I en tid då AI-språkmodeller används alltmer i vår vardag, blir det relevant att undersöka hur det påverkar samhället. Denna studie undersöker, utifrån teorier om etik och jämställdhet, hur AI-språkmodeller i sina texter ger uttryck för mångfald, icke-diskriminering och rättvisa. Studien fokuserar på att identifiera och analysera förekomsten av könsbias i AI-språkmodellernas svar samt hur det påverkar människors förtroende för dessa system. En fallstudie genomfördes på tre AI-språkmodeller - ChatGPT 3.5, Gemini och Llama-2 70B, där data insamlades via intervjuer med dessa modeller. Därefter gjordes intervjuer med mänskliga informanter som reflekterade över AI-språkmodellernas svar. AI-språkmodellerna visade en obalans i hur de behandlar kvinnor och män vilket kan förstärka befintliga könsstereotyper. Detta kan påverka människors förtroende för AI-språkmodeller och informanterna lyfte problematiken om vad neutralitet och rättvisa innebär. För att skapa mer ansvarsfulla och rättvisa AI-system krävs medvetna insatser för att integrera etiska och jämställdhetsperspektiv i AI-utveckling och användning. / In a time when Large Language Models (LLMs) are increasingly used in our daily lives, it becomes important to investigate how this affects society. This study examines how LLMs express diversity, non-discrimination, and fairness in texts, based on theories of ethics and gender equality. The study focuses on identifying and analyzing the presence of gender bias in the responses of LLMs and how this impacts people's trust in these systems. A case study was conducted on three LLMs: ChatGPT 3.5, Gemini, and Llama-2 70B, where data was collected through interviews with them. Subsequently, interviews were conducted with human informants who reflected on the LLMs’ responses. The LLMs showed imbalance towards gender, potentially reinforcing existing gender stereotypes. This can affect people's trust in LLMs, and the informants highlighted the issue of what neutrality and fairness entail. To create more responsible and fair AI systems, conscious efforts are required to integrate ethical and equality perspectives into AI development and usage.

Företags framtid ligger i dess egna händer; beroende på hur väl de anpassar sig till nya förutsättningar i alla dess former så kommer vissa att överleva medan andra går i graven. Under flera hundra år har utvecklingen inom industrin medfört att företag kommit och gått. Idag står vi enligt flera inför randen till en ny teknisk era med en fjärde industriell revolution som följd, Industri 4.0. Vi har en evolution mot en mer automatiserad tillverkningsindustri där allt fler moment sker utan en människas händer bakom spakarna. Industri 4.0 ses av många som en vision om hur framtiden kommer att se ut inom tillverkningsindustrin. Många av de idéer samt teknik som finns inom denna vision går att ta del av redan idag och möjligheterna till att förbereda sig för framtiden finns redan och det gäller att så snabbt som möjligt börja ställa om för detta. I takt med att industrin och dess konkurrens förändras kommer kraven på kvalité öka samtidigt som tillverkningen måste blir mer resurseffektiv. Området är mycket viktigt att belysa då det är ett nytt område där det tidigare inte skett mycket forskning. Att belysa detta område kan även komma att inspirera andra till ytterligare studier inom området och främja utvecklingen för fler företag än endast fallföretaget i denna studie: HordaGruppen. Syftet med studien har varit att inledningsvis få en förståelse för vilka tankar och idéer om framtiden som finns inom industrin idag för att senare kunna testa lösningar baserade på dessa idéer på några befintliga problem inom HordaGruppen, vars verksamhet finns inom plastindustrin. Lösningarna kan ses som de första stegen mot Industri 4.0 för att underlätta för företaget ifråga inför en framtida utveckling och ger även företaget möjlighet att börja samla in data kring processen, vilket i framtiden ger företag som HordaGruppen en fördel gentemot konkurrenter som påbörjar sin omställning senare. Utgångspunkten för studien har varit en kvalitativ studie med aktionsforskning och fallstudie som angreppsätt. Fallstudien har utförts genom en intervju med John Lejon, affärsutvecklare på HordaGruppen och en öppen diskussion med produktionsledare Valdet Berisha angående maskinen som är fokuserad på. Data till studien har erhållits genom artiklar skrivna inom området samt en intervju med grundaren till ett stort statligt projekt i Tyskland, Philipp Ramin, där de startat ett