Syftet med studien är att undersöka systemutvecklingsstudenters användning av artificiell intelligens (AI) i deras studier. Undersökningen strävar efter att förstå hur och på vilket sätt artificiell intelligens integreras i programmeringsstudier och dess effekter på studenters inlärning, kodförståelse, och motivation, samt ifall behovet av social interaktion i programmeringsstudierna har förändrats till följd av AI. Studien genomfördes vid Malmö Universitet och följde systemutvecklingsstudenter som använde AI-verktyg som GitHub Copilot och Tabnine. Metoderna inkluderade både intervjuer och enkäter för att samla in data om studenternas erfarenheter och preferenser. Data jämfördes sedan med tidigare forskning och teorier inom relevanta områden. Resultaten visade att majoriteten av studenterna använde AI-verktyg främst för felsökning, vilket stämmer överens med tidigare forskning. Erfarenhetsnivån hos studenterna påverkade deras användning av AI-verktygen; mer erfarna programmerare kunde dra större nytta av AI-verktyg specialiserade för programmering. Studenterna uppvisade olika reaktioner på AI-verktygen, från ökad motivation och produktivitet till oro över att bli utbytbara på arbetsmarknaden. Diskussionen framhävde vikten av att balansera AI-användningen för att främja både inlärning och motivation hos studenterna. / The purpose of the study is to investigate students studying computer systems development and their use of artificial intelligence (AI) in their studies. The research aims to understand how and in what ways artificial intelligence is integrated into programming studies and its effects on students' learning, code comprehension, and motivation, as well as whether the need for social interaction in programming studies has changed as a result of AI. The study was conducted at Malmö University and followed computer systems development students who used AI tools such as GitHub Copilot and Tabnine. The methods included both interviews and surveys to gather data on the students' experiences and preferences. The data was then compared with previous research and theories in relevant fields. The results showed that the majority of students used AI tools primarily for debugging, which is consistent with previous research. The students' level of experience affected their use of AI tools; experienced programmers were able to benefit more from programming specific AI tools. Students exhibited various reactions to the AI tools, ranging from increased motivation and productivity to concerns about becoming replaceable in the job market. The discussion highlighted the importance of balancing AI use to promote both learning and motivation among students.

En framtid där datorer kan tänka, är smartare än människor och tar över världen har framställts i många olika science fiction-filmer. Samtidigt finns det en stor fascination för den tekniska utvecklingen och de många fördelar som den medför. Det snabbt växande tekniska området artificiell intelligens (AI), som närmast beskrivs som mjukvara som kan tänka och lösa komplexa problem likt oss människor, har därför bemötts med en skräckblandad förtjusning. Framförallt finns det en oro för hur den tekniska utvecklingen, särskilt AI, respekterar de grundläggande rättigheterna, varav kommission år 2021 gav ut ett förslag till förordning med harmoniserade regler för artificiell intelligens (AI-förordningen). I förslaget till AI-förordning fastställs skyldigheter för leverantörer av AI-system som klassificeras som högrisksystem. Därutöver innehåller förordningen ett förbud för AI-system där risken för kränkning av de grundläggande rättigheterna bedöms som oacceptabelt hög. De skyldigheter som AI-förordningen ålägger leverantörer av AI-system med hög risk är både kostsamma och administrativt betungande. För att uppnå de omfattande kraven i förordningen kommer leverantörer som utvecklar och använder AI behöva anpassa en stor del av verksamheten. Det innebär en direkt begränsning av näringsfriheten. Kärnan i näringsfriheten, som återfinns i både EU:s stadga för de grundläggande rättigheterna och i nationell rätt, är att näringsverksamheter ska få drivas på valfritt sätt utan statens inblandning. Men näringsfriheten kan även betraktas utifrån ett vidgat perspektiv där rätten att konkurrera och utvecklas på lika villkor ingår. Förutom den inskärning som förordningen gör på näringsverksamheters individuella rättigheter riskerar den att hämma både konkurrens- och innovationskraften på marknaden. Kommissionen menar att denna begränsning av näringsfriheten är proportionerlig i förhållande till förordningens syfte. Men det finns många delar av förordningen som kan diskuteras och ifrågasättas. I själva verket kan förslaget till AI-förordning snarare beskrivas som en rädsla för den tekniska utvecklingen än en berättigad begränsning av näringsfriheten. / A future where computers can think, outsmart humans and take over the world has been portrayed in many science fiction movies. At the same time, there is a growing fascination for technical advantages and the endless possibilities it can bring. The rapidly expanding area of artificial intelligence (AI), software that can take intelligent decisions and solve complex problems similar to humans, has therefore been met with a mix of excitement and concern. A prominent concern raised in recent years has been regarding how the technical development, especially the application of artificial intelligence, respects