In recent years Generative AI tools have become increasingly ubiquitous and have given rise to much discussion concerning their impact on jobs, both in personal use and corporate settings. Despite Generative AI being a rapidly growing field, there is currently an existing research gap regarding the adoption of these tools across different domains. This study aims to fill this gap by contributing with knowledge on how designers might integrate Generative AI into their workflows. By adopting a Research through design (RtD) approach, three workshops were held where designers used generative AI tools to co-create design fictions envisioning how AI tools would permeate their future workflows. Thematic analysis of the workshop data revealed both desirable and undesirable futures from the designers’ perspectives situating AI at various stages of design – from assisting designers with mundane tasks to helping with ideation and testing. The futures brought up reflections on designers in control of the workflow, the dynamics of human-AI collaboration and the evolving role of the designer. The study contributes knowledge about different forms human-AI interactions could take in the near future, and highlights the importance of careful consideration when deploying these tools in a human-centric manner. / De senaste åren har generative AI-verktyg blivit alltmer vanliga, vilket har skapat många diskussioner angående deras påverkan på arbetet, både för personligt bruk och inom företagsmiljöer. Trots att generativ AI är ett snabbt växande fält, finns det en forskningslucka när det gäller anpassning av dessa verktyg inom olika domäner. Syftet med studien är att fylla detta gap genom att generera kunskap om hur designers kan integrera generativ AI i sina arbetsflöden. Genom att använda en forskning-genom-design (RtD) metod, hölls tre workshops där designers skulle använda generativa AIverktyg för att gemensamt skapa “designfiktioner” för att föreställa sig hur AI-verktyg skulle påverka deras arbetsflöden. Tematisk analys av workshopdata uppvisade både önskvärda och oönskade framtidsscenarier som placerade generativ AI i olika stadier av design — från att assistera designers med repetativa uppgifter till att hjälpa till med kreativitet och testning. Framtiderna inspirerade reflektioner över designers kontroll över processen, dynamiken i mänsklig-AIsamverkan och designers egna roller. Studien bidrar med kunskap om olika former av mänsklig-AI-interaktioner skulle kunna se ut i en nära framtid och belyser vikten av noggranna överväganden vid implementering av dessa verktyg på ett människocentrerat sätt.

Anonymization is a broad term. Meaning that personal data, or rather data that identifies a person, is redacted or obscured. In the context of video and image data, the most palpable information is the face. Faces barely change compared to other aspect of a person, such as cloths, and we as people already have a strong sense of recognizing faces. Computers are also adroit at recognizing faces, with facial recognition models being exceptionally powerful at identifying and comparing faces. Therefore it is generally considered important to obscure the faces in video and image when aiming for keeping it anonymized. Traditionally this is simply done through blurring or masking. But this de- stroys useful information such as eye gaze, pose, expression and the fact that it is a face. This is an especial issue, as today our society is data-driven in many aspects. One obvious such aspect is autonomous driving and driver monitoring, where necessary algorithms such as object-detectors rely on deep learning to function. Due to the data hunger of deep learning in conjunction with society’s call for privacy and integrity through regulations such as the General Data Protection Regularization (GDPR), anonymization that preserve useful information becomes important. This Thesis investigates the potential and possible limitation of anonymizing faces without destroying the aforementioned useful information. The base approach to achieve this is through face swapping and face manipulation, where the current research focus on changing the face (or identity) while keeping the original attribute information. All while being incorporated and consistent in an image and/or video. Specifically, will this Thesis demonstrate how target-oriented and subject-agnostic face swapping methodologies can be utilized for realistic anonymization that preserves attributes. Thru this, this Thesis points out several approaches that is: 1) controllable, meaning the proposed models do not naively changes the identity. Meaning that what kind of change of identity and magnitude is adjustable, thus also tunable to guarantee anonymization. 2) subject-agnostic, meaning that the models can handle any identity. 3) fast, meaning that the models is able to run efficiently. Thus having the potential of running in real-time. The end product consist of an anonymizer that achieved state-of-the-art performance on identity transfer, pose retention and expression retention while providing a realism. Apart of identity manipulation, the Thesis demonstrate potential security issues. Specifically reconstruction attacks, where a bad-actor model learns convolutional traces/patterns in the anonymized images in such a way that it is able to completely reconstruct the original identity. The bad-actor networks is able to do this with simple black-box access of the anonymization model by constructing a pair-wise dataset of unanonymized and anonymized faces. To alleviate this issue, different defense measures that disrupts the traces in the anonymized image was investigated. The main take away from this, is that naively using what qualitatively looks convincing of hiding an identity is not necessary the case at all. Making robust quantitative evaluations important.

