Bakgrund och problemdiskussion: Redovisningen förändrades med användningen av datorn och digitala redovisningssystem. Framtidens utveckling handlar om att ta nästa steg, från datorisering till digitalisering. Med den tekniska utveckling som artificiell intelligens tagit är nu självkörande bilar och automatisk cancerscreening ett faktum och även inom redovisningen spås AI få en stor påverkan. Det finns forskning som påvisar att redovisningsekonomer inom snar framtid kommer att kunna ersättas fullt ut av AI och att det finns stora fördelar med detta i form av effektivisering. Men hur ser det ut idag, går det att ersätta redovisningsekonomer med tänkande datorer? Om inte, vad är det som hindrar denna profetia från att bli verklighet. Syfte: Syftet med denna uppsats är att kartlägga hur AI används i ett modernt redovisningssystem idag samt undersöka vad som hämmar att AI ska kunna ta en större roll iredovisningssystem framöver Metod: Uppsatsen utgår från en kvalitativ forskningsstrategi med karaktären av en fallstudie i tillsammans med inslag av en intervjustudie och normativ forskning. Den empiriska insamlingen av data har gjorts utifrån föreläsningsmaterial, webbsidor, videomaterial och en semistrukturerad intervju från företaget systemutvecklaren Fortnox. Slutsats: Slutsatserna som kan dras utifrån studiens syfte är i huvudsakliga drag att AI spelar en roll i samtliga arbetsuppgifter som en redovisningsekonom har i dagsläget. Däremot är det ingen som uppgift som till fullo kan överlåtas till AI i dagsläget men det finns funktioner i redovisningssystemet som kräver väldigt låg mänsklig inblandning vilket går att härleda till de legala hinder som föreligger tekniken. Framför allt så är det legala och kunskapsrelateradefaktorer som till största del utgör ett hinder för att tekniken ska kunna utnyttjas i högre grad inom redovisningen. Samtidigt så går det även att identifiera en mängd andra hinder såsom mindset när det kommer till förändringar, kostnader med att införa AI samt säkerhetsrisker men där vi gjort bedömningen att dessa i något avseende går att härleda till kunskapsbristen vilket utgör den enskilt största faktorn att arbeta med för att överkomma dessa hinder.

Syftet med studien var att undersöka lärares åsikter om hur estetiska läroprocesser kan främja elevers matematiska förmågor i matematikundervisningen i årskurs F-3. Studien har genomförts som en internetbaserad enkätundersökning. 20 av 26 respondenter använder sig av estetiska lärprocesser i matematikundervisningen. 18 av 20 använder bild i undervisningen, 16 av 20 använde sig av musik/sång i matematikundervisningen. Samtliga intelligenser i Gardners mutipla teori ansågs användas vid olika estetiska lärprocesser, logisk-matematiska ansågs vara den som användes mest. De flesta ansåg att de matematiska förmågorna begrepp och procedur var de som utvecklades mest via en logisk-matematisk intelligens. Estetiska lärprocesser anses av lärare skapa glädje i undervisningen och att det är bra att få ta till sig kunskap på olika sätt. Utifrån resultatet kan man se att estetiska lärprocesser används i matematikundervisningen.

Runt om i världen finns det en stor mängd historiska dokument som endast finns i pappersform. Genom att digitalisera dessa dokument förenklas bland annat förvaring och spridning av dokumenten. Vid digitalisering av dokument räcker det oftast inte att enbart skanna in dokumenten och förvara dem som en bild, oftast finns det önskemål att kunna hantera informationen som dokumenten innehåller på olika vis. Det kan t.ex. vara att söka efter en viss information eller att sortera dokumenten utifrån informationen dem innehåller. Det finns olika sätt att digitalisera dokument och extrahera den information som finns på dem. I denna studie används metoden objektdetektering av typen YOLOv3 för att hitta och urskilja olika områden på historiska dokument i form av gamla registerkort för gamla svenska fordon. Objektdetekteringen tränas på ett egenskapat träningsdataset och träningen av objektdetekteringen sker via ramverket Darknet. Studien redovisar resultat i form av recall, precision och IoU för flera olika objektdetekteringsmodeller tränade på olika träningsdataset och som testats på ett flertal olika testdataset. Resultatet analyseras bland annat utifrån storlek och färg på träningsdatat samt mängden träning av objektdetekteringen.

