Med framfarten av artificiell intelligens ökar behovet på att säkerställa bruk över längre tid vilket lyfter frågor om dess etik och sociala hållbarhet. Jordbruket är en av de branscher där implementeringen av AI redan tagit fart och spås spela en ännu större roll i framtiden med löften om att lösa de utmaningar jordbruket står inför. Ökad efterfrågan på livsmedel, osäker produktion för jordbrukare och klimatutmaningar kan alla adresseras genom artificiell intelligens med lösningar som garanterar stabilare och mer förutsägbara skördar på ett mer sparsamt och miljövänligt sätt. Denna uppsats syftar att undersöka hur svenska AI-företag förhåller sig till ett sammansatt ramverk baserat på arbeten från AISC och AI4People för att se hur de förhåller sig till kriterier på social hållbarhet och förstå deras utmaningar. Intervjuer utförs med människor aktiva inom branschen för att ta reda på deras erfarenheter med arbetet. Detta analyseras sedan utifrån varje kriterium i ramverket utifrån tidigare relevant litteratur. Studien finner att den AI som används inom det svenska jordbruket idag i stora drag lever upp till de kriterier som ställs i ramverket och att många av de utmaningar och hinder som lyfts mot ökad transparens och objektivitet adresseras genom EU:s nya lagar för AI. Om lagverket träder i kraft skulle det kunna leda till en mer socialt hållbar AI inom det svenska jordbruket. / With the expanded use of artificial intelligence, the need to secure its use over a longer time horizon increases, which raises questions about ethical and social sustainability. Agriculture is one of the sectors where implementation already has taken off and is predicted to play an even bigger role in the future with promises to solve the challenges agriculture as a societal pillar is faced with. The increase in demand, uncertain production for farmers and climate changes can all be adressed through the use of artificial intelligence with solutions that guarantee more stable and predictable harvests in a more economical and ecologically friendly manner. This study aims to investigate how swedish companies working with AI relate to a unified framework based on the works of AISC and AI4People to see how they relate to the criteria for social sustainability and understand their challenges. Interviews are done with people active in the sector to examine their experiences with their work. This data is then analized in connection to each criteria posed by the framework in the light of existing litterature on the topic. The findings show that AI used in swedish agriculture today by large live up to the criteria posed by the framework and that many of the challenges for further transparency and objectivity are adressed through the new laws regarding AI proposed by the EU. If the proposal will become law it could lead to a more socially sustainable AI in swedish agriculture.

Introduction. Artificial intelligence is growing in society at large and within libraries specifically. There are both positive and negative consequences of this development. In this essay, ethical issues concerning bias, transparency and integrity are examined in a Library and Information Science context. Method and theory. Qualitative survey questionnaires with questions about how the libraries work with AI, the informant’s thoughts on ethical problems with it and how they saw the library’s future with AI were created and sent to employees at research libraries in Sweden. Nine answers to the questionnaires and one article formed the data for analysis. Employing Anthony Gidden’s structuration theory, the essay uses concepts like access point, ontological security and reembedding of trust. Analysis. A qualitative content analysis was carried out on the data. The analysis employed a thematic sectioning of the analyzed text, where the themes were developed through content analysis of the analyzed data in relation to the previous research presented in the essay. Results. Five different themes were sectioned out from the data; bias, integrity, transparency, curation and media- and information literacy. The answers were sectioned into these themes and compared to what the previous research said about the subject. The results are presented in a thematic overview where each section analyses the answers in the specific theme. Conclusion. When using and developing AI, the libraries can use ethical guidelines and curation to be aware of and counteract building bias into the systems. An important part of the libraries’ work for the development of the democratic society is media- and information literacy and teaching about information technology, which AI and the way it is developed is a part of. This is a two years master’s thesis in Library and Information Science.

