Abstrakt Introduktion: Artificiell intelligens (AI) är ett forskningsfält som fått stor uppmärksamhet under de senaste åren. I dagsläget pågår stora utbildningssatsningar i flera nordiska länder för att kunna tillgodose arbetsmarknadens behov av personal med kompetenser och kunskaper inom området. Då röntgensjuksköterskors arbete utförs i en högteknologisk miljö förväntas de tekniska framstegen leda till förändringar av professionen. Syfte: Studiens syfte var att undersöka yrkesverksamma röntgensjuksköterskors uppfattningar om och attityder till användningen av AI-system. Metod: En enkätundersökning genomfördes i Finland, Norge och Sverige. Det var 110 röntgensjuksköterskor som deltog i studien. Datainsamlingen skedde under två veckor vid månadsskiftet september-oktober. Svaren analyserades och redovisades genom deskriptiv statistik. Resultat: Överlag fanns en positiv inställning till AI, de möjliga användningsområdena samt intresse för vidareutbildning. De flesta ansåg att patientkontakten inte skulle minska till följd av införandet. Deltagarnas uttryckte en stark önskan om att kunna förstå och kontrollera AI-system. Inställningen till användandet av AI-system var övervägande positiv oavsett kunskapsnivå. De som fått utbildning i ämnet var mer positiva till införandet än de utan utbildning. Slutsats: För att uppfylla verksamhetens specifika behov är det av vikt att röntgensjuksköterskor medverkar vid utvecklandet av nya system. Införandet kan underlättas av att ledningen utarbetar en strategi samt utser medarbetare som är ansvariga för implementeringen. Artificiell intelligens bör införas i röntgensjuksköterskans grundutbildning. För att få fördjupad kunskap om hur attityder och uppfattningar formats finns ett behov av vidare forskning med fokus på intervjustudier.

Artificiell intelligens inom kundtjänst blir allt vanligare med chatbottarnas framfart. Företagen använder sig allt mer av chatbottar för att hantera sina konsumenters ärenden vilket ställer höga krav på en bra implementation av ny teknik för att kunderna ska ta till sig denna. Tidigare forskninghar visat på att accepterandet av ny teknik i stor grad beror av den förväntade nyttan personen ser sig ha utav tekniken samt hur användarvänlig den är. När det gäller just chatbottar och system som hanterar personlig information bör det även finnas ett inslag av hur pass mycket personen litar på tekniken eller företagen bakom tekniken. Syftet med denna uppsats är att undersöka just hur tillit påverkar konsumenters acceptans av en ny teknik samt hur det påverkar deras syn på företagen som använder sig av tekniken. En enkät undersökning genomfördes för att mäta konsumenters tillit till företag gällande chatbottar samt för att undersöka om tillit kan ingå som en förklarande variabel i technology acceptance modellen. Resultaten visar på att tillit har en viss påverkan men att den förväntade nyttan och erbjudande om annan service med chatbottar som tillägg eller komplement är det som konsumenterna värnar mest om.

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.

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.

No description available.

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.