Artificiell intelligens (AI) är en stor del i dagens datorspel. För att få inblick i komplexiteten runt AI i spelutveckling och för att förstå delar som AI består av har detta projekt genomförts. Målet var att skapa en AI-motor från grunden med bra grundplattform som är enkel att bygga vidare på. Innan projektet startade utfördes en förundersökning där olika alternativ för kartrepresentationer och grafsökningsalgoritmer togs fram. Utvecklingen av AI-motorn har haft ett starkt beroende till projektet där en spelmotor utvecklats av Niklas Ekman och Christian Mesch. Detta projekt har utförts enligt den agila systemutvecklingsmetoden Scrum. Ett versionshanteringssystem har använts för att enkelt kunna dela källkod mellan projekten. AI-motorn har utvecklats i C++ och för operativsystemen Ubuntu och OSX. AI-motorn består av fyra huvuddelar; logik, navigering, kommunikation och AI-objekt. Logiken är hjärnan i AI-motorn, navigeringen använder sig av navmesh som kartrepresentation och A*-algoritmen är den grafsökningsalgoritm som har valts. Kommunikation sker mellan AI-motorn och spelmotorn för att kunna dela på funktionalitet. AI-objekten är främst informationsklasser som t.ex. håller reda på antalet registrerade datorstyrda spelare. Valet av metod för kartrepresentation avgjordes av att navmesh enkelt kunde genereras automatiskt med hjälp av verktyg vilket var svårare för de andra alternativen. A* valdes som grafsökningsalgoritm eftersom den gav en korrekt väg med minst antal beräkningar. AI-motorn uppfyller de krav som ställdes innan utvecklingen påbörjades och är en bra grund för att lätt kunna utöka motorn med mer avancerad funktionalitet, men det finns så klart förbättringar som kan göras.

NEAT är en neuroevolutionsteknik som kan användas för att träna upp AI-kontrollerade robotar utan att behöva tillföra någon mänsklig expertis eller tidigare kunskap till systemet. Detta arbete undersöker hur väl denna teknik fungerar tillsammans med samevolution för att utveckla robotar i en tävlingsmiljö, med fokus på att testa tekniken på flera olika nivåer med varierande mängd komplexitet i form av väggar och hinder. Tekniken utvärderas genom att låta robotarna tävla mot varandra, deras kompetens mäts sedan från resultaten av dessa tävlingar. Exempelvis deras förmåga att vinna matcher. Resultaten visar att tekniken fungerade bra på nivån med låg komplexitet, men att robotarna har vissa svårigheter att lära sig kompetenta strategier på nivåerna med högre komplexitet. Tekniken har dock potential för flera olika varianter och förbättringar som potentiellt kan förbättra resultatet även på de mer komplexa nivåerna.

This study examines the impact of Artificial Intelligence on the Labour Market within the next decade. Methods and limitations in the technology and their correlation to work, as well as the possible developments likely to be seen in the coming decade, is presented. It also looks at whether Artificial General Intelligence (a system that meet human performance in all fields) could be invented in the next ten years. So far, methods like machine-, deep- and reinforcement learning has resulted in systems that sometimes exceed human performance but are narrow in skill and proficiency. Meaning that AGI is very unlikely to be achieved before 2030. AI is estimated to replace work in the production-, service-, care- and welfare-, transport-, and warehouse sector. The conclusion, however, is that transformation will happen in a pace such that society will be able manage it without the changes causing mass-unemployment.

Syftet med studien är att undersöka hur AI kan användas som verktyg inommusikproduktion. De tre program som valdes ut för undersökningen var: AIVA, GoogleAI och Jukebox. För att genomföra undersökningen har deskriptiv fallstudie valts sommetod med komplettering av autoetnografi och designforskning. Resultatet visade påhur de olika programmen kunde användas i olika områden av musikproduktion. AIVAkan användas för att komplettera och/eller återskapa mänsklig kreativitet. Jukebox somär en generativ modell kan användas för att emulera ljudfiler till att imitera olika låtareller andra kompositörers stilar. Google AI består av flera AI program bland annatScribe och Magneta Studios ingår. Där Scribe kan användas för att transkriberapianoljudfiler till MIDI och Magenta Studios kan användas som fristående programeller som plugins i en DAW och med MIDI eller ljudfiler kan programmet utökakreativiteten, ge nya idéer eller bara för experimentera med AI. AI i musikproduktionkan användas som ett effektivt hjälpmedel för att skapa, hitta eller utöka kreativitet.Studien bidrar till att ge ytterligare kunskap om hur AI kan användas som ett kreativtverktyg i musikproduktion genom forskaren själv använder programmen och på ettdetaljerat sätt förklarar processen från början till slut och tar upp exempel på hurprogrammen kan användas i musikproduktion.

Human gait analysis is an essential indicator for physical and neuroglial health of an individual. Recent developments in deep-learning approaches to computer vision make possible new techniques for body segment and joint detection from photos and video frames. In this thesis, we propose a deep learning approach for non-invasive video-based gait analysis using two RGB cameras that would be suitable for routine gait monitoring in senior care and rehabilitation centers. Due to modularity and the low cost of implementation, it is considered an affordable solution for such centers. Furthermore, since the solution does not require any markers or sensors to be worn, it is a pervasive and easy method for daily usage. Our proposed deep-learning approach starts by calibrating both the intrinsic and extrinsic parameters of the cameras. Next, video streams captured from two RGB cameras are used as input, and OpenPose and HyperPose deep-learning frameworks are used to localize the main body key points, including the joints and skeleton based on Body 25 and COCO models, respectively. The 2D parameter outputs from the frameworks are triangulated into 3D vector spaces for further analysis. In order to reduce the noises in our data, we applied median and dual pass butter worth filters to the data. Finally gait parameters has been extracted measured and compared to the manually evaluated ground truth data which has been capture via manual measurement of a domain expert. The approach was evaluated in a laboratory setting similar to an institutional hallway in five types of trials: walking back and forth in a straight line while turning out of frame, walking back and forth in a straight line while turning in frame, circular walking, walking with a cane and a walker. The method brings promising results compared to more expensive and restrictive approaches that use up to 16 cameras and require markers or sensors.