innovationscentrum för Industri 4.0. Resultatet i rapporten är att med hjälp av dagens teknik går det att ta de första stegen mot visionen Industri 4.0. All teknik finns självklart inte, men med hjälp av den teknik som finns idag kan olika företag inom tillverkningsindustrin dra fördelar av att starta omställningen mot Industri 4.0 redan idag. / The future of industry is in companies own hands. Today we are going to a more automated manufacturing industry where human beings are less involved and it is more crucial than ever before to adapt to new changes in the industry and technology. Internet of things and cyber physical systems are becoming a bigger part of our lives. This case study on HordaGruppen is focused on how HordaGruppen from the plastic industry can develop with some ideas from the vision Industry 4.0 in order to ensure the quality of the product. Most of the technology needed for Industry 4.0 is available today and there is no reason not to start using it. The study will introduce to Industry 4.0 and the basic ideas that the vision stands for and then try to define and solve some problems within one machine in one of their plants. The results presented in this study shows that using sensors and other technology available today you can take the first steps towards Industry 4.0.

As a consequence of global environmental change, sustainable management and governance of natural resources face critical challenges, such as dealing with non-linear dynamics, increased resource variability, and uncertainty. This thesis seeks to address some of these challenges by using simulation models. The first line of research focuses on the use of learning-by-doing (LBD) for managing a renewable resource, exemplified by a fish stock, and explores LBD in a theoretical model using artificial intelligence (Paper I and II). The second line of research focuses on the emergence of different forms of self-governance and their interrelation with the dynamics of trust among fishers when harvesting a shared resource, using an agent-based model. This model is informed by qualitative data based on small-scale fisheries in Mexico (Paper III and IV). Paper I and II find that the most sustainable harvesting strategy requires that the actor values current and future yields equally, cautiously experiments around what is perceived as the best harvest action, and rapidly updates its ‘mental model’ to any perceived change in catch. More specifically, Paper II reveals that understanding these aspects in relation to the type of change can yield not only increased performance, but also, and more importantly, increased robustness to both fast and slow changes in resource dynamics. However, when resource dynamics include the possibility of a more fundamental shift in system characteristics (a regime shift), LBD is problematic due to the potential for crossing a threshold, resulting in possible persistent reductions in harvests (Paper I). In Paper III, results indicate that cooperative forms of self-governance are more likely to establish and persist in communities where fishers’ have prior cooperative experience, fishers’ trustworthiness is more or less equal, and that this likelihood increases when resource availability fluctuates seasonally. Finally, to achieve a transformation toward more cooperative forms of self-governance, interventions are required that can strengthen both financial capital and trust among the members of the cooperatives (Paper IV). The unique contribution of this thesis lies in the method for ‘quantitatively’ studying LBD, the stylized model of a small-scale fishery, and the analysis of the two models to advance our understanding of processes of learning and self-governance in uncertain and variable social-ecological environments. Together, the results shed light on how social and ecological factors and processes co-evolve to shape social-ecological outcomes, as well as contributing to the development of novel methods within the emerging field of sustainability science. / I vårt antropocena tidevarv är ett långsiktigt förvaltarskap av naturresurser inom social-ekologiska system av yttersta vikt. Detta kräver en djup förståelse av människan, ekologin, interaktionerna sinsemellan och deras utveckling över tid. Syftet med denna avhandling är att nå en djupare och mer nyanserad förståelse kring två av grundpelarna inom forskningen av hållbar förvaltning av naturresurser–kontinuerligt lärande genom learning-by-doing (LBD) för att förstå naturresursens dynamik, samt vad som kan kallas socialt