Programming education is on the rise, leading to an increase in learning resources needed for universities and online courses. Questions are crucial for promoting good learning, and providing students with ample practice opportunities. Learning a subject relies heavily on a structured progression of topics and complexity. Yet, creating numerous questions has been proven to be a time-consuming task. Recently the technology world has been introduced to Generative AI (GenAI) systems using Large Language Models (LLMs) capable of generating large amounts of text and performing other text-related tasks. How can GenAI be used to solve problems related to creating learning materials while ensuring good quality? This study aims to investigate how well GenAI can create a sense of progression in a set of programming questions based on different prompt strategies. The method involves three question-generation cases using Chat-GPT API. Then, a qualitative evaluation of questions complexity, order, and quality is conducted. The first case aims to be the most simple way of asking Chat-GPT to generate 10 MCQs about a specific topic. The second case introduces defined complexity levels and desires of logical order and progression in complexity. The final case is the more advanced prompt building upon the second case along with a skill map as inspiration to the LLM. The skill map is a structured outline that highlights key points when learning a topic. According to the results, providing more instructions along with a skill map had a better impact on the progression of questions generated compared to a simpler prompt. The first case prompt still resulted in questions with good order but lacking in increasing complexity. The results indicate that while GenAI is capable of creating questions with a good progression that could be used in a real teaching context, it still requires quality control of the content to find outliers. Further research should be done to investigate optimal prompts and what constitutes a good skill map. / Programmeringsutbildningar blir allt fler, vilket leder till en ökning av behovet för lärresurser för universtitet och onlinekurser. Frågor är avgörande för att främja bra lärande och ge eleverna övningsmöjligheter. Att lära sig ett ämne är starkt beroende av en strukturerad progression av ämnen och komplexitet. Men att skapa många frågor har visat sig vara en tidskrävande uppgift. Nyligen har teknikvärlden introducerats till Generativa AI (GenAI)-system som använder Stora språkmodeller (LLM) som kan generera stora mängder text och utföra andra textrelaterade uppgifter. Hur kan GenAI användas för att lösa problem relaterade till att skapa läromedel samtidigt som man säkerställer en god kvalitet? Denna studie syftar till att undersöka hur väl GenAI kan skapa en känsla av progression i en uppsättning programmeringsfrågor baserade på olika prompt strategier. Metoden använder tre olika sätt att generera frågor med hjälp av Chat-GPTs API. Därefter genomförs en kvalitativ utvärdering av frågornas komplexitet, ordning och kvalité. Det första sättet syftar till att vara det enklaste sättet att be Chat-GPT att generera 10 flervalsfrågor om ett specifikt ämne. Det andra fallet introducerar definierade komplexitetsnivåer och önskemål om logisk ordning och progression i komplexitet. Det sista fallet är den mer avancerade prompten som bygger på det andra fallet tillsammans med en färdighetskarta som inspiration. Färdighetskartan är en strukturerad disposition av ett ämne som lyfter fram nyckelpunkter när man lär sig ett ämne. Resultaten visade att tillhandahålla fler instruktioner tillsammans med en färdighetskarta hade en bättre inverkan på progressionen av de genererade frågorna jämfört med det första sättet. Den första prompten resulterade fortfarande i frågor med god ordning men som saknade stegrande komplexitet. Resultaten indikerar att även om GenAI kan skapa frågor med god progression som skulle kunna användas i ett verkligt undervisningssammanhang, så krävs fortfarande en kvalitetskontroll av innehållet för att hitta felaktigheter. Ytterligare forskning bör göras för att undersöka optimala prompt och hur en bra färdighetskarta bör se ut.

