An architecture for actionbased planning and cooperation between multiple AI-agents based on the GOAP-architecture was developed together with a system to be used in advanced AI-courses at Linköping unversity. The architecture was implemented in this system to show the possibilities of our work.

Genetic algorithms is a method of optimization that can be used tosolve many different kinds of problems. This thesis focuses ondeveloping a framework for genetic algorithms that is capable ofsolving at least the two problems explored in the work. Otherproblems are supported by allowing user-made extensions.The purpose of this thesis is to explore the possibilities of geneticalgorithms for optimization problems and artificial intelligenceapplications.To test the framework two applications are developed that look attwo distinct problems, both of which aim at demonstrating differentparts. The first problem is the so called Travelling SalesmanProblem. The second problem is a kind of artificial life simulator,where two groups of creatures, designated predator and prey, aretrying to survive.The application for the Travelling Salesman Problem measures theperformance of the framework by solving such problems usingdifferent settings. The creature simulator on the other hand is apractical application of a different aspect of the framework, wherethe results are compared against predefined data. The purpose is tosee whether the framework can be used to create useful data forthe creatures.The work showed how important a detailed design is. When thework began on the demonstration applications, things were noticedthat needed changing inside the framework. This led to redesigningparts of the framework to support the missing details. A conclusionfrom this is that being more thorough in the planning, andconsidering the possible use cases could have helped avoid thissituation.The results from the simulations showed that the framework iscapable of solving the specified problems, but the performance isnot the best. The framework can be used to solve arbitrary problemsby user-created extensions quite easily.

I have in my thesis produced a start of a multiplayer, voxel, strategy sandbox game with advanced AI. The world is made out of voxels in the form of blocks that both the players and other units can affect and change. In a world where every block follows the laws of physics for both fluids and physics. The game is designed for several players that fights for controll over land and resources. / Jag har i mitt examensarbete producerat en början av ett flerspelar, voxel, strategi och sandlådespel med avancerad AI. Världen är uppbyggd av voxlar i form av block som både spelaren och andra enheter har möjlighet att påverka och förändra. En värld där varje block följer fysiska lagar för både vätska och fysik. Spelet är designat för flera spelare som strider om områden och resurser med hjälp av sina AI kontrollerade bybor.

Schack är ett spel som ofta används för att undersöka olika tekniker inom artificiell intelligens (AI). I det här arbetet ställs frågan om det går att utveckla en AI-agent vars beslutsfattande är baserat på tekniken Case-based Reasoning (CBR) med grundlig likhet som spelar bättre med fallbaser baserade på bättre experter. En AI-agent har utvecklats som spelat ett antal partier mot sig själv med olika fallbaser baserade på olika experter. Efter att ha undersökt resultatet visade de sig att AI-agenten spelar så dåligt att den nästan aldrig lyckades vinna oavsett fallbas, vilket gjorde att det inte gick att rangordna dem efter skicklighet. I framtida arbete är det intressant att undersöka andra likheter än grundlig likhet. Det är även av intresse att undersöka om en CBR-baserad schackspelande AI-agent kan spela schack med hög skicklighet.

Artificiell intelligens och maskininlärning i interaktiva system används allt mer och av allt fler. Det innebär nya utmaningar för god interaktionsdesign och användarvänlighet. I denna studie har en flerfallsstudie gjorts av fyra olika typer av sådana system. Flerfallsstudien har gjorts medelst intervjuer och en observationsstudie utefter en frågeställning utformad för att ta reda på vad som påverkar användarvänligheten i intelligenta interaktiva system. Empirin har analyserats kvalitativt med hjälp av ramverken PACT (People, Activities, Contexts, Technologies) med stöd av Normans 7 Designprinciper. Resultaten av studien ger nya perspektiv på hur människor interagerar med intelligenta system och visar att AI kan ha många positiva effekter för användarvänligheten i interaktiva system men också att det i en del situationer kan innebära stora utmaningar för teknologi och samhälle att göra intelligenta system användarvänliga.

Over the last few years, there has been a growing interest for social robots withhuman-like behavior and their application in healthcare and education. However,there are still plenty of issues that needs to be resolved. One of these challenges isto enable the social robots to fill its role effectively, by creating engagement. In this report the study, that was conducted at IBM Sweden, aims to understandhow IBM Watson can be utilized in the Pepper robot; to engage and supportchildren from the Ronald McDonald House in Uppsala. This is a place for childrenwith health problems and their families to live temporarily. Furthermore, supportivebehaviors are investigated since such behaviors are suggested to be important toincrease the engagement. An initial prototype that used Watson's natural languageprocessing and Pepper, was developed based on user requirements gatheredthrough interviews using a User Centered Design methodology. The prototype wasiteratively developed, and a final evaluation was conducted that examined both theperception of the robot as well as the engagement it created. The evaluation showed that the children wanted to interact with the robot again andhighlighted that they were highly engaged. They perceived the robot as a friend andthe supportive behaviors such as giving praise, responding quickly and maintainingeye contact were most important. The main support the children wanted were tohelp them feel less lonely and the conclusion of this study is that this is a suitablegoal for a robot system.