kapital, i detta sammanhang i betydelsen tillit mellan individer, som naturligtvis ligger till grund för framgångsrik gemensam förvaltning. Denna föresats operationaliseras genom att använda två olika simuleringsmodeller. Den ena modellen undersöker hur en hållbar förvaltning av en förnyelsebar resurs, i denna avhandling exemplifierad av en fiskepopulation, kan uppnås genom LBD. Den andra modellen söker blottlägga det komplexa sociala samspel som krävs för att praktisera gemensam förvaltning genom att använda ett fiskesamhälle som fallstudie. Tidigare forskning på båda dessa två områden är relativt omfattade. Emellertid har den forskning som specialiserat sig på LBD i huvudsak inskränkt sig till empiriska fallstudier. Vad som bryter ny mark i denna avhandling är att vi konstruerar en simuleringsmodell av LBD där vi kan studera lärandeprocessen i detalj för att uppnå en mer hållbar förvaltning över tid. Beträffande modellen som behandlar socialt kapital så har tidigare forskning fokuserat på hur en organisation, eller grupp, kan uppnå hållbar förvaltning. Dock saknas ett helhetsgrepp där som tar hänsyn till alla nivåer; från individnivå (mikro), via gruppnivå (meso), till samhällsnivå (makro). Detta är något som denna avhandling försöker avhjälpa genom att undersöka betydelsen av individers egenskaper, uppbyggnaden av socialt kapital, samt hur detta påverkar emergens av ett samhälle dominerat av mer kooperativa förvaltningsformer respektive mer hierarkiska diton. I papper I and II studeras kärnan av LBD som återkoppling mellan en aktör och en resurs, där aktören lär sig genom upprepade interaktioner med en resurs.  Resultaten visar att LBD är av avgörande betydelse för en hållbar förvaltning, speciellt då naturresursens dynamik är stadd i förändring. I den mest hållbara strategin bör aktören värdera nuvarande och framtida fångster lika högt, försiktigt experimentera kring vad aktören upplever som bästa strategi, för att sedan anpassa sin mentala modell till upplevda förändringar i fångst relativt dess insats någorlunda kraftigt. I papper III och IV behandlas uppbyggnaden av förtroende mellan individer och grupp, samt själv-organiserat styre. Genom att använda småskaligt fiske i Mexiko som en illustrativ fallstudie, utvecklades en agent-baserad modell av ett arketypiskt småskaligt fiskesamhälle. Resultaten indikerar att kooperativa förvaltningsformer är mer dominanta i samhällen där de som utför fisket har liknande pålitlighet, starkt gemensamt socialt kapital vid kooperativets start, och då resursen fluktuerar säsongsmässigt (papper III). Papper IV visar att för att uppnå en transformation från hierarkiska förvaltningsformer till kooperativa diton krävs interventioner som inriktar sig på både socialt och finansiellt kapital. Denna avhandling bidrar således till en djupare förståelse kring hur socialt kapital växer fram, samt hur mer strategiska LBD processer bör utformas när abrupta och osäkra förändringar i ekosystemen blir allt vanligare på grund av människans ökade tryck på planeten. / <p>At the time of the doctoral defense, the following papers were unpublished and had a status as follows: Paper 2: Submitted. Paper 3: Submitted. Paper 4: Manuscript.</p>

Sammanfattning Vi lever i en alltmer digitaliserad värld där utvecklad teknik kan bidra till att lösa flertalet samhällsproblem. Till exempel är intresset av avancerad AI-teknik inom sjukvård alltmer efterfrågat. AI-teknik har stor potential att stödja sjukvårdspersonal och individer, förkorta köer och förbättra vården. Tekniken bygger på insamlandet av stora mängder data som ska programmeras till att härma intelligent beteende. Åtskilliga känsliga personuppgifter behandlas i och med insamlandet av denna data. Inom ramen för den pågående debatten om personlig integritet skapas samtidigt en potentiell konfliktyta där företagshemligheter riskerar att avslöjas när information lämnas ut vid utövandet av enskildas dataskyddsrättigheter.  Konfliktytan aktualiseras till exempel om registerutdraget inkluderar delar av företags affärsplaner, arbetsmetodik och teknikens uppbyggnad. Ett annat exempel rör systematiskt utlämnande av personuppgifter efter begäran från en mängd registrerade, där sammanställningen i sig kan betraktas som företagshemligheter. Hur ser gränsdragningen ut för dessa motstående intressen? Hur förhåller man sig till balansgången mellan skydd av personlig integritet och skydd för företagshemligheter?  