Datum: [2020-06-02] Nivå: Magisteruppsats i företagsekonomi, 15 hp Institution: Akademin för Ekonomi, Samhälle och Teknik, Mälardalens högskola Författare: Ibrahim Samo & Metin Ömansson Titel: ÄR AI NYCKELN TILL EN LIKVÄRDIG REKRYTERING? - En kvalitativ studie om hur artificiell intelligens påverkar diskriminering och fördomar under rekryteringsprocessen. Handledare: Klara Regnö Nyckelord: Diskriminering, fördomar, omedvetna fördomar, rekryteringsprocess, artificiell intelligens Frågeställningar: - Vilka möjligheter, relaterat till diskriminering, uppstår genom användandet av AI under rekryteringsprocessen?- Vilka utmaningar, relaterat till diskriminering, uppstår genom användandet av AI under rekryteringsprocessen? Syfte: Syftet med studien är att skapa en förståelse för hur AI-teknik påverkar diskriminering och fördomar under rekryteringsprocessen. Metod: För att besvara forskningsfrågan samt uppfylla syftet med studien genomfördes en kvalitativ metod. Kvalitativa och semistrukturerade intervjuer med fyra rekryterare och två programmerare genomfördes. Det empiriska materialet har analyserats tematiskt och redogjorts med koppling till den teoretiska referensramen. Slutsats: AI-teknik bidrar med möjligheten att minska förekomsten av diskriminering och fördomar under rekryteringsprocessen. Det som påverkar AI-teknikens lämplighet är hur dess algoritmer är programmerade. Framställningen av ett fördomsfritt AI-verktyg kräver att algoritmerna inte är baserade på historisk data samt att de inte tar hänsyn till aspekter som etnicitet, kön och ålder. Genom användandet av eftermätningar kan AI-teknikens förmåga att välja ut rätt kandidat, fördomsfritt och kompetensbaserat, ständigt preciseras och konkretiseras. AI-tekniken medför dessutom möjligheten att effektivisera tidskrävande processer och bidra till en likvärdig rekrytering. AI-teknikens utmaningar visade sig vara skepticism mot verktyget och att den ännu inte kan identifiera och bedöma sociala variabler som är av betydelse för vissa tjänster.

Photographs, documents and other types of digitised data from the cultural heritage are collected in central databases to be made available to the public. These databases are known as aggregators. The aggregated data often have different purpose and formats, since they are created to suit the purpose of an individual institution. Metadata is data describing other data and is used to streamline the search through the different stored object within the aggregators.If all the stored metadata uses the same decided standard the search among the objects is quick and efficient. It is a common problem within aggregators that the stored metadata is of a lacking quality. When the quality of the metadata is lacking the search among the objects within the aggregator is slow, difficult and timeconsuming. The search may even give faulty results. In some cases data can go lost within large collections of data if the metadata is incorrect or missing. The knowledge about digitalisation and the resources to perform it, are often lacking in eg. a museum. This can sometimes lead to errors in the metadata. In 2019 a modell within machinelearning was developed during a project with the purpose to identify errors in the metadata of the swedish cultural heritage board’s aggregator K-samsök. In this study the modells ability to identify errors been evaluated. This evaluation was used to answer the following question: How can good quality of metadata be maintained whithin a organisation with support from a modell whithin machinelearning? This research contributes to the academy by informing the academy that there is still a problem that the quality of metadata in aggregators is of lacking quality. The research also provides suggestions for solutions to the problem, which in turn can give rise to further research. These solution suggestions are also of value to the Swedish National Heritage Board, as the study has been conducted with a focus on their aggregator K-samsök. The machine learning models can also be further developed and implemented by the Swedish National Heritage Board, which means that the models can provide value in the form of a basis to start from when improving the quality of the metadata stored in K-samsök

Legitimacy is about meeting society's expectations and as we live in a society that is constantly changing, the perception of what is legitimate or not is also changing. The main purpose of an auditor in today's society is to review financial reports and guarantee their quality. In recent years, technological developments have changed the profession of auditors and previous research shows that digitalization has made it easier for the auditors as certain parts of the audit process have been automated. The purpose of the study was to examine how AI in audit firms will affect the legitimacy of auditors. The focus has been on the audit companies' working process and how the process is going to change with the help of AI, and finally how the auditors believe this will affect the legitimacy of the audit companies. Qualitative interviews have been used on auditors, to be able to get into the depth and obtain personal thoughts from the respondents. The results of the study show that the introduction of AI will have a positive impact on the audit process since it is assumed that standardized and time-consuming tasks will be automated. Furthermore, this means that auditors will be able to perform more accurate analyzes and get more time over to the customers, which means that the audit companies are assumed to be able to increase their legitimacy. Therefore, the conclusion is that AI will help audit companies with their legitimacy in the future.