Antalet enheter som är uppkopplade till internet, Internet of Things (IoT), ökar hela tiden. År 2035 beräknas det finnas 1000 miljarder Internet of Things-enheter. Samtidigt som antalet enheter ökar, ökar belastningen på internet-nätverken som enheterna är uppkopplade till. Internet of Things-enheterna som finns i vår omgivning samlar in data som beskriver den fysiska tillvaron och skickas till molnet för beräkning. För att hantera belastningen på internet-nätverket flyttas beräkningarna på datan till IoT-enheten, istället för att skicka datan till molnet. Detta kallas för edge computing. IoT-enheter är ofta resurssnåla enheter med begränsad beräkningskapacitet. Detta innebär att när man designar exempelvis "machine learning"-modeller som ska köras med edge computing måste algoritmerna anpassas utifrån de resurser som finns tillgängliga på enheten. I det här arbetet har vi utvärderat olika multilayer perceptron-modeller för mikrokontrollers utifrån en rad olika experiment. "Machine learning"-modellerna har varit designade att detektera vägunderlag. Målet har varit att identifiera hur olika parametrar påverkar "machine learning"-systemen. Vi har försökt att maximera prestandan och minimera den mängd fysiskt minne som krävs av modellerna. Vi har även behövt förhålla oss till att mikrokontrollern inte haft tillgång till internet. Modellerna har varit ämnade att köras på en mikrokontroller "on the edge". Datainsamlingen skedde med hjälp av en accelerometer integrerad i en mikrokontroller som monterades på en cykel. I studien utvärderas två olika "machine learning"-system, ett som är en kombination av binära klassificerings modeller och ett multiklass klassificerings system som framtogs i ett tidigare arbete. Huvudfokus i arbetet har varit att träna modeller för klassificering av vägunderlag och sedan utvärdera modellerna. Datainsamlingen gjordes med en mikrokontroller utrustad med en accelerometer monterad på en cykel. Ett av systemen lyckas uppnå en träffsäkerhet på 93,1\% för klassificering av 3 vägunderlag. Arbetet undersöker även hur mycket fysiskt minne som krävs av de olika "machine learning"-systemen. Systemen krävde mellan 1,78kB och 5,71kB i fysiskt minne. / The number of devices connected to the internet, the Internet of Things (IoT), is constantly increasing. By 2035, it is estimated to be 1,000 billion Internet of Things devices in the world. At the same time as the number of devices increase, the load on the internet networks to which the devices are connected, increases. The Internet of Things devices in our environment collect data that describes our physical environment and is sent to the cloud for computation. To reduce the load on the internet networks, the calculations are done on the IoT devices themselves instead of in the cloud. This way no data needs to be sent over the internet and is called edge computing. In edge computing, however, other challenges arise. IoT devices are often resource-efficient devices with limited computing capacity. This means that when designing, for example, machine learning models that are to be run with edge computing, the models must be designed based on the resources available on the device. In this work, we have evaluated different multilayer perceptron models for microcontrollers based on a number of different experiments. The machine learning models have been designed to detect road surfaces. The goal has been to identify how different parameters affect the machine learning systems. We have tried to maximize the performance and minimize the memory allocation of the models. The models have been designed to run on a microcontroller on the edge. The data was collected using an accelerometer integrated in a microcontroller mounted on a bicycle. The study evaluates two different machine learning systems that were developed in a previous thesis. The main focus of the work has been to create algorithms for detecting road surfaces. The data collection was done with a microcontroller equipped with an accelerometer mounted on a bicycle. One of the systems succeeds in achieving an accuracy of 93.1\% for the classification of 3 road surfaces. The work also evaluates how much physical memory is required by the various machine learning systems. The systems required between 1.78kB and 5,71kB of physical memory.

Biodiversity loss is a pressing global problem and land use is known for being one of the most direct contributors. In European Union countries, a Strategic Environmental Assessment (SEA) is required for land use plans that set a strategic framework for future development such as regional land use plans. Biodiversity would be very feasible to address in the SEA as it has the capacity to include the complexity biodiversity poses. Technology is increasingly being used for biodiversity conservation as it allows effective collection and processing of data. This research aimed to assess current SEA practices of addressing biodiversity and explore possibilities of how conservation technology could be used to assist SEA in addressing biodiversity loss more effectively in the field of land use planning. To fulfil the research aim, a document analysis of six regional land use plans and their SEA reports and four semi- structured interviews with an AI-company Spoor AI staff were conducted. The results of the document analysis showed that biodiversity is typically addressed in qualitative terms while an effective assessment would also require quantifying biodiversity variables. The results of the semi-structured interviews indicated that previous experience from the wind power sector has shown that conservation technology could be taken advantage of in collecting data about biodiversity cost-effectively and reliably, while AI can be used to analyse that data. Conservation technology could be taken advantage of in SEA by deepening the understanding of the development context, supporting the decision-making and monitoring. Implementing conservation technology in SEA could encourage the use of the strategic thinking SEA -model and contribute to several theoretical principles that guide the SEA practice. / Förlust av biologisk mångfald är ett pressande globalt problem och markanvändning är känd för att vara en av de mest direkta bidragsgivarna. I EU-länder krävs en strategisk miljöbedömning (SEA) för markanvändningsplaner som sätter en strategisk ram för framtida utveckling, såsom regionala markanvändningsplaner. Den biologiska mångfalden skulle vara mycket möjlig att ta itu med i SEA eftersom den har kapacitet att ta itu med den komplexitet som den biologiska mångfalden innebär. Teknologi används i allt större utsträckning för att bevara den biologiska mångfalden eftersom den möjliggör effektiv insamling och bearbetning av data. Denna forskning syftade till att undersöka hur nuvarande SEA-praxis hanterar biologisk mångfald och utforskar möjligheter för hur teknologi kan användas för att bidra till SEA arbetet genom att hantera förlusten av biologisk mångfald mer effektivt inom markanvändningsplanering. För att svara på forskningsmålet genomfördes en dokumentanalys av sex regionala markanvändningsplaners SEA-rapporter och fyra semistrukturerade intervjuer med ett AI-företag Spoor AI-personal. Resultaten av dokumentanalysen visade att biologisk mångfald vanligtvis behandlas i kvalitativa termer medan en effektiv bedömning också kräver kvantifierade variabler. Resultaten av de semistrukturerade intervjuerna indikerade att tidigare erfarenheter från vindkraftssektorn har visat att teknik kan utnyttjas för att samla in data om biologisk mångfald på ett kostnadseffektivt och tillförlitligt sätt, samtidigt som AI kan användas för att analysera denna data. Naturvårdsinriktad teknologi skulle kunna utnyttjas i SEA genom att fördjupa förståelsen av utvecklingskontexten, stödja beslutsfattande och få en säkrare övervakning. Att implementera naturvårdsinriktad teknologi i SEA skulle kunna uppmuntra användningen av den strategiskt tänkande SEA-modellen och bidra till flera teoretiska principer som vägleder SEA-praktiken.