En adekvat intresseavvägning möjliggör för företag att skydda företagshemligheter samtidigt som enskildas personliga integritet inte äventyras. Hur denna intresseavvägning ska se ut är dock fortfarande oklart, vilket ligger till grund för denna uppsats. / Abstract We live in an increasingly digitized world where technology can help solve many societal challenges. For example, the interest in advanced AI technology in healthcare is increasingly in demand. AI technology has great potential to support healthcare professionals as well as individuals, shorten queues and improve healthcare. The technology is based on the collection of large amounts of data to be programmed to mimic intelligent behaviour. A great number of sensitive personal data are processed when such data is collected. Within the framework of the ongoing debate on personal integrity, a potential conflict area arises at the same time, where trade secrets risk being disclosed while information is provided as individual data protection rights are exercised.  The conflict area is raised, for instance, in cases where the register extract includes parts of the company’s business plans, work methodology and the structure of the technology. Another example concerns systematic disclosure of personal data upon request from a great number of registered persons, where the compilation itself can be regarded as trade secrets. What will the boundaries of these opposing interests be like? How does one relate to the balance between the protection of privacy and the protection of trade secrets?  An adequate balance of interests enables companies to protect trade secrets while not compromising individual privacy. However, how this balance of interests should be framed is still unclear, which has given rise to this thesis.

This thesis explores the development process of services based on artificial intelligence (AI) technology within an industrial setting. There has been a renewed interest in the technology and leading technology companies as well as many start-ups has integrated it into their market offerings. The technology´s general application potential for enhancing products and services along with the task automation possibility for improved operational excellence makes it a valuable asset for companies. However, the implementation rate of AI services is still low for many industrial actors. The research in the area has been technically dominated with little contribution from other disciplines. Therefore, the purpose of this thesis is to identify development challenges of AI services and drawing on service development- and value-theory to propose a process framework promoting implementation. The work will have two main contributions. Firstly, to compare differences in theoretical and practical development challenges and secondly to combine AI with service development and value theory. The empirical research is done through a single case study based on a systematic combining research approach. It moves iteratively between the theory and empirical findings to direct and support the thesis throughout the work process. The data was collected through semi-structured interviews with a purposive sample. It consisted of two groups of interview participants, one AI expert group and one case internal group. This was supported by participant observation of the case environment. The data analysis was done through flexible pattern matching. The results were divided into two sections, practical challenges and development aspect of AI service development. These were combined with the selected theories and a process framework was generated. The study showed a current understudied area of business and organisational aspect regarding AI service development. Several such challenges were identified with limited theoretical research as support. For a wider industrial adoption of AI technology, more research is needed to understand the integration into the organisation. Further, sustainability and ethical aspect were found not to be a primary concern, only mention in one of the interviews. This, despite the plethora of theory and identified risks found in the literature. Lastly, the interdisciplinary research approach was found to be beneficial to the AI field to integrate the technology into an industrial setting. The developed framework could draw from existing service development models to help manage the identified challenges. / Denna uppsats utforskar utvecklingsprocessen av tjänster baserade på artificiell intelligens (AI) i en industriell miljö. Tekniken har fått ett förnyat intresse vilket har lett till att allt fler ledande teknik företag och