1.一种人工智能方法，其特征在于，所述方法包括：目标传染病确定步骤：将待预测的传染病作为目标传染病；

目标传染病信息获取步骤：获取目标传染病的信息；

相似模型获取步骤：从已有传染病的已训练的深度学习模型库中搜索出与目标传染病的信息相似的已有传染病的较优的已训练的深度学习模型，作为已有传染病的相似深度学习第一模型；

目标模型初始化步骤：将已有传染病的所述相似深度学习模型作为目标传染病深度学习第一模型；

预测步骤：将目标传染病的数据和预期结果作为输入和预期输出对目标传染病深度学习第一模型进行训练；在使用时，将将目标传染病的数据输入目标传染病深度学习第一模型，计算得到的输出作为目标传染病的预测结果；

第一模型入库步骤：对目标传染病深度学习第一模型进行测试，若目标传染病深度学习第一模型的效果达到预期效果，则将目标传染病的信息和目标传染病深度学习第一模型建立关联关系后加入到已有传染病的已训练的深度学习模型库。

2.根据权利要求1所述的人工智能方法，其特征在于，所述已有传染病的已训练的深度学习模型库包括已有传染病的信息、已有传染病的已训练的深度学习模型、已有传染病的已训练的深度学习模型的预测效果、已有传染病的信息与已有传染病的已训练的深度学习模型的关联关系；所述预测效果包括预测准确率。

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：多相似模型获取步骤：从已有传染病的已训练的深度学习模型库中搜索出与目标传染病的信息相似的每一已有传染病的已训练的深度学习模型，获取目标传染病的信息与所述每一已有传染病的信息的相似度P，获取所述每一已有传染病的已训练的深度学习模型的效果Q，根据P、Q计算出所述每一已有传染病的已训练的深度学习模型的优选度R，R＝f(P，Q)，其中f为函数，f函数中若P越大则R越大，若Q越大则R越大，对R从大到小进行排序，选择排序靠前的K个所述每一已有传染病的已训练的深度学习模型作为已有传染病的相似深度学习模型；

多目标模型初始化步骤：将每一已有传染病的所述相似深度学习模型作为目标传染病深度学习第二模型；

多预测步骤：将目标传染病的数据和预期结果作为输入和预期输出对每一目标传染病深度学习第二模型进行训练；在使用时，将将目标传染病的数据输入所述每一目标传染病深度学习第二模型，计算得到的输出作为目标传染病的预测结果；

第二模型入库步骤：对每一目标传染病深度学习第二模型进行测试，获取所述每一目标传染病深度学习第二模型的效果，获取所述效果最好的所述每一目标传染病深度学习第二模型，将目标传染病的信息、所述效果最好的所述每一目标传染病深度学习第二模型、效果建立关联关系后加入到已有传染病的已训练的深度学习模型库。

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：第三模型初始化步骤：初始化深度学习模型，作为目标传染病深度学习第三模型；

相似度排序步骤：从已有传染病的大数据中搜索出与目标传染病的信息相似的已有传染病的数据和预期结果；根据相似度从低到高，对每一已有传染病进行排序；

第三模型构建步骤：将相似度从低到高的每一已有传染病的数据和预期结果作为输入和预期输出对目标传染病深度学习第三模型，对目标传染病深度学习第三模型进行训练；

然后将目标传染病的数据和预期结果作为输入和预期输出对目标传染病深度学习第三模型进行训练；在使用时，将将目标传染病的数据输入所述目标传染病深度学习第三模型，计算得到的输出作为目标传染病的预测结果；

第三模型入库步骤：对目标传染病深度学习第三模型进行测试，若目标传染病深度学习第三模型的效果达到预期效果，则将目标传染病的信息和目标传染病深度学习第三模型及其效果建立关联关系后加入到已有传染病的已训练的深度学习模型库。

5.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：第四模型初始化步骤：从已有传染病的已训练的深度学习模型库中搜索出与目标传染病的信息相似的已有传染病的较优的已训练的深度学习模型，作为目标传染病深度学习第四模型；

第五模型构建步骤：将目标传染病的多源数据的每一组合和预期结果作为输入和预期输出对目标传染病深度学习第四模型进行训练，得到目标传染病的多源数据的每一组合对应的目标传染病深度学习第四模型；对目标传染病的多源数据的每一组合对应的目标传染病深度学习第四模型进行测试，得到目标传染病的多源数据的所述每一组合对应的目标传染病深度学习第四模型的效果，选取效果最好的目标传染病的多源数据的所述每一组合对应的目标传染病深度学习第四模型，作为目标传染病深度学习第五模型，将效果最好的目标传染病的多源数据的所述每一组合作为目标传染病的多源数据的最优组合；

第五模型使用步骤：在使用时，将目标传染病的多源数据的最优组合的数据输入目标传染病深度学习第五模型，计算得到的输出作为目标传染病的预测结果；

第五模型入库步骤：对目标传染病深度学习第五模型进行测试，若目标传染病深度学习第五模型的效果达到预期效果，则将目标传染病的信息和目标传染病深度学习第五模型及其效果建立关联关系后加入到已有传染病的已训练的深度学习模型库。

6.根据权利要求1至5所述的人工智能方法，其特征在于，所述方法还包括：最优模型入库步骤：对目标传染病深度学习第一模型、目标传染病深度学习第二模型、目标传染病深度学习第三模型进行测试、目标传染病深度学习第五模型进行测试，分别得到目标传染病深度学习第一模型、目标传染病深度学习第二模型、目标传染病深度学习第三模型的效果、目标传染病深度学习第五模型进行测试，从所述四个模型中选取效果最好的模型作为目标传染病深度学习最优模型，则将目标传染病的信息和目标传染病深度学习最优模型及其效果建立关联关系后加入到已有传染病的已训练的深度学习模型库。

7.一种人工智能系统，其特征在于，所述系统包括：目标传染病确定模块：将待预测的传染病作为目标传染病；

目标传染病信息获取模块：获取目标传染病的信息；

相似模型获取模块：从已有传染病的已训练的深度学习模型库中搜索出与目标传染病的信息相似的已有传染病的较优的已训练的深度学习模型，作为已有传染病的相似深度学习第一模型；

目标模型初始化模块：将已有传染病的所述相似深度学习模型作为目标传染病深度学习第一模型；

预测模块：将目标传染病的数据和预期结果作为输入和预期输出对目标传染病深度学习第一模型进行训练；在使用时，将将目标传染病的数据输入目标传染病深度学习第一模型，计算得到的输出作为目标传染病的预测结果；

第一模型入库模块：对目标传染病深度学习第一模型进行测试，若目标传染病深度学习第一模型的效果达到预期效果，则将目标传染病的信息和目标传染病深度学习第一模型建立关联关系后加入到已有传染病的已训练的深度学习模型库。

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。