the fundamental rights. As a result, the Commission published a proposal with harmonized rules on artificial intelligence (AI-act) in 2021. The AI-act contains a set of requirements for providers of AI systems classified with high risk of violating the fundamental rights. In addition, some AI systems which are considered to have an unacceptable risk of violating the fundamental rights, are prohibited. The proposed obligations imposed on providers of high-risk AI systems are both expensive and administratively burdensome. In order to fulfill the comprehensive requirements, providers of systems utilizing artificial intelligence are forced to make extensive adaptions to their business. This is a direct restriction on the freedom to conduct business. The core of the freedom to conduct business, stipulated in The Charter on Fundamental Rights of the European Union as well as in national law, is the right to conduct a business in any way, without the intervention of the state. Furthermore, the freedom to conduct business can be interpreted through a broader perspective, including the right to compete and innovate in a fair market on equal terms. In addition to the restriction on the individual rights of businesses, the AI-act risks limiting the competition and innovation in the market.  The Commission considers the restriction of the freedom to conduct business proportionate in regard to the purpose of the regulation. But there are many parts of the regulation that can be discussed and questioned. In fact, the proposal to the AI-act can be described as an unjustified fear of the technical evolution, rather than a justified restriction on the freedom to conduct business.

Automation could help organizations make work processes more efficient. The automatization could be seen as a digital co-worker and it is done by robotic process automatization (RPA) or artificial intelligence (AI). There is an ongoing debate about the effect of implementation of automatization. Should the effect be seen as a threat or a possibility for organizations and employees? This study examines how organizations are working or should work with automatization and what automatization requires from the organization. Moreover, this study explores automatization in organizations by studying academic books and articles about digitalization and change management. Articles and books are researched in three focus areas. The focus areas are: Goalsetting and effects, Attitude and Communication. In the empirical observation this study presents the findings from four Swedish organizations from different industries based on the focus areas. This study concludes that the work with automatization varies between the researched organizations. All four organizations were in the beginning of setting up automatization and had a vision to automate more processes. It is essential to start automatizing a small process instead of a large process or many at the same time. Also, it is necessary to map out work processes before automatization can be considered, since automatization requires distinct explanation of a process. Automatization should be managed by a business department and not from an IT-department. However, good collaboration between the two departments is vital. Furthermore, the effects, now and further on, of automatization should be communicated to the employees by their manager. Employees should be involved as change agents to help communicate the considered change to their colleagues. No resistance to change was found in any of the four organizations, instead scepticism was found more relevant in changes caused by automatization.

The purpose of this study was to look closely at digitalization and the phenomenon of artificial intelligence and how it was implemented into the Swedish banking sector. The focus was on what constitutes digitalization and artificial intelligence and what impact it has had on risks and customer satisfaction among Sweden's four largest banks. The authors chose a triangular research method in order to answer the three main issues that the study intended to investigate. In order to conduct interviews, contact with potential interview objects was taken as a first step in order to then prioritize the interviewees who had a higher level of expertise and knowledge of the study's research subject. This instead of the quantity in the number of interview objects. This is to collect a more credible and relevant data for the empirical part of the thesis. The study showed that the consensus of the respondents at an early stage agreed that the implementation of AI was based on a curiosity to explore this new technology. Furthermore, it also showed that this process went from being quite standardized to a more non-linear process where each individual bank formed it’s own system best suited to their needs and customers. In order to prove the qualitative study, the authors have, through a quantitative part, tried to examine the variables of profitability, customer satisfaction and risk since the implementation of the AI/digitization took place to see if there was any form of connection. The results of the study show strong links wit how the profitability, customer satisfaction, risks and artificial intelligence/digitalisation belong in the banking sector. Furthermore, the research found that the implementation of AI has been a necessity for the banks' continued development and survival.