Recent technological breakthroughs in natural language processing and artificial intelligence (AI) and the subsequent release of OpenAIs generative AI system, ChatGPT, have warranted much attention from researchers and the general public alike. Some with praise, foreseeing a brighter future for all, and some predicting the end of humanity. As AI agents become increasingly complex and gain the ability to deal with tradeoffs and become more autonomous, the problem of embedding human values into these AI agents becomes more pressing. Embedding human values is a crucial part of the development of aligned AI systems that act in accordance with human intents and desires. The black-box nature of large language models (LLMs) offers little insight into the mechanics of the AI agents' decision-making processes. For this reason, it is of great interest to explore what values an LLM might hold. This explorative study lets the most popular LLM chatbot today, ChatGPT answer a set of questions focusing on human values. The questions were adopted from the World Value Survey (WVS) and relate to current global values around different subjects, such as same-sex marriage, corruption and raising children. The results were compared to the latest data set (from 2022) from the WVS to show how close or far the values of ChatGPT are to the respondents' values across countries. The findings contribute to the broader understanding of the challenges and implications of developing AI systems that align with human values. Which is crucial in ensuring the systems trustworthiness and beneficial impact on society. The findings of this explorative study support that ChatGPT's values are influenced by the values prevalent in developed democracies, with a leaning towards progressive/liberal views. Results could also imply that ChatGPT may propose a neutral attitude towards questioning established systems and institutions, and emphasizing individual rights. / Nya tekniska genombrott inom naturlig språkbehandling och artificiell intelligens (AI) samt OpenAIs generativa AI-system, ChatGPT, har genererat mycket uppmärksamhet från både forskare inom fältet och från allmänheten. Vissa spår en ljusare framtid, medan andra siar om slutet för mänskligheten. Allteftersom “AI-agenter” blir mer komplexa utvecklar förmågan att göra avvägningar, och blir mer autonoma, blir problemet med att integrera mänskliga värden i dessa AI-agenter mer angeläget. Att integrera mänskliga värderingar är en avgörande del i utvecklingen av AI-system som agerar i enlighet med mänskliga avsikter och vilja. Vi saknar insyn i mekaniken för beslutsprocesser hos stora språkmodeller (eng: large language models, LLMs) och av denna anledning är det av stort intresse att utforska vilka värderingar en språkmodell uttrycker. Denna utforskande studie låter den, för närvarande, mest populära LLM-chatboten, ChatGPT, svara på en uppsättning av frågor som fokuserar på mänskliga värderingar. Frågorna har hämtats från World Value Survey (WVS) och relaterar till aktuella globala värderingar kring olika ämnen, såsom samkönade äktenskap, korruption och barnuppfostran. Resultaten jämfördes med den senaste datan (från 2022) från WVS för att visa hur nära eller långt värdena för ChatGPT ligger respondenterna från olika länders. Resultaten från denna studie bidrar till en bredare förståelse för utmaningarna och konsekvenserna av att utveckla AI-system som är i linje med mänskliga värderinga. Detta är en viktig aspekt för att kunna säkerställa systemens pålitlighet och positiva inverkan på samhället. Resultaten av denna explorativa studie stödjer att ChatGPT:s värderingar influeras av de värderingar som råder i utvecklade demokratier, med en tendens mot progressiva/liberala åsikter. Resultaten kan också antyda att ChatGPT kan ställa sig neutralt till ifrågasättandet av etablerade system och institutioner, samt betonar individuella rättigheter.

