The development of AI (artificial intelligence) and AI tools has advanced rapidly and has affected teaching in many ways. For example, The Swedish National Agency for Education (Skolverket) now recommends teachers to not use written assignments for grading to ensure that the students have not used AI tools. The purpose of this study was to better understand teachers’ attitudes towards AI tools, their knowledge of them and their experiences of AI tools in relation to their subject specific education and exam methods. The research questions were striving to investigate teachers’ knowledge and use of AI tools in their professional practice, their attitudes towards AI tools, how they have adapted exams and assignments, and how the characteristics of the subjects that the teachers teach affects potential differences in attitudes and exam methods. Seven subject teachers teaching various subjects at the upper secondary and lower secondary levels were interviewed about their attitudes and experiences of AI tools in relation to their teaching through semi-structured interviews. The results showed that teachers generally had limited knowledge about AI tools, despite several of them having participated in professional development regarding AI at their workplaces. The teachers discussed their opinions and experiences regarding AI tools as a tool for cheating, their views on AI tools as a source of knowledge, how AI tools have or will affect schools and the society, how AI tools challenge the teaching role, and their views on using AI tools for assessing student assignments. The teachers also talked about how they have adapted, or not adapted, their exam methods to the development of AI tools and the new recommendations from Skolverket. The results from the interviews were analyzed using the theoretical framework TPACK to break down the teachers' knowledge of AI tools in relation to teaching. In the discussion, the results are compared with previous research, AI tools in relation to teaching are discussed, and suggestions for future research are given. / Utvecklingen av AI (artificiell intelligens) och AI-verktyg har gått snabbt framåt och påverkat skolan och undervisningen på flera sätt. Exempelvis rekommenderar Skolverket numera att lärare inte använder skriftliga inlämningsuppgifter som betygsunderlag för att säkerställa en rättssäker betygssättning. Syftet med denna undersökning var att få mer kunskap om lärares attityder till, kunskaper om och erfarenheter av AI-verktyg i relation till deras ämnesundervisning och betygsgrundande moment. Frågeställningarna var kopplade till att undersöka lärarnas kunskaper och användning av AI-verktyg i sin yrkesutövning, vilka attityder de har till AI-verktyg, hur de anpassat betygsgrundande moment och provtillfällen och hur lärares ämnestillhörighet påverkar eventuella skillnader i attityder och provmetoder. Till undersökningen intervjuades sju verksamma ämneslärare i olika ämnen på gymnasiet och högstadiet om deras attityder och erfarenheter av AI-verktyg i relation till deras undervisning genom semi-strukturerade intervjuer. Resultatet visade att lärarna hade låga kunskaper om AI-verktyg, trots att flera av dem fått tagit del av kompetensutveckling på arbetsplatsen. Lärarna berättade bland annat om deras åsikter och erfarenheter kring AI-verktyg som ett fuskverktyg, hur de ser på AI-verktyg som källa till kunskap, hur AI-verktyg har eller kommer påverka skolan och samhället, hur AI-verktyg utmanar lärarrollen och hur de ser på att använda AI-verktyg för att bedöma elevuppgifter. Lärarna berättade också om hur de anpassat, eller inte anpassat, sina provmetoder till utvecklingen av AI-verktyg och Skolverkets nya rekommendationer. Resultatet analyserades med det teoretiska ramverket TPACK för att bryta ner lärarnas kunskap om AI-verktyg i relation till undervisningen. I diskussionen jämförs resultatet med tidigare forskning, AI-verktyg i relation till undervisning diskuterad och förslag på framtida forskning ges.

Denna studie undersöker för- och nackdelarna med att implementera artificiell intelligens (AI)som ett verktyg inom en Security Operations Center (SOC). Syftet med studien är att undersökaom och hur AI-verktyg kan underlätta incidenthantering inom en SOC, samt vilka nyautmaningar som uppstår.Studien har genomförts genom kvalitativa intervjuer med fyra personer med expertkunskaperinom både AI och cybersäkerhet. Experterna utfrågades om deras syn på AI som ett verktyg, hurde ser på AI och cybersäkerhet, samt hur AI kan appliceras relaterat till de 4 stegen inom NISTincidenthantering; förberedelser, detektion & analys, Identifiera, utrotning & återhämtning samtpost-incident aktivitet.Resultaten visar på både fördelar och nackdelar med att använda AI-verktyg inom SOC inklusiveeffektivare konfigurering av SIEM, lägre antal falska positiva larm, lättad arbetsbörda förSOC-analytiker och hantering av "zero-day" incidenter. Nackdelar inkluderar lägre förklarbarhetav större AI-modeller, juridiska utmaningar och beroendet av bra indata. Slutligen visar studienatt användningen av AI som ett verktyg i SOC kan vara fördelaktigt och att mer forskningbehövs för att utforska specifika tekniker och verktyg.