Background: One of the most growing areas of the Internet is E-commerce, which gave consumers a flexibility that was not previously available. The advantages of digital commerce are many, where both companies and consumers can use the technology's possibilities. However, a problem area in the E-commerce area is the number of products and the consumers' difficulties finding what is demanded. One of the techniques used to solve the problem is Artificial Intelligence. Within the artificial intelligence there is the sub-area Machine learning. The basis of the technology is to teach a computer to perform specific tasks better and better over time. To implement machine learning, artificial neural network used, which this study is based on. Problem statements: In this research, machine learning will be tested to see if the technology can be used to increase the conversion rate in E-commerce. The study will also be supplemented with knowledge about the opportunities and challenges that a future implementation could bring. The questions to be answered are: - How can product searches based on machine learning be used to increase the conversion rate in E-commerce? - What are the most common opportunities and challenges associated with machine learning in E-commerce? Purpose: The study's purpose is to make it easier for consumers when it comes to finding the right products and to increase the knowledge base of machine learning in E- commerce. Results: The study concluded that search engines based on Machine Learning can be used to increase the conversion rate. The opportunities that were found were improved business strategies, more personalized approaches and increased revenue. The challenges that were discovered were resource shortages, data quality and lack of project management. / Bakgrund: Ett av de mest växande områdena på internet är E-handel, som gett konsumenter en flexibilitet som inte tidigare fanns. Fördelarna med den digitala handeln är många, där både företag och konsumenter kan nyttja teknikens möjligheter. Ett problemområde inom E-handeln är dock mängden produkter och konsumenters svårigheter att finna det som efterfrågas. En av de tekniker som används för att lösa problematiken är Artificiell Intelligens. Ett delområde inom den artificiella intelligensen är maskininlärning. Grunden bakom tekniken handlar om att lära upp en dator för att utföra specifika uppgifter bättre och bättre över tid. En metod som används för att implementera maskininlärning är artificiella neurala nätverk som används i denna studie. Frågeställning: I denna forskning kommer maskininlärning att testas för att se om tekniken kan användas för att öka konverteringsgraden inom E-handel. Studien skall även kompletteras med kunskap kring de möjligheter och utmaningar som medföljer en framtida implementation. De frågor som därmed skall besvaras är: - Hur kan produktsök som baseras på maskininlärning användas för att öka konverterings- graden inom E-handel? - Vilka är de vanligast förekommande möjligheterna och utmaningarna med maskininlärning inom E-handel?’ Syfte: Studiens syfte är att underlätta för konsumenter när det kommer till att hitta rätt produkter samt för att öka kunskapsbanken gällande maskininlärning inom E-handeln. Resultat: Studien resulterade i att sökmotorer som baseras på maskininlärning kan användas för att öka konverteringsgraden. Studien pekade även på fördelar gällande förbättrade affärsstrategier, personligare bemötande och ökade intäkter. De utmaningar som upptäcktes var resursbrist, datakvalité samt bristande projektledning.

