每一事实的真假值；获取真假值为真的所述每一事实；在所述第一事件场景中执行所述每一事实。

2.根据权利要求1所述的人工智能方法，其特征在于，所述事实识别步骤中的所述识别所述第一事件场景是否存在人工智能伦理综合数据库的前件数据表中的每一事实的步骤包括：第一训练和测试步骤：获取训练数据集和测试数据集，将事件场景作为深度学习模型的输入，将所述事件场景中存在所述每一事实的概率作为深度学习模型的预期输出，对深度学习模型进行训练和测试，得到的训练和测试后的深度学习模型作为事件场景识别深度学习模型；

第一使用步骤：将所述第一事件场景输入所述事件场景识别深度学习模型的，计算得到的输出作为所述第一事件场景存在所述每一事实的概率；

第一判断步骤：若所述概率大于第一预设阈值，则判断所述第一事件场景存在所述每一事实,否则判断所述第一事件场景不存在所述每一事实。

3.根据权利要求1所述的人工智能方法，其特征在于，所述规则推理步骤中的在所述第一事件场景中执行所述后件，得到所述后件中的待判断真假的事实的真假值的步骤包括：事实获取步骤：从所述后件中提取待预测执行结果的事实、待判断真假的事实；

第二训练和测试步骤：获取训练数据集和测试数据集，将事件场景作为深度学习模型的输入，将在所述事件场景中待预测执行结果的事实的执行结果为待判断真假的事实的概率作为深度学习模型的预期输出，对深度学习模型进行训练和测试，得到的训练和测试后的深度学习模型作为事件场景预测深度学习模型；

第二使用步骤：获取所述第一事件场景作为所述事件场景预测深度学习模型的输入，计算得到的输出作为在所述第一事件场景中待预测执行结果的事实的执行结果为待判断真假的事实的概率；

第二判断步骤：若所述概率大于第二预设阈值，则判断所述待判断真假的事实的真假值为真,否则判断所述待判断真假的事实的真假值为假。

4.根据权利要求1所述的人工智能方法，其特征在于，所述结论执行步骤中的在所述第一事件场景中执行所述每一事实的步骤包括：第三训练和测试步骤：获取训练数据集和测试数据集，将事件场景作为深度学习模型的输入，将人工智能装置在所述事件场景中需要执行所述每一事实时需要执行的指令作为深度学习模型的预期输出，对深度学习模型进行训练和测试，得到训练和测试后的深度学习模型作为行为指令深度学习模型；

第三使用步骤：将所述第一事件场景输入行为指令深度学习模型，计算得到的输出作为人工智能装置在所述第一事件场景中需要执行所述每一事实时需要执行的指令；

第一指令执行步骤：控制或调用所述第一人工智能装置执行所述需要执行的指令。

5.根据权利要求1所述的人工智能方法，其特征在于，所述结论执行步骤中的在所述第一事件场景中执行所述每一事实的步骤包括：第四训练和测试步骤：获取训练数据集和测试数据集，将事件场景、人工智能装置的信息、人工智能装置在所述事件场景中的位置作为深度学习模型的输入，将人工智能装置在事件场景中需要执行所述每一事实时需要执行的指令作为深度学习模型的预期输出，对深度学习模型进行训练和测试，得到训练和测试后的深度学习模型作为行为指令深度学习模型；

第四使用步骤：将所述第一事件场景、所述第一人工智能装置的信息、所述第一人工智能装置在所述第一事件场景中的位置输入所述行为指令深度学习模型，计算得到的输出作为所述第一人工智能装置在所述第一事件场景中需要执行所述每一事实时需要执行的指令；

第二指令执行步骤：控制或调用所述第一人工智能装置执行所述需要执行的指令。

6.一种人工智能装置，其特征在于，所述装置包括：

所述人工智能装置为权利要求1所述方法中的第一人工智能装置；

输入获取模块，用于执行权利要求1所述方法的输入获取步骤；

规则库构建模块，用于执行权利要求1所述方法的规则库构建步骤；

综合数据库构建模块，用于执行权利要求1所述方法的综合数据库构建步骤；

事实识别模块，用于执行权利要求1所述方法的事实识别步骤；

规则推理模块，用于执行权利要求1所述方法的规则推理步骤；

结论执行模块，用于执行权利要求1所述方法的结论执行步骤。

7.根据权利要求6所述的人工智能装置，其特征在于，

所述事实识别模块还包括：

第一训练和测试模块，用于执行权利要求2所述方法的第一训练和测试步骤；

第一使用模块，用于执行权利要求2所述方法的第一使用步骤；

第一判断模块，用于执行权利要求2所述方法的第一判断步骤；

所述规则推理模块还包括：

事实获取模块，用于执行权利要求3所述方法的事实获取步骤；

第二训练和测试模块，用于执行权利要求3所述方法的第二训练和测试步骤；

第二使用模块，用于执行权利要求3所述方法的第二使用步骤；

第二判断模块，用于执行权利要求3所述方法的第二判断步骤。

8.根据权利要求6所述的人工智能装置，其特征在于，所述结论执行模块还包括：第三训练和测试模块，用于执行权利要求4所述方法的第三训练和测试步骤；

第三使用模块，用于执行权利要求4所述方法的第三使用步骤；

第一指令执行模块，用于执行权利要求4所述方法的第一指令执行步骤。

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，所述机器人为所述权利要求1中的所述第一人工智能装置；所述处理器执行所述程序时实现权利要求1-5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1-5任意一项所述方法的步骤。