Integrationen av artificiell intelligens (AI) i bioprocessapplikationer har framträtt som en transformerande metod inom bioteknik- och läkemedelsindustrin, och lovar betydande framsteg i effektivitet, verkan och hållbarhet. Genom att utnyttja avancerade algoritmer, såsom djupinlärning och förstärkningsinlärning, kan AI-system förutsäga och generera nya ligandstrukturer med hög affinitet för sina mål, såsom monoklonala antikroppar (mAbs) i detta projekt. Detta projekt syftar till att utvärdera potentialen hos AI-genererade affinitetsproteiner och validera de datorsimulerade förutsägelserna genom att undersöka bindningseffektiviteten och stabiliteten hos dessa ligander under verkliga förhållanden. Flera våtlabbstekniker användes för att uttrycka och rena de AI-designade proteinerna. Affinitetskromatografi var en teknik som användes för rening, följt av ytplasmonresonans (Biacore) för att studera interaktionen mellan de genererade affinitetsproteinerna och mAbs. Analyseresultat från SDS-PAGE och masspektrometri visade att de flesta proteiner kunde renas med hjälp av affinitetskromatografi. Emellertid visade karaktärisering med Biacore att de flesta proteiner inte interagerade med mAbs, förutom ett designat protein. Cirkulär dikroism (CD) spektrometri som användes för att visualisera sekundärstrukturen i proteiner visade att de flesta proteiner var veckade och bibehöll alfahelixar och betaflak jämfört med det vilda typen proteinet. Sammanfattningsvis ger denna forskning värdefulla insikter i utmaningarna vid utvärdering och karaktärisering av AI-genererade proteiner. Ytterligare forskningsinsatser bör fokusera på att förfina experimentella förhållanden och visualisera sekundärstrukturerna hos de genererade proteinerna för en djupare förståelse av deras stabilitetsproblem. / The integration of artificial intelligence (AI) into bioprocess applications has emerged as a transformative approach in the biotechnology and pharmaceutical industries, promising significant advancements in efficiency, efficacy, and sustainability. By leveraging advanced algorithms, such as deep learning and reinforcement learning, AI systems can predict and generate novel ligand structures with high affinity for their targets, such as monoclonal antibodies(mAbs) in this project. This project aims to evaluate the potential of AI-generated affinity protein ligands and validate the computational predictions by examining the binding efficiency and stability of these ligands in real-world conditions. Several wet lab techniques were employed to express and purify the AI-designed proteins. Affinity chromatography was one technique used for purification, followed by surface plasmon resonance (Biacore) to study the interaction between the generated affinity proteins and mAbs. Analysis results from SDS-PAGE and mass spectrometry showed that most proteins could be purified using affinity chromatography. However, characterization using Biacore revealed that most proteins did not interact with mAbs, except for one designed protein. Circular dichroism (CD) spectrometry used to visualize the secondary structure in proteins showed that most proteins were folded and retained alpha helices and beta sheets when compared to the wild type protein. In conclusion, this research provides valuable insights into the challenges in evaluating and characterizing AI-generated proteins. Further research efforts should focus on refining experimental conditions and visualizing the secondary structures of the generated proteins for a more in-depth understanding of their stability issues.

Utvecklare ställs inför ständigt mer komplexa problem och utmaningar som kräver innovativalösningar. Traditionellt har de använt kollegor, forum och dokumentation som resurser för attbolla idéer och utarbeta lösningar. Med de senaste framstegen inom artificiell intelligens (AI)har nya möjligheter öppnats upp. AI har potentialen att fungera inte bara som ensamtalspartner utan också som en kritiker och problemlösare i utvecklarens arbetsflöde.Denna studie utforskar interaktionen mellan utvecklare och ChatGPT i deras dagliga arbetemed ett särskilt fokus på hur ChatGPT kan användas som ett bollplank. Genom en kvalitativforskningsmetod, baserad på djupgående semistrukturerade intervjuer med nio utvecklare,undersöker studien hur dessa utvecklare integrerar ChatGPT i sina arbetsflöden och vilkaverktyg och metoder de använder för att underlätta denna interaktion. Analysen belyser ocksåChatGPT bidrag till problemlösning och beslutsfattande samt de tekniska och organisatoriskautmaningar som utvecklarna möter.Resultaten visar att ChatGPT är ett värdefullt verktyg för att förbättra kodkvaliteten, skapatemplates och boilerplate-kod samt för att effektivisera dokumentation ochöversättningsprocesser. Dock identifierades begränsningar såsom långsam respons, behovetav specifika formuleringar och svårigheter med att hantera komplexa eller nischade problem.Studien konkluderar att trots dessa utmaningar har ChatGPT en betydande potential attfungera som en konstruktiv partner i utvecklares dagliga arbete, vilket kan leda till ökadeffektivitet och förbättrad kvalitet i mjukvaruutvecklingsprocessen.