To exist is to relate. As human, you are relating to other beings, animate and inanimate entities, physical objects and abstract ideas. A kind of relationship that affects our life and wellbeing in a most concrete sense is that between humans. Modern technology has made it possible to create artificial intelligence (AI) that has become increasingly integrated in our everyday life. AI can be distinguished between weak or strong, that is whether the AI appears to have human mental capacities or in fact has these capacities. The aim of this thesis is to determine whether AI and humans can be friends, based on the condition of them having equal moral status, as well as the concept of friendship as defined by LaFollette. According to LaFollette, a friendship is defined as a relationship that is voluntary, reciprocal and where you relate to each other as unique individuals.   If considering life as essential for moral status, true friendship is not possible between a human and an AI, weak or strong. Other criteria for moral status are the capacity of feeling pleasure and pain, being conscious and having a mind. Although weak AI would behave as if it has human mental capacities, it cannot have the same moral status as humans, and consequently cannot be involved in a genuine friendship in this framework. On the other hand, a strong AI would have equal moral status as a human, and a relationship with such an AI would have all the essential properties required for a friendship as defined by LaFollette. However, from a subjective point of view, it is possible to create unidirectional emotions towards an AI regardless of it having a mind or not.

I denna kandidatuppsats undersöks och utvärderas maskininlärningsmetoder för bedrägeridetektering inom kreditkortsbedrägerier med syfte att identifiera problemområden och ange förbättringar. Trots utvecklingen och framfarten av artificiell intelligens (AI), finns det fortfarande problem med att framgångsrikt klassificera kreditkortsbedrägerier. I arbetet utförs en litteraturstudie för att identifiera aktuella maskininlärningsmetoder och utmaningar. Därefter görs ett experiment för att utvärdera dessa metoder och föreslå förbättringar. Resultatmässigt kan man se att de aktuella maskininlärningsmetoderna är en blandning av nyare och äldre metoder som Deep Neural Networks, Logistisk Regression, Naive Bayes, Random Forest, Decision Tree och Multi-Layer Perceptron. Dessa utvärderas oftast med prestationsmått som Accuracy score, F1-Score, Confusion Matrix och Area Under the Curve (AUC). Dagens bedrägeridetektering står främst inför klassificeringsproblem på grund av komplexa, föränderliga och manipulerad data. Genom att utvärdera bedrägeridetektorn med XAI-modeller som SHAP, kan problemområdet vid felklassificering lokaliseras och åtgärdas enklare.

Denna rapport har sin utgångspunkt på skapandet av en maskininlärningsalgoritm för att kunna klassificera ett fysiskt fall av en person. En DC Kapacitiv MEMS-accelerometer (BMA250) kombinerat med en Tinyduino Processor (Atmega328P) används för datainsamling. Programmering av processorn och maskininlärningsalgoritmen skrivs i C++ och ANN (Artificiell Neuralt Nätverk) används för att klassificera det fysiska fallet. ANN kan approximera ett värde som tyder på ett falskt fall efter 10 000 träningssekvenser inom 5% av ett teoretiskt värde som tyder på ett resultat med 100% säkerhet och 0,0005% felmarginal. Ett teoretiskt värde som tyder på ett faktiskt fall kan klassificeras efter 5000 träningssekvenser inom 5% av det eftersökta värdet med 100% säkerhet och 0,0045% felmarginal.

Abstract The following research conceptualizes the applicability of AI in search engine marketing. Following a rigorous investigation on professionals’ opinions, the investigation regards their perceptual understanding of the applicable AI practices and the required level of interrelated knowledge to technical applicability for a more successful marketing strategy. Purpose Digitalization has changed many industrial sectors towards becoming technologically dependent. These technological advancements are somewhat visible by professionals and applicable in their industry. The thesis examines AI’s applicability in search engine marketing and the understanding of professionals in its handling. Based on research that identifies marketers’ misperceptions of AI to be ineffective in marketing, and other research that finds technical knowledge in AI as connected to successful marketing management. This investigation intends to examine marketers’ expectations from AI, and compare that to what AI professionals think that should be expected. Thus, with the knowledge acquired through the interviews and theory review, this research intends to summarize marketers’ expectations from AI in search engine marketing, and the AI knowledge that should be expected from a marketer. Method The research methods are qualitative, applying practices such as online interviews with open-end questions and template analysis to classify the data collection. On the first level, this research distinguished between marketers’ expectations from AI and current AI capabilities. In advance, focus on Google AI in search engine marketing, to investigate a specific search engine. Finally, establishing an expectancy of marketers’ knowledge in AI, relational to search engine marketing. Findings While technical understanding in AI infrastructures may increase problem-solving capabilities in search engine marketing, technical proficiency in AI is not among the primary contributors for successful marketing. The research findings show a different result from the expected outcome on knowledge requirements. And while marketers hold high expectations from the automation of search engine marketing, however, they are certain of the irreplaceable human contribution in creating abstract and strategic development. Keywords Artificial Intelligence (AI), Search engine marketing (SEM), Knowledge management / <p>Due to the pandemic, the thesis work was presented online via zoom meetings by all students. </p>

No description available.