start-up:s har integrerat AI i deras marknads erbjudande. Teknikens generella applikations möjlighet för att kunna förbättra produkter och tjänster tillsammans med dess automatiserings möjlighet för ökad operationell effektivitet gör den till en värdefull tillgång för företag. Dock så är implementations graden fortfarande låg för majoriteten av industrins aktörer. Forskningen inom AI området har varit mycket teknik dominerat med lite bidrag från andra forskningsdiscipliner. Därför syftar denna uppsats att identifiera utvecklingsutmaningar med AI tjänster och genom att hämta delar från tjänsteutveckling- och värde teori generera ett processramverk som premierar implementation. Uppsatsen har två huvudsakliga forskningsbidrag. Först genom att jämföra skillnader mellan teoretiska och praktiska utvecklingsutmaningar, sedan bidra genom att kombinera AI med tjänsteutveckling- och värdeteori. Den empiriska forskningen utfördes genom en fallstudie baserad på ett systematic combining tillvägagångsätt. På så sätt rör sig forskning iterativt mellan teori och empiri för att forma och stödja uppsatsen genom arbetet. Datat var insamlad genom semi strukturerade intervjuer med två separata, medvetet valda intervjugrupper där ena utgjorde en AI expert grupp och andra en intern grupp för fallstudien. Detta stöttades av deltagande observationer inom fallstudiens miljö. Dataanalysen utfördes med metoden flexible pattern matching. Resultatet var uppdelat i två olika sektioner, den första med praktiska utmaningar och den andra med utvecklingsaspekter av AI tjänsteutveckling. Dessa kombinerades med de utvalda teorierna för att skapa ett processramverk. Uppsatsen visar ett under studerat område angående affär och organisation i relation till AI tjänsteutveckling. Ett flertal av sådana utmaningar identifierades med begränsat stöd i existerande forskningslitteratur. För en mer utbredd adoption av AI tekniken behövs mer forskning för att förstå hur AI ska integreras med organisationer. Vidare, hållbarhet och etiska aspekter var inte en primär aspekt i resultatet, endast bemött i en av intervjuerna trots samlingen av artiklar och identifierade risker i litteraturen. Till sist, det tvärvetenskapliga angreppsättet var givande för AI området för att bättre integrera tekniken till en industriell miljö. Det utvecklade processramverket kunde bygga på existerande tjänsteutvecklings modeller för att hantera de identifierade utmaningarna.

Försäljningsprognoser inom organisationer kan vara en komplex process där allt ifrån mänskliga uppskattningar till avancerade högteknologiska system används som metod. Dagens ökade tillgång till datamängder, förbättrad datorkraft, bättre molntjänster, fler verktyg och ökat intresse har i kombination skapat bättre förutsättningar än förut att applicera artificiell intelligens (AI) på aktiviteter som tidigare varit människostyrda. Observationen gjordes inom ett svenskt detaljhandelsföretag att organisationen inte drog nytta av AI och dess teknik. Försäljningsprognostiseringen inom bemanningsprocessen ansågs på organisationen ha utvecklingsmöjligheter, varpå studien syftade till att se hur AI kunde tillämpas på området, hur en sådan förändring kan se ut och hur olika faktorer påverkar försäljningen. Studien har genom intervjuer, litteraturstudie, dokumentobservation, datainhämtning och dataanalys undersökt syftesfrågeställningarna. Det har skett tillsammans med teori om förändringsledarskap, AI och offensiv kvalitetsutveckling. Resultatet visar på att organisationen skulle kunna tillämpa AI-metoden supervised machine learning genom att använda historiska data på faktorer som exempelvis datum, veckodag, månad, löning och högtid vilka har påverkan på arbetsvolymen. Verktyget skulle kunna ersätta dagens försäljningsprognostiseringsverktyg och hjälpa bemanningskontrollanterna i deras arbete att ge stöd åt butikscheferna i schemaläggningen. En eventuell implementering av metoden kan med fördel ske genom föreslagen aktivitetslista som upprättats utifrån olika förändringsteorier. / Sales forecasts within organizations can be a complex process where everything from human estimates to advanced high-tech systems is used as a method. Today's increased access to data, improved computer power, improved cloud services, more tools and increased interest have combined created better conditions than before to be able to apply artificial intelligence (AI) to activities that before has been human-controlled. An observation was made in a Swedish retail company who stated that they generally had