Samarbetspartnern som denna studie har gjorts för har som mål att konstruera en detektor för tågtrafiken som bygger på bildigenkänning och artificiell intelligens. Problemet är att de lösningar som finns idag är dyra, och därför är en förutsättning att den ska vara byggd med konsumentprodukter för att få ner kostnaden samt att den ska vara enkel att installera och underhålla. Flera ramverk för objektigenkänning existerar, men dessa bygger på olika metoder och tekniker. Studien har därför utförts som en fallstudie vars syfte har varit att jämföra två välanvända ramverk för objektigenkänning för att identifiera olika för- och nackdelar gällande noggrannhet och tidsåtgång vid träning och test med hjälp av dessa ramverk. Även vilka olika utmaningar som stötts på under tillvägagångssättet har lyfts fram. Studien sammanfattar sedan dessa för att skapa idéer och diskussion för hur dessa skulle kunna implementeras på den nya tågdetektorn. Ramverken som har jämförts är OpenCV och Google TensorFlow. Dessa bygger på olika objektigenkänningstekniker, i huvudsak kaskadklassificering och neurala nät. Ramverken testades med en datamängd på 400 bilder på olika tågfordon där hjulaxlarna användes som parameter för objektigenkänningen. Testerna bedömdes efter kriterier gällande noggrannhet, tidsåtgång för träning samt komplexitet för konfiguration och användning. Resultatet visade att OpenCV hade en snabb träningsprocess, men visade låg precision och en mer komplex konfigurerings- och användningsprocess. TensorFlow hade en långsammare träningsprocess, men visade istället bättre precision och en mindre komplex konfigurering. Slutsatsen av studien är att TensorFlow visade bäst resultat och har mest potential att användas i den nya tågdetektorn. Detta baseras på studiens resultat samt att den bygger på modernare tekniker med neurala nät för objektigenkänning. / The research in this thesis is conducted with the partners aim to construct a new train detection system that uses image recognition and artificial intelligence. Detectors like these that exists today are expensive, so the construction is going to be based around the use of consumer electronics to lower the cost and simplify installation and maintenance. Several frameworks for object detection are available, but they use different approaches and methods. This thesis is therefore carried out as a case study that compares two widely used frameworks for image recognition tasks. The purpose is to identify advantages and disadvantages regarding training and testing when using these frameworks. Also highlighted is different challenges encountered in the process. The summary of the results is used to form ideas and a discussion about how to implement a framework in the new detection system. The frameworks compared in this study are OpenCV and Google TensorFlow. These frameworks use different methods for object detection, mainly cascade classifiers and convolutional neural nets. The frameworks were tested using a dataset of 400 images on different trains where the wheel-axles were used as the object of interest. The results were analyzed based on criteria regarding precision, total training time and also complexity regarding configuration and usage. The results showed that OpenCV had a faster training process but had low precision and more complex configuration. TensorFlow had a much longer training process but had better precision and less complex configuration. The conclusion of the study is that TensorFlow overall showed the best result and has a better potential for implementation in the new detection system. This is based on the results from the study, but also that the framework is developed with a more modern approach using convolutional neural nets for bject detection.

Det finns en utvecklingsriktning inom sjöfartsbranschen mot autonoma fartyg. Hur stor andel av alla fartyg som kommer vara autonoma vet man inte i dagsläget. Utgångspunkten för studien var att det kommer bli en blandning mellan autonoma och bemannade fartyg ute till havs. Studien ville ta reda på hur aktiva sjöbefäl skulle förhålla sig om de möter ett autonomt fartyg med utgångspunkt från dagens sjövägsregler. Vidare skulle studien undersöka om respondenterna ansåg att reglerna måste anpassas för autonoma fartyg. En kvalitativ metod valdes och genomfördes med standardiserade frågor. Slutsatsen är att sjövägsreglerna är komplexa på grund av dess uppbyggnad. Det går att bryta mot bestämmelserna, men samtidigt är det möjligt att följa dem. Bakgrunden till respondenternas resonemang går att hitta i tidigare forskning där det finns ett samband mellan människa och maskin. Om människan har begränsad information om ett system desto lägre förtroende har människan för det systemet. Efter alla intervjuer kom det fram att respondenterna är för en ändring av sjövägsreglerna. Den regeländringen som var mest uppenbar, var en ändring av definitionerna på grund av att de vill ha information om att det fartyg det möter är autonomt. / There is a direction of development in the shipping industry towards autonomous vessels. How many autonomous vessels there will be at sea is currently unknown. The idea for the study was that it will be a mix between autonomous and manned vessels at sea. The study wanted to find out how active maritime officers would act if they met an autonomous vessel based on today’s regulations for preventing collisions at sea (Colregs). Furthermore, the study would investigate whether respondents felt that the rules had to be reformed for autonomous vessels. A qualitative method was selected and implemented with standardized questions. The conclusion was that the sea route rules are complex due to its structure. It is possible to violate the rules, but at the same time it is possible to follow them. The background to the respondent’s thoughts can be found in previous research where there is a connection between man and machine. If the person has limited information about a system, the less trust the person has for that system. After all the interviews were done it was revealed that the respondents agreed for a change in the Colregs. The most obvious rule change was a change in the definitions because they wanted information that the ship it encountered was autonomous.