En svårighet med att använda Artificiell Intelligens, är resurserna som krävs för att utföra beräkningarna under en acceptabel tidsram, men också med en bra träffsäkerhet. Målet med denna uppsats är att jämföra olika modeller av convolutional neural networks, mellan träffsäkerhet och hastighet, för att hitta den modell som är mest effektiv. Dessutom evalueras den mest effektiva modellen genom en webblösning, som kan markera bilder med text. Resultatet visar att varje modell har olika fördelar i hastighet och träffsäkerhet, men att VGG16 har nära till bäst resultat utan de problem som andra modeller har.

This paper addresses strong artificial intelligence (AI) and, if it is possible,if consciousness could be replicated. Focus lies on Searle's article Minds,brains and programs and David J. Chalmers's theory that consciousness can be replicated because it is as an organizational invariant. The purpose is to evaluate Searle's argument against strong AI in light of Chalmers theory that simulation is replication in terms of consciousness. My thesis is that Chalmers can show that simulation can be replication but not that it is enough to prove strong AI possible. My conclusion is that Searle's arguments against strong AI in the said article does not hold but Chalmers also cannot prove that consciousness can be replicated. However, Chalmers can prove that simulation and replication in some cases can be the same. If it would be possible for some type of semantic content to emerge from syntax, the path for strong AI is open. / Denna uppsats behandlar stark artificiell intelligens (AI) och, om det är möjligt, huruvida medvetande skulle kunna replikeras. Som utgångspunkt används Searles artikel Minds, brains and programs samt David J. Chalmersteori om att medvetande kan replikeras då det är en organisatorisk invariant. Syftet är att utvärdera Searles argument mot stark AI i ljus av Chalmers teori om att simulering är replikering när det gäller medvetande. Min tes är att Chalmers kan visa att simulering kan vara replikering men att det inte räcker till för att bevisa att stark AI är möjlig. Vad jag kommit fram till är att Searles argument mot stark AI i den nämnda artikeln inte håller men Chalmers kan inte heller bevisa att medvetande kan replikeras. Däremot kan Chalmers bevisa att simulering och replikering i vissa fall kan vara samma sak. Om det visar sig möjligt att någon typ av semantiskt innehåll kan uppkomma ur syntax är vägen för stark AI öppen.

Med en snabb förändring i dagens arbetsliv ställs det högre krav på organisationer att värna om de unika kompetenser, kunskaper och erfarenheter som finns hos dess medarbetare. För att kunna göra detta måste organisationer skapa förståelse för hur kunskap delas och således bygga en brygga som går från det individuella lärandet till det kollektiva. En byggsten som visat sig vara av stor vikt för att öka det kollektiva lärandet är känslan av psykologisk trygghet och vi har i den här studien valt att undersöka vilka faktorer som kan bidra till denna trygghet och i sin tur ett kollektivt lärande. Studien är skriven på uppdrag av Vasakronan där en kvalitativ metod har använts och där empirin har samlats in med hjälp av åtta semistrukturerade intervjuer. Resultatet visar på en komplexitet då en mängd faktorer är av betydelse för upplevelsen av psykologisk trygghet och då det individuella har en övervägande roll för lärandet. Trots att det inte finns ett färdigt recept visar resultatet på en bas av viktiga teman bestående av relationik, ledarskap och lärtillfällen vilka kan bidra till en större förståelse för hur vi ökar antalet kollektiva lärtillfällen. Åtgärder som bland annat framkommer som förbättringsförslag i studien är att våga experimentera med arbetssätt även om detta medför en högre risk för att fela. Övergripande studerad forskning för arbetet påvisar att möjligheten att begå misstag är en av de viktigaste komponenterna för att lära inom en organisation eftersom det i en accepterande kultur kan bidra till reflektion och utvinning av kunskap.