not yet benefited from AI and its technology. The sales forecasting tool in the staffing process was considered by the organization to have improvement potential, whereupon this study aimed to see how AI could be applied to the area, how a change might look and how different factors affect sales. The study has through interviews, literature study, document observation, data collection and data analysis examined the purpose of this study together with theory of change management, AI and quality management. The result shows that the organization could apply the AI ​​methodology supervised machine learning by using historical data on factors such as date, weekday, month, paydays and holidays that affect the working volume. The tool could replace today's sales forecasting tool and help staffing controllers in their work to support store managers in scheduling. A possible implementation of the method may benefit through the proposed activity list established by different change management theories.

Introduktion: Befolkningens hälsa påverkas i hög grad av hur väl samhället vi lever i fungerar. Samhällen präglade av våld, krig och terror får negativa konsekvenser för människors hälsa. Artificiell Intelligens (AI) är en kraftfull teknik med stora möjligheter att lösa samhällsproblem, men forskare varnar för att AI också kan innebära nya risker. Syfte: Syftet med litteraturstudien är att belysa vilka utmaningar och möjligheter som en ökande utveckling och implementering av AI kan ha på hälsans sociala bestämningsfaktorer inom området avsiktliga skador. Metod: Enligt Denyer och Tranfields (2011) metod genomfördes en systematisk litteraturstudie på 25 tekniska och humanistiska artiklar, som analyserades och syntetiserades med på förhand tydligt uppställda studiefrågor. Resultat: Artiklarna behandlande AI som används inom områden relaterade till avsiktliga skador och kategoriserades som tekniska eller humanistiska. De tekniska artiklarnas syfte var att utveckla AI för problemlösning medan de humanistiska artiklarna analyserade effekterna av implementering av AI. Möjligheterna med AI inkluderade förmågan att göra förutsägelser, fylla kompetensbehov, utnyttja big data och ta fram modeller som kan ge generella lösningar. Utmaningarna bestod av krav på en teoretisk grund, risk för bias, skapa eller välja lämpliga modeller och algoritmer, säkerställa kvalitet på data och databearbetning, validera lösningar, förhindra oavsiktlig användning, tydliggöra ansvar och få acceptans för lösningarna. Utvecklingen och implementeringen av AI påverkar främst tre av hälsans sociala bestämningsfaktorer: stödjande miljöer och friska människor, marknadens ansvar, samt god global styrning. Slutsats: Gemensam global reglering och större samhälleligt engagemang behövs för att säkerställa att konsekvenser för folkhälsan beaktas vid utvecklingen av AI. / Introduction: Public health is affected by the society in which people live. Communities characterized by violence, war and terror have a negative impact on human wellbeing. Artificial Intelligence (AI) is a powerful tool with a capability to solve problems in the society but scientists also warn that AI can induce new types of problems. Aim: The purpose of this literature study is to review which challenges and possibilities an increase in the development and implementation of AI can have on the social determinants of health within the area of deliberate injury. Methods: A systematic literature review was performed according to the method by Denyer and Tranfield (2011) and 25 technical and humanistic articles were analyzed and synthesized according to predefined research questions. Results: The articles about AI in the area of deliberate injuries were categorized as technical or humanistic. The purpose of the technical articles was to develop AI for problem solving while the humanistic articles analyzed the effects of AI implementation. The possibilities with AI included predictions, competence need, big data and models for general purposes. The challenges included theoretical grounds, bias, suitable models and algorithms, data quality and processing, validation, wrongful usage, responsibility and acceptance of the solutions. The development and implementation of AI especially affect three of the social determinants of health: healthy places healthy people, market responsibility and good global governance. Conclusion: A common global control and societal commitment is needed to secure that consequences for the public health is considered while developing AI.