Artificial intelligence (AI) has the potential to transform various industries, including the creative industry [1]. The potential disruption is facilitated by technology-driven products, with these products it is increasingly important to keep user goals, behaviour and needs at the centre during the development and designing phase. Through a situated user study using online content analysis, a survey, and semi-structured interviews I describe the current role of AI tools in the video production industry, and I identify potential future tools that could benefit professional content creators. According to these professional content creators AI tools currently primarily serve a supportive role, enhancing efficiency and video quality while still requiring human input for storytelling and quality assurance. The professionals are increasingly integrating AI into their workflows to be more increase their value as creators. Drawing from a User-Centered Design (UCD) approach I highlight a discrepancy between user needs and research focus, suggesting that future AI tools should prioritize improving client communication, automating non-creative tasks in post-production, and making animation more accessible. As generative video AI continues to develop, ethical concerns surrounding gender and ethnicity bias continue to be an important aspect for future research to ensure equal representation in generated video content. / Artificiell intelligens (AI) har potential att förändra olika branscher, inklusive den kreativa industrin [1]. Den potentiella omvälvningen underlättas av teknikdrivna produkter, och med dessa produkter blir det allt viktigare att hålla användarnas mål, beteende och behov i centrum under utvecklings- och designfasen. Genom en situerad användarstudie med hjälp av innehållsanalys online, en enkät och semistrukturerade intervjuer beskriver jag den nuvarande rollen för AI-verktyg i videoproduktionsbranschen, och jag identifierar potentiella framtida verktyg som kan gynna professionella innehållsskapare. Enligt dessa professionella innehållsskapare har AI-verktyg för närvarande främst en stödjande roll och förbättrar effektiviteten och videokvaliteten samtidigt som det fortfarande krävs mänsklig input för storytelling och kvalitetssäkring. De professionella innehållsskaparna integrerar i allt högre grad AI i sina arbetsflöden för att öka sitt värde som kreatörer. Med utgångspunkt i en användarcentrerad design (UCD) belyser jag en diskrepans mellan användarnas behov och forskningsfokus, och föreslår att framtida AI-verktyg bör prioritera att förbättra kundkommunikationen, automatisera icke-kreativa uppgifter i efterproduktionen och göra animering mer tillgänglig. Eftersom generativ video-AI fortsätter att utvecklas, fortsätter etiska problem kring kön och etnicitet att vara en viktig aspekt för framtida forskning för att säkerställa lika representation i genererat videoinnehåll.

Peptide binders are short proteins that bind to larger proteins. Due to peptide binders having high specificity and being cheap to synthesize, they are a prime candidate for drug design. Creating new proteins in silico can be divided into three steps: protein backbone generation, sequence design, and computational filtering. With the release of AlphaFold2 (AF2), protein structure prediction is possible with atomic accuracy, even for peptide-protein complexes. Structure predictions enables some important computational filtering, which saves time and resources before doing experimental validation. After the release of AF2 together with the advancements in generative AI, new computational methods for the first two design steps have been developed. In this report, three different methods for backbone generation and sequence design were evaluated and compared: EvoBind, RFdiffusion, and ProteinMPNN. The latter two were developed solely for protein design. However, their broad application capabilities allowed for peptide development, which was implemented in this report. In total, 5500 peptides for 55 different protein targets were designed by each method, with the purpose to evaluate the performance and identify advantages of the methods. Combining the three methods in unexplored ways allowed for additional evaluation as well as gaining deeper understanding of how the methods worked. Whilst not being one-shot design approaches, all methods used in the report showed potential of being able to design de novo peptide binders with varying degree of in silico success. The methods’ peptide design success rate ranged from 16% to 2.6%. The direct evolution approach applied with EvoBind generated most peptide binder backbones with close binding to the specified interfaces. Using the message passing neural network (MPNN) in ProteinMPNN, the sequences designed were optimized for binding affinity and resulted in sequences that were easier for AF2 to predict. The methods allow for the potential development of peptide binder therapeutics to become more cost- and time efficient, on the basis that AF2’s predictions are aligned with the expressed peptides’ bindings and structures.