Forskare och teknologer talar om artificiell intelligens som en revolution lika omvälvande som industrialismen och investerare har skyhöga förväntningar. Detta medan det hos allmänheten finns både okunskap om och rädsla inför AI, även om AI redan i dag tillämpas inom områden som sjukvård och industri. Många tillämpningar innebär att människans livsmiljö behöver anpassas för att AI ska fungera. När ny teknologi växer fram saknar vi ofta uttryck att tala om den och AI är dessutom till stor del osynlig för blotta ögat. Allmänheten blir därför i stor utsträckning beroende av mediernas skildringar. Det ger medierna makt eftersom de får kontroll över de budskap som sprids om AI, vilket gör att de kan påverka våra tankar, känslor och handlingar. Syftet med studien har varit att utforska hur AI har konstruerats i medierna i en tid när varken AI eller diskurserna om AI har hittat sin slutgiltiga form, det vill säga låsts in. Vad säger vi egentligen om AI i form av diskurser, ramar och metaforer? Empirin består av 90 nyhetsartiklar om AI publicerade av TT Nyhetsbyrån från 1980-talet till mars 2020. TT Nyhetsbyrån har en unik plats som nyhetsförmedlare då de når ut till hela Sveriges befolkning och åtnjuter stort förtroende hos allmänheten. Studiens teoretiska ramverk består av tre teorier i samspel: diskursanalys, framingteori och metaforteori. Diskursanalys ser språket som en social handling, vilket innebär att diskurser om AI kan leda oss i en viss riktning. Framingteori studerar hur olika sätt att rama in ett ämne som AI styr hur vi uppfattar och tolkar det. Metaforer ses i studien som centrala tankestrukturer som påverkar hur vi uppfattar, känner och handlar kring AI. Metodval är kvalitativ analys utifrån den undersökningsmodell som konstruerades med det teoretiska ramverket som grund. Resultaten visar att inramningen av TT Nyhetsbyråns artiklar är övervägande positiv, där AI i majoriteten av artiklarna presenteras som ett verktyg med stora möjligheter, som bör utvecklas och tillämpas. Metaforer som förekommer tillskriver maskinen mänskliga egenskaper och motiv och framställer AI-tillämpningar som smarta, läskunniga, nyfikna med flera mänskliga förmågor. Det impliceras i flera artiklar att maskinen skulle ha ett intresse av att konkurrera med människan. En central slutsats är att det förekommer ett spänningsfält med två motsatta huvuddiskurser i empirin. Den ena beskriver AI som ett neutralt verktyg, den andra som en konkurrent till människan. Båda leder till bilden av AI som ett verktyg med stor potential. AI-intressenterna gynnas av spänningsfältet medan läsare missgynnas: de lämnas att själva dra slutsatser om AI:s egentliga fördelar och nackdelar. Andra slutsatser är att de metaforer som förekommer tillskriver AI mänskliga egenskaper och motiv, vilket skapar stora förväntningar. Metaforerna döljer att AI kan förekomma i andra former än som en människoliknande robot, former som inskränker människans livsutrymme. Inramningen har varierat något över tid och tecken finns på att diskurser har låsts in. I empirin finns en klar övervikt för vita män ur elitklassen, vilket gör att TT Nyhetsbyrån kan sägas reproducera existerande maktstrukturer. / According to scientists and technologists, Artificial Intelligence is as revolutionary as the Industrialisation, and investors have soaring expectations. At the same time there is ignorance and fear of AI among the public, even though AI is already being applied in areas such as healthcare and industry. Many applications mean that human life must be adapted to make AI work. As new technologies emerge, we often lack expressions to talk about them, and AI is also largely invisible to the naked eye. The public, therefore, is largely dependent on depictions in media. Newspapers and radio channels decide what messages are spread about AI, messages which influence our thoughts, feelings and actions. The aim of this study was to explore how AI has been constructed in the media at a time when neither AI nor the discourses of AI have found their final form. What do we really say about AI? This study investigates 90 news articles about AI published by TT Nyhetsbyrån from the 1980s to March 2020. TT Nyhetsbyrån has the ability to reach the entire population of Sweden and enjoy great public confidence. The study’s theoretical framework consists of three theories in interaction: discourse analysis, framing theory and metaphor theory. Discourse analysis sees language as a social act, which means that discourses about AI can influence our behaviour. Framing theory studies how different ways of framing a topic such as AI can determine how we perceive and interpret it. In this study, metaphors are defined as central thought structures that influence how we perceive, feel and act. A qualitative analysis was applied in the study, based on a model that was constructed using the theoretical framework. TT Nyhetsbyrån’s articles are found to be predominantly positive, where AI in the majority of articles is framed as a tool with great opportunities, that should be developed and applied. Metaphors ascribe human attributes and motives to the machine, such as smart, literate and curious. It is implied in several articles that the machine has an interest in competing with man. In TT Nyhetsbyrån’s articles two opposite main discourses are visible, creating a tension between the two. One describes AI as a neutral tool, the other as a competitor to humans. Both lead to the image of AI as a tool with great potential. AI stakeholders are favoured by this tension between discourses, while the public is disfavoured: the readers of TT Nyhetsbyrån’s articles are left to draw conclusions about the true advantages and disadvantages of AI. The metaphors in the articles attribute human traits and motives to AI, which creates high expectations. The metaphors hide that AI can exist in forms other than a human-like robot, forms that restrict human life. The framing has varied somewhat over time and there are signs that discourses have been locked in. Since a majority of the interviewees in the articles are white men of the elite class, TT Nyhetsbyrån can also be said to reproduce existing power structures.