Artificiell intelligens (AI) är en teknik som blir allt vanligare inom en rad områden, inte minst i syfte att effektivisera. I Sverige har kritik riktats mot vårdbranschen och de långa vårdköer som tynger den. Undersökningen syftar till att undersöka AI:s potential inom vårdbranschen i allmänhet och 1177 Vårdguiden i synnerhet. Genom en attitydanalys baserad på fyra intervjuer med 1177 Vårdguidens sjuksköterskor, kommer undersökningen fram till att AI har en viss potential när det gäller administrativa ärenden. Vad gäller vårdärenden är attityden inför AI mer negativ och dess potential tros inte vara tillräcklig för att ersätta den mänskliga faktorn. / Artificial intelligence is a technology that is becoming increasingly common in a number of fields, not least in order to streamline. In Sweden criticism has been directed at the healthcare industry and the long queues that overburden it. The study aims to investigate AI's potential in the healthcare industry in general and 1177 Vårdguiden in particular. Through an attitude analysis based on four interviews with 1177 Vårdguiden nurses, the survey concludes that AI has some potential in terms of administrative matters. When it comes to care-related cases, the attitude towards AI is more negative and its potential is not believed to be sufficient in order to replace the human factor.

Studiens syfte är att öka förståelsen för möjligheterna med modern artificiell intelligens (AI) vid militär användning genom att bidra med information om ny teknik. Moderna civila applikationer av datorseende som skapats genom användande av så kallade artificiella neurala nät visar resultat som närmar sig den mänskliga synens nivå när det gäller att känna igen olika saker i sin omgivning. Denna studie motiveras av dessa observationer inom området AI i förhållande till situationer i luftstrid då pilotens syn används för att känna igen flygplan innan det bekämpas. Exempelvis vid användande av hjälmsikte riktar pilotens ögon målsökaren hos en luftmålsrobot mot det flygplan som robotens målsökare sedan låser på. Utanför visuella avstånd kan pilotens ögon av naturliga skäl inte användas på detta sätt, varför datorseende använt i en luftmålsrobot undersöks. Resultaten från studien stödjer att datorseende genom användande av artificiella neurala nät kan användas i en luftmålsrobot samt att datorseende kan utföra uppgiften att känna igen stridsflygplan. / This study is aimed at increasing the knowledge to those concerned within the Armed Forces by providing information on the possibilities of modern artificial intelligence (AI). Motivation comes from observations of civilian technology on the use of AI in the field of Computer Vision showing performance equaling the level of the human vision when using the technology of Deep Learning of Artificial Neural Nets. In air-combat aircraft the pilot´s vision is used for recognizing the aircraft that is about to be shot down. For example when utilizing helmet mounted displays, the seeker of an air-target-missile is directed upon the aircraft on which the pilot´s eyes are looking. However when air-target-missiles are utilized beyond visual range the pilot´s vision cannot help in directing the seeker on a specific target. Therefore computer vision within an air-target-missile is studied. The results of the study support that the technology of neural networks may be used in an air-target-missile and that computer vision provided by this technology can do the job of recognizing a combat aircraft.