Det problem som denna studie fokuserar på är den påverkan Open AI:s nya version av chattboten ChatGPT har på högskoleutbildningen. ChatGPT har fått en enorm spridning bland inte minst universitets- och högskolestudenter och snabbt skapat osäkerhet bland landets utbildningsanordnare. Samtidigt som verktyget ökar möjligheter för inlärning och motivation i studielivet, bidrar det till att minska tröskeln för fusk och plagiarism. Detta ställer krav på lärare att för att ta tillvara möjligheter och minimera risker se över sina undervisnings- och examinationsmetoder. Frågeställningen som valts är: “Hur påverkar ChatGPT den svenska universitets- och högskoleutbildningen sett från lärares perspektiv?”. Metoderna som tillämpades är kvalitativ strategi i form av fenomenologi, som till sin natur är djup och detaljerad. Semistrukturerade intervjuer genomfördes med videokonferensteknik och analyserades med hjälp av en tematisk analys. En utforskande urvalsstrategi användes där åtta kursansvariga högskolelärare från sju svenska lärosäten valdes ut slumpmässigt. Resultatet visar att samtliga lärare tycker sig se samt förutspå en påverkan på universitets-och högskoleutbildningen orsakad av ChatGPT. Synen på hur ChatGPT:s påverkan ser ut samt hur möjligheter tas tillvara och hur risker minimeras varierar väldigt mycket. Lärarna uttrycker oroskänslor kopplade till bristande information kring ämnet och önskar tydligare vägledning från skolledningen. Slutsatsen är att ChatGPT:s existens redan har och kommer att påverka den svenska universitets- och högskoleutbildningen på flera vis. Studien visar att det behövs åtgärder på institutionerna för att vidareutbilda lärarna, implementera ChatGPT i undervisningen, lära studenterna använda ChatGPT på rätt sätt samt ändra examinationsrutiner för att förhindra fusk. Möjligheter som användandet av ChatGPT kommer leda till är ökad jämlikhet, effektivare drift samt kvalitetshöjningar av utbildningar. Riskerna består av att studenternas kritiska tänkande och problemlösningsförmåga kan minska och att bekvämligheten med ChatGPT riskerar att göra studenterna lata samt att fusket kan öka. Lärarnas och skolledningarnas kompetens och förmåga att anpassa sin undervisning kommer att avgöra om generativ AI som ChatGPT kommer att höja eller sänka kvaliteten i högre utbildning. / The problem this study focuses on is the impact Open AI's new version of the chatbot ChatGPT has on higher education. ChatGPT has gained enormous popularity among not least university and college students and quickly created uncertainty among the country's education providers. While the tool increases opportunities for learning and motivation in student life, it helps to reduce the threshold for cheating and plagiarism. This places demands on teachers to review their teaching and examination methods in order to take advantage of opportunities and minimize risks. The chosen question is “How does ChatGPT affect Swedish university and college education from a teacher's perspective?. The methods applied are qualitative strategy in the form of phenomenology, which by its nature is deep and detailed. Semi-structured interviews were conducted using video conferencing technology and analyzed using a thematic analysis. An exploratory selection strategy was used, where eight course-responsible college teachers from seven Swedish universities were randomly selected. The result shows that all teachers think they see and predict an impact on university and college education caused by ChatGPT. The view of how ChatGPT's impact looks like and how opportunities are taken advantage of and how risks are minimized vary greatly. The teachers express concerns linked to a lack of information about the subject and wish for clearer guidance from the school management. The conclusion is that ChatGPT's existence has already and will affect Swedish university and college education in several ways. The study shows that measures are needed at the institutions to further train the teachers, implement ChatGPT in teaching, teach students to use ChatGPT correctly and change examination routines to prevent cheating. Possibilities that the use of ChatGPT will lead to are increased equality, more efficient operation and quality increases in education. The risks are that students' critical thinking and problem-solving skills may decrease and that the convenience of ChatGPT risks making students lazy and that cheating may increase. The competence and ability of teachers and school leaders to adapt their teaching will determine whether generative AI such as ChatGPT will raise or lower quality in higher education.