Research in the area of artificial intelligence (AI) in marketing mainly consists of increasing value for retailers or ethical issues related to consumers, in contrast, academic research regarding consumers perception of AI in marketing is vague at best. This research explores the perception of machine-generated advertising campaigns and how these campaigns are experienced by consumers. This research aims to explore the uncharted phenomenon of consumer perception related to receiving and evaluating advertisements through short message services and emails. An exploratory research question was used and formulated as: What are the perceptions of machine-generated advertisements among consumers. In order to answer the research question, two sub-questions were used as follows; what themes constitute the consumers’ perception of machine-generated advertisements and what is the consumers’ discernment ability of machine-generated advertisements. Using a mixed-method approach, this research gathered data conducting interviews that resulted in themes describing consumers' perception and an online questionnaire that was used in a univariate analysis, showing the consumer's discernment ability. Additionally, z-tests were conducted to increase the coverage of the discernment ability between different sample groups. The study concludes a descriptive theory for consumer perception of intelligent marketing campaigns and shows that consumers have a low distinguishing ability between machine and human made advertisements. This research concludes that further research is needed as the result of this study merely scratches the surface of a complex phenomenon. The results can however, be used as a springboard for further research on the topic as more comprehensive understanding is still achievable. / Forskning om AI i marknadsföring består huvudsakligen av att öka värdet för återförsäljare eller etiska frågor relaterade till konsumenter, däremot är akademisk forskning om konsumenternas uppfattning om AI i marknadsföring i bästa fall vag. I denna uppsats utforskas uppfattningen om maskin genererade reklamkampanjer och hur konsumenterna upplever dessa kampanjer. Denna forskning syftar till att börja utforska det okända fenomenet konsument uppfattning relaterat till att ta emot och utvärdera annonser genom sms-tjänster och e-postmeddelanden. En utforskande forskningsfråga användes och formulerades enligt följande; Vilka uppfattningar har konsumenter om maskin-genererade reklamkampanjer. För att besvara forskningsfrågan användes två delfrågor enligt följande; vilka teman bygger upp konsumentens uppfattning av maskin genererade reklamkampanjer och vilken särskiljningsförmåga har konsumenter mot maskin genererade reklamkampanjer. Med hjälp av en mixad metod samlade denna forskning in data genom intervjuer som resulterade i teman som beskriver konsumenternas uppfattning och en enkät som underlag för en univariat analys som visar konsumentens urskiljningsförmåga. Ytterligare genomfördes z-tester för att belysa täckningen av särskiljningsförmågan mellan olika provgrupper. Studien avslutas med en beskrivande teori för konsumenternas uppfattning om intelligenta marknadsföringskampanjer och visar att konsumenterna har låg urskiljningsförmåga mellan maskin och mänskligt skapade annonser. Denna forskning drar slutsatsen att ytterligare forskning behövs eftersom resultatet av denna studie bara skrapar på ytan av ett komplext fenomen. Resultaten kan användas som en språngbräda för vidare forskning om ämnet eftersom mer omfattande förståelse fortfarande kan uppnås.

Denna rapport beskriver utvecklingen av ett grafiskt gränssnitt för utvärderingsverktygetHanabi Challenge Benchmark. Utvärderingsverktyget grundar sig på det populärakortspelet Hanabi och presenterar sig själv som en ny riktlinje för forskningav artificiell intelligens med fokus på multi-agentbaserade kooperativa utmaningar.Syftet och målet med projektet är att analysera, tolka och visualisera datat frånverktyget för att skapa en bättre förståelse av verktyget.Ett grafiskt gränssnitt utvecklas sedan genom att använda kunskaper inom theoryof mind i kombination med teorier inom människa-datorinteraktion. Resultatenav detta projekt utvärderas genom ett småskaligt användarbarhetstest. Användareav olika åldrar, kön och nivåer av datorkunskap testade applikationen och ficksedan svara på en enkät. Resultatet av enkäten gjorde grund för utvärderingen avkvaliteten för det grafiska gränsnittet. / This report will describe the development of the Graphical User Interface (GUI) forthe Hanabi Challenge Benchmark. The benchmark is based on the popular cardgame Hanabi and presents itself as a new research frontier in artificial intelligencefor cooperative multi-agent challenges. The project’s intentions and goals are tointerpret and visualize the data output from the benchmark to give us a better understandingof it.A GUI was then developed by using knowledge within theory of mind in combinationwith theories within human-computer interaction. The results of this project wereevaluated through a small-scale usability test. Users of different ages, gender andlevels of computer knowledge tested the application and through a questionnaire,the quality of the GUI was assessed.