Artificiell Intelligens (AI) har flera användningsområden som bland annat robotik, ansiktsigenkänning och stöd vid beslutsfattande. Organisationer kommer använda AI mer för att möta utmaningar inom Human Resources (HR) de närmaste fem åren vilket pekar på att AI sannolikt kommer bli en vanligare förekomst inom rekryteringsprocessen. En av de viktigaste tillgångarna i ett företag är dess anställda och felaktiga rekryteringar kan komma att medföra stora kostnader. Med maskininlärning och AI-system som beslutsfattare kan det vara av vikt att fundera på vad det är för data som dessa system förses med då en av riskerna med maskininlärning inom AI är att man inte vet vad maskinerna lär sig när den lär sig själv. En större datamängd behöver i sig inte medföra mer subjektiva resultat men risken att direkt koda in diskriminering finns fortfarande eftersom den data AI-system förses med i sig kan innehålla bias. Det har även visat sig att kandidater inte vill bli bedömda på politiska åsikter, relationer eller annat som kan tas fram via big data och data mining. Syftet med studien är att skapa en djupare förståelse för vad som behövs för att automatisera rekryteringsprocessen med hjälp av AI och maskininlärning samt till att utforma en lista på hur AI kan vara ett stöd för företag att ha i åtanke vid en möjlig implementering. Till studien har tre metoder till empiriinsamling valts ut varav samtliga med en kvalitativ ansats. Intervjuer och en enkät har samlat in de data som analyserats i Excel 2016 samt Google Docs. Intervjuerna utfördes i flera skeden och riktade sig mot två anställda på varsitt rekryteringsföretag. Enkäten riktade sig främst till individer som kommer att ta/har tagit examen inom det närmaste året. Urvalet har skett enligt studiens syfte och vid enstaka tillfällen har ett bekvämlighetsurval gjorts. Resultatet visar att rekryterarna lägger mycket tid på att screena kandidater och gör det manuellt. Enkäten visar att kommande kandidater främst är neutrala i sin tillit till att screening utförs av ett AI-system. Respondenten i uppföljningsintervjun säger att en automatisering med AI hade underlättat arbetet och håller med det enkätrespondenterna anser om fördelar och nackdelar med AI men skulle samtidigt inte lita på resultatet. Vidare tror respondenten att det är den automatiserade vägen rekryteringsprocessen kommer att gå. Resultatet av studien kan komma att nyttjas av rekryteringsföretag som funderar på att införa AI i sina rekryteringsprocesser. / Artificial Intelligence (AI) has several areas of use such as robotics, facial recognition and decision-making support. Organizations will use AI more to meet challenges within Human Resources (HR) over the next five years, indicating that AI is likely to become a more common occurrence in the recruitment process. One of the most important assets of a company is its employees and incorrect recruitments can lead to high costs. With machine learning and AI systems as decision makers it may be important to think about what data is provided to these systems, since one of the risks of machine learning within AI is that you do not know what the machines learn as they learn themselves. A larger amount of data does not necessarily lead to more subjective results, but the risk of directly encode discrimination still exists because of the data the AI system is provided with can contain bias. It has also been found that candidates do not want to be judged on political views, relationships or anything that can be gained through big data and data mining. The purpose of the study is to provide a deeper understanding of what is needed to automate the recruitment process using AI and machine learning and to design a list of how AI can be a support for companies to keep in mind during a possible implementation. The study has chosen three methods for empirical gathering, all of which are qualitative. Interviews and a survey has collected the data which is analyzed in Excel 2016 as well as Google Docs. The interviews were conducted in several stages and aimed towards two employees working at two different recruiting companies. The survey was aimed primarily towards individuals who will have graduated within this year. The selection of participants has been made for the purpose of the study and on some occasions a comfort selection has been made. The result shows that the recruiters spend a lot of time screening candidates and do this manually. The survey shows that future candidates have a neutral stance when it comes to trusting in an AI system performing the screening process. The respondent in the follow-up interview says that automation using AI would facilitate the work and agrees with the survey respondents considering the pros and cons of AI, but at the same time would not rely on the results. Further, the respondent believes that it is in the automated way the recruitment process will continue. The result of the study may be used by recruitment companies that are considering introducing AI into their recruitment processes.