The launch of the chatbot ChatGPT in November of 2022 has sparked a fierce debate on how AI tools will affect future education. Currently, there have been multiple articles about how universities and educators do not yet have an action plan on how to respond to the consequences of the launch of the chatbot. The technology behind ChatGPT is generative AI and is anticipated to be the next big digital disruption. Generative AI and its effects on higher education is still unexplored territory. In this thesis we aim to answer the following research question: how can generative AI be managed as a digital disruption in higher education? We conducted a qualitative case study at a university in Sweden, where the participants were educators from different departments. The three main themes discussed in this thesis are: disruptive effects of generative AI; three elements of managing digital disruption; emerging challenges and opportunities. We contribute to existing research by providing a model on how the digital disruption caused by generative AI manifests in higher education and provide suggestions on how to manage it. Further, we suggest that future research add students’ perspective to the model, since this was not covered in this thesis.

This thesis investigates the applications and implications of Generative Pretrained Transformer (GPT) technology in international entrepreneurship. The research questions focus on how GPT can serve as a strategic tool, communication tool, and knowledge leverage tool, and how these applications influence decision-making, enhance performance, The findings from the analysis chapters highlights that GPT significantly contributes to strategic planning, market analysis, and operational management, thereby enhancing decision-making and performance. GPT technology, acting as a potent communication tool, nurtures more robust client relationships and eases cross-cultural interactions, courtesy of its superior language processing capabilities. The thesis discusses how these capabilities of GPT can lead to reduced miscommunications and enhanced client satisfaction. This, in turn, contributes to cost savings by retaining existing customers and attracting new ones, thereby enhancing profits. Moreover, The main theoretical implications that this  thesis has resulted in will showcase the time efficiency brought by automated, high-quality communication that reduces man-hours spent on routine interactions, freeing resources for strategic tasks for international entrepreneurship.  Furthermore, this study enriches the literature on generative AI exemplified by models like GPT in the world of international business, particularly within the context of international entrepreneurship. It offers essential insights that can guide international entrepreneurs in understanding the potential advantages of integrating GPT technology into their business operations.

Generative AI systems for image-creation have taken a giant leap technologically in the last few years, creating opportunities for users and introducing new areas of research for the scientific community. New implementations for these technologies are discovered regularly and due to the complex nature of AI, there is an ongoing discussion among researchers on whether generative AI is yet another tool, or if there is potential for the technology to be something more. The aim of this study is to explore the nuances and complexity of co-creation with generative AI, using post-human and post-anthropocentric perspectives that consider human agencies as entangled with machine agency. To understand whether human-AI co-creation is sustainable and valuable as an activity, a netnographic study was conducted to explore the different aspects of user interaction. Among the most relevant of these aspects were the system limitations, dataset limitations, prompting, user goals and user procedures. The study found that the current limitations to the generative AI systems were too significant for the systems to display a high amount of machine agency. This ultimately pointed to human-AI co-creation being non-sustainable and non-valuable as an activity, but the resultsand following discussion also suggest how we can move on overcoming these limitations. / Generativa AI-system för bildskapande har teknologiskt tagit ett stort kliv framåt de senaste åren, detta har lett till möjligheter för användare och det har introducerat nya forskningsområden för forskarvärlden. Nya tillämpningar för dessa teknologier upptäcks regelbundet. På grund av den komplexa naturen hos AI så pågår en diskussion bland forskare gällande huruvida generativ AI är ett nytt verktyg, eller om det finns potential för teknologin att vara något mer. Denna studies mål är att undersöka nyanserna och komplexiteten hos samskapande med generativ AI, genom att använda post-humanistiska och post-antropocentriska perspektiv som betraktar mänsklig ”agency” som sammanflätad med maskiners ”agency”. För att förstå huruvida människa-AI-samskapande är hållbart och värdefullt så utfördes en netnografisk undersökning för att granska de olika aspekterna med användarinteraktion. Bland de mest relevanta av dessa aspekter var systembegränsningarna, datasetsbegränsningarna, promptning, användarmål och användarprocedurer. Undersökningen visade att de nuvarande begränsningarna hos generativa AI-system är för stora för att systemen skulle kunna uppvisa en hög grad ”maskin-agens”. Detta pekade i slutändan mot att människa-AI-samskapande är ohållbart och icke värdefullt som en aktivitet. Men resultaten och den följande diskussionen antyder också hur vi kan gå vidare med att övervinna dessa begränsningar.