Intresset för elkvalitet har ökat då elektrisk utrustning, såsom omriktare, numera ger upphov till mer störningar. Elektrisk utrustning har också blivit mer känslig mot störningar samtidigt som industrier har blivit mindre toleranta mot produktionsstörningar. Traditionellt har felhantering i elnät skett när problemet redan uppstått och utgått från historiska data. Metrum har dock genom sin applikation PQ4Cast introducerat mönsterigenkänning för att prognosticera elkvalitetsparametrar samt aktiv effekt och i och med det bidra till ett proaktivt underhåll. Applikationen skapar en prognos för kommande vecka utifrån data för de senaste veckorna, under utveckling är även en funktion för trendanalys av bland annat effektförbrukning och spänningsnivå. Syftet med implementeringen av PQ4Cast är att få en högre tillgänglighet och minimera kostnader för underhåll och oplanerade avbrott. Ett andra syfte är att skapa ökad kontroll över variationer i effektuttag. Målet med detta examensarbete är att avgöra vilka avvikelser som är viktiga för Sandvik att ha kontroll över, ta fram metoder för att utvärdera applikationens funktionalitet samt ge underlag till hur prognoser från applikationen bör hanteras. Utöver det ska även nyttan med funktionen för trendanalys avgöras. Sandvik ser störst nytta med att få kontroll över framtida värden för aktiv effekt, reaktiv effekt samt variationer i spänningens effektivvärde. Av dessa borde variationer i aktiv samt reaktiv effekt vara mest lämpad för PQ4Cast att identifiera. För undersökning av överensstämmelse mellan prognos och verkligt utfall rekommenderas användning av korrelationskoefficient, determinationskoefficient samt signifikansnivå på fem procent. Användning av MAPE, Mean Absolute Percentage Error, rekommenderas också att användas för att kvantifiera prognosfelet. Vid god överensstämmelse rekommenderas prognoserna för aktiv effekt från PQ4Cast användas för veckoprognos till elhandelsbolaget Statkraft i kombination med temperaturprognos samt prognos över produktion kommande veckan. Trendanalysfunktionen visar ett medelfel med några procent för den aktiva effekten. Ytterligare undersökningar av funktionen rekommenderas och vid god överensstämmelse rekommenderas denna användas som grund för prognoser som ges till Statkraft samt används som grund för nytt effektavtal med Vattenfall i kombination med produktionsprognos. För analys av trend för spänningens effektivvärde är avvikelsen från prognosvärdet endast några tiondels procent och här rekommenderas fortsatta undersökningar och då specifikt vid del i nätet där installation av solcellsanläggning planeras. Applikationen PQ4Cast samt trendanalysfunktionen förväntas kunna leda till ekonomiska fördelar i form av minskade kostnader för inköp av el samt minskade elnätsavgifter och även betydande besparingar om störningar som kan leda till avbrott kan upptäckas i tid och avstyras. Kortvariga störningar, såsom spänningsdippar, är dock svåra för PQ4Cast att upptäcka i dagsläget. / Interest in power quality has increased as electrical equipment, such as inverters, nowadays emits more disturbances. Electrical equipment has also become less tolerant to disturbances, while industries have become less tolerant to disturbances in the production. Traditionally, fault diagnosis and handling have been performed when the fault has already arisen and has been based on historical data. Through its application PQ4Cast, Metrum have introduced pattern recognition to forecast power quality parameters and active power, and thereby contribute to proactive maintenance. The application creates a forecast for the coming week based on data for the last few weeks. Under development is also a function for trend analysis of, among other things, power consumption and voltage level. The objective with the implementation of PQ4Cast is to achieve higher availability and minimize costs for maintenance and unplanned interruptions. A second objective is to increase the control over variations in power consumption. The aim of this thesis is to determine which deviations are important for Sandvik, develop methods for evaluating the application’s functionality and provide a basis for how forecasts from the application should be managed. The aim is also to determine the usefulness of the trend analysis function. For Sandvik, the greatest benefit is seen in gaining control over future values for active power, reactive power and variations in the RMS value of the voltage. Of these, variations in active and reactive power should be most suitable for PQ4Cast to identify. For examination of the conformity between prognosis and actual outcome, the use of correlation coefficient, determination coefficient and significance level of five percent is recommended. Use of MAPE, Mean Absolute Percentage Error, is also recommended to quantify the forecast error. In the event of good conformity, the forecasts for active power from PQ4Cast are recommended for weekly forecasts to the electricity trading company, Statkraft, in combination with temperature forecasts and forecasts of production following week. The trend analysis function shows MAPE at a few percent for the active effect. Further investigations of the function are recommended and in case of good conformity, the prognosis is recommended as the basis for forecasts given to Statkraft and as the basis for new power agreements with Vattenfall in combination with production forecast. For analysis of the trend for the voltage's RMS value, the deviation from the forecasted value is only a few tenths of a percentage. Here further studies are recommended and then specifically at area in the grid where installation of solar power is planned. The application PQ4Cast and the trend analysis function are expected to lead to economic benefits, such as reduced costs for purchase of electricity, reduced electricity grid charges and significant savings if disturbances that may lead to interruptions can be detected and prevented. Disturbances of short duration, such as voltage dips, are however hard to detect with the current setup of the application.

Användningen av artificiell intelligens (AI) har tredubblats på ett år och och anses av vissa vara det viktigaste paradigmskiftet i teknikhistorien. Den rådande AI-kapplöpningen riskerar att underminera frågor om etik och hållbarhet, vilket kan ge förödande konsekvenser. Artificiell intelligens har i flera fall visat sig avbilda, och till och med förstärka, befintliga snedvridningar i samhället i form av fördomar och värderingar. Detta fenomen kallas algoritmisk snedvridning (algorithmic bias). Denna studie syftar till att formulera ett ramverk för att minimera risken att algoritmisk snedvridning uppstår i AI-projekt och att anpassa det efter ett medelstort konsultbolag. Studiens första del är en litteraturstudie på snedvridningar - både ur ett kognitivt och ur ett algoritmiskt perspektiv. Den andra delen är en undersökning av existerande rekommendationer från EU, AI Sustainability Center, Google och Facebook. Den tredje och sista delen består av ett empiriskt bidrag i form av en kvalitativ intervjustudie, som har använts för att justera ett initialt ramverk i en iterativ process. / In the use of the third generation Artificial Intelligence (AI) for the development of products and services, there are many hidden risks that may be difficult to detect at an early stage. One of the risks with the use of machine learning algorithms is algorithmic bias which, in simplified terms, means that implicit prejudices and values are comprised in the implementation of AI. A well-known case is Google’s image recognition algorithm, which identified black people as gorillas. The purpose of this master thesis is to create a framework with the aim to minimise the risk of algorithmic bias in AI development projects. To succeed with this task, the project has been divided into three parts. The first part is a literature study of the phenomenon bias, both from a human perspective as well as from an algorithmic bias perspective. The second part is an investigation of existing frameworks and recommendations published by Facebook, Google, AI Sustainability Center and the EU. The third part consists in an empirical contribution in the form of a qualitative interview study which has been used to create and adapt an initial general framework. The framework was created using an iterative methodology where two whole iterations were performed. The first version of the framework was created using insights from the literature studies as well as from existing recommendations. To validate the first version, the framework was presented for one of Cybercom’s customers in the private sector, who also got the possibility to ask questions and give feedback regarding the framework. The second version of the framework was created using results from the qualitative interview studies with machine learning experts at Cybercom. As a validation of the applicability of the framework on real projects and customers, a second qualitative interview study was performed together with Sida - one of Cybercom’s customers in the public sector. Since the framework was formed in a circular process, the second version of the framework should not be treated as constant or complete. The interview study at Sida is considered the beginning of a third iteration, which in future studies could be further developed.

Bakgrund: Artificiell Intelligens (AI) kommer in i vårt samhälle och våra hem i allt större utsträckning. Inom sjukvården och radiologin kan AI utgöra ett hjälpmedel för både radiologer och röntgensjuksköterskor i deras profession. Forskning om AI fortsätter med oförminskad kraft för att finna allt bättre och mer funktionsdugliga algoritmer som kan anta den utmaningen. Syfte: Syftet med denna litteraturstudie är att sammanställa vid vilka modaliteter AI används som stöd. Metod: Studien utfördes som en allmän litteraturstudie vilket genererade femton artiklar som kvalitetsgranskades och kategoriserades efter analys. Resultat: Beroende på tidpunkt när artiklarna var skrivna varierade metoderna hur träning av AI genomfördes. Det varierade även hur bilderna skulle förbearbetats inför träning. Bilderna måste genomgå brusreducering och segmentering för att AI ska kunna klassificera den sjukliga förändringen. Den processen underlättades i senare versioner av AI där alla dessa moment utfördes på en och samma gång. Slutsats: Stora förändringar kommer att ske inom radiologin och förändringarna kommer sannolikt att påverka alla på en röntgenavdelning. Författarna kan se att utvecklingen bara börjat och forskningen måste fortgå många år framöver. / Background: Artificial Intelligence (AI) increasingly comes in to our society and homes. In the field of medical care and radiology, AI will provide an aid for radiologists and radiographers in their professions. Research on AI continues in finding better and more functional algorithms which can achieve that. Purpose: The purpose of this literature study is to compile facts about modalities using artificial intelligence as support. Method: The study was conducted as a general literature study, which generated fifteen articles that were quality-reviewed and categorized after analysis. Result: Depending on the date when the articles were written the methods varied concerning how training of AI was performed. It also varied how the images were pre-processed before training. The images need to be processed by noise reduction and segmentation for AI in order to be able to classify the pathological change. That process was facilitated in later versions of AI where all these steps were performed at the same time. Conclusion: Major changes may occur in radiology and the changes are likely to affect everyone in an X-ray ward. The authors can see that the development has just begun and research has to continue for many years to come.

Abstrakt Författare:Karolina Linse & Andréa Elovsson Handledare:Jasmina Beharic Examinator:Hans Wessblad   Titel:  Artificiell intelligens & Musikskapande organisationer   Bakgrund och problemredogörelse:  Digitaliserings utveckling och förändring då artificiell intelligens kan bli en del av den musikskapande processen, och påverka musikskapande organisationer.   Syfte:  Syftet för studien är att kartlägga organisationsförändring inom ämnet musikskapande i relation till ny teknik.Målet blir därmed att visa på vilka sätt en sådan förändring kan påverka och just nu påverkar berörda organisationer   Metod:  Studien har haft ett induktivt ställningstagande och kvalitativa intervjuer har genomförts för att sedan analysa det insamlade empiriska materialet, för att kartlägga mönster av förändring i de musikskapande organisationerna.    Slutsats:  Studien kartlade att artificiell intelligens förändrar musikskapande organisationer som ett nytt musikverktyg för effektivisering.   Nyckelord: Artificiell intelligens, AI, Musikskapande organisationer, Digitala revolutionen, Organisationer, Förändring, Effektivitet / Abstract     Authors:Karolina Linse & Andréa Elovsson Supervisor:Jasmina Beharic  Examiner:Hans Wessblad    Title:  Artificial intelligence & music creating organizations    Background and problem statement:  The development of digitalization and transformation if artificial intelligence will become part of the music creation process and affect music-creating organizations.    Purpose:  The purpose of the study is to map the general change that happened when new technology, in correlation with music creation is integrated in a music creating organization. The goal is to see how the change can affect the music creating organizations.    Method:  The study has had an inductive stance and qualitative interviews have been carried out to then analyze the collected empirical material, to map patterns of change in the music-creating organizations.   Conclusion:  The study mapped out that artificial intelligence changes music-creating organizations as a new music tool for efficiency.   Key words:  Artificiell intelligens, AI, Music-creating organizations, The digital revolution, Organizations, Transformation, Efficiency

Artificiell intelligens blir allt mer vanligt inom fler och fler områden. Ett område där tekniken är relativt ny är inom kreativa processer och kreativa områden. Detta arbete är en kvalitativ studie av explorativ karaktär, som undersöker hur AI kan användas inom dessa kreativa processer samt vilka möjligheter och utmaningar som uppkommer av det. Tre intervjuer har genomförts med personer som har god och aktuell kunskap inom ämnet. Det insamlade materialet har sedan analyserats med den kreativa processen som ramverk. Resultatet visar att AI i vissa steg av processen kan användas, dels för att underlätta men också för att effektivisera densamma. I andra steg har utvecklingen av AI inte kommit tillräckligt långt för att bidra med något värde eller erbjuda någonting som utvecklar eller gör processen lättare. Vidare har resultatet visat att inställningen till användandet kan bli en avgörande faktor för fortsatt utveckling och användning, men även att möjligheterna är fler än utmaningarna.