The name ”smart homes” gives a promise of intelligent behavior. Today automation of the home environment is a manual task, with the creation of rules controlling devices relying on the user. For smart homes this tedious manual task can be automated. The purpose of this thesis is development of a prototype that will help users in smart homes create rules. The rules should be automatically created by the use of a machine learning solution. A learning classifier system algorithm is found as a suitable machine learning solution. A learning classifier system is used to find and create rules from sensor data. In the prototype a Raspberry Pi is used to collect the data. This data is processedby the learning classifier system, generating a set of rules. These rules predict actions for controlling a smart lighting system. The rules are continuously updated with new sensory information from the environment constantly reevaluating the previous found rules. The learning classifier system prototype solves the problem of how rules can be generated automatically by the use of machine learning. / Uttrycket ”smarta hem” utlovar ett intelligent beteende. Idag är automatiseringen av hemmiljön en manuell uppgift, där användaren formulerar regler som styr systemet. I smarta hem kan denna uppgift bli automatiserad. Syftet med denna kandidatuppsats är att utveckla en prototyp som ska hjälpa användare i smarta hem att skapa regler. Reglerna ska skapas automatiskt med hjälp av en maskininlärningslösning. Ett självlärande klassificeringssystem bedöms uppfylla den kravställning som görs. Det självlärande klassificeringssystemet används för att skapa regler från sensordata. I prototypen används en Raspberry Pi för att samla in data. Insamlad data behandlas av det självlärande klassificeringssystem som genererar en uppsättning regler. Dessa regler används för att kontrollera ett smart ljussystem. Reglerna uppdateras kontinuerligt med ny sensorinformation från omgivningen och utvärderar de tidigare funna reglerna. Den självlärande klassificeringssystemprototypen löser problemet om hur regler kan skapas automatiskt med hjälp av maskininlärning.

This thesis undertook the investigation of finding often occurring mistakes and problems that organizations face when conducting machine learning implementation projects. Machine learning is a technology with the strength of providing insights from large amounts of data. This business value generating technology has been defined to be in a stage of inflated expectations which potentially will cause organizations problems when doing implementation projects without previous knowledge. By a literature review and hypothesis formation followed by interviews with a sample group of companies, three conclusions are drawn from the results. First, indications show there is a correlation between an overestimation of the opportunities of machine learning and how much experience an organization has within the area. Second, it is concluded that data related pitfalls, such as not having enough data, low quality of the data, or biased data, are the most severe. Last, it is shown that realizing the value of long-term solutions regarding machine learning projects is difficult, although the ability increases with experience. / Detta examensarbete har åtagit sig arbetet att undersöka vanligt förekommande misstag eller problem som organisationer står inför i samband med implementationsprojekt av lösningar inom maskininlärning. Maskininlärning är en teknologi med styrkan att kunna analysera och skapa insikter från stora mängder data. Denna värdeskapande teknologi har blivit definierad att vara i en fas av förhöjda förväntningar, vilket potentiellt skapar problem i organisationer vid implementationsprojekt av teknologin utan att besitta tidigare erfarenhet. Genom en litteraturstudie och hypotesformulering följt av intervjuer med en urvalsgrupp av företag, dras tre slutsatser från resultaten. Indikationer tyder på en korrelation mellan övertro för maskininlärning och hur mycket erfarenhet en organisation har inom området. Vidare visas att datarelaterade fallgropar, till exempel för liten datamängd, dålig kvalitet på datan, eller partisk data, är de mest allvarliga. Det indikeras även att förmågan att inse värdet av långsiktiga lösningar inte är stark, men också att den ökar i samband med att en organisation erhåller mer erfarenhet.

Cloud services are one of the fast expanding fields of today. Companies such as Amazon, Google, Microsoft and IBM offer these cloud services in various forms. As this field progresses, the natural question occurs ”What can you do with the technology today?”. The technology offers scalability for hardware usage and user demands, that is attractive to developers and companies. This thesis tries to examine the applicability of cloud services, by combining it with the question: ”Is it possible to make an automated thesis examiner?” By narrowing down the services to IBM Watson web services, this thesis main question reads ”Is it possible to make an automated thesis examiner using IBM Watson?”. Hence the goal of this thesis was to create an automated thesis examiner. The project used a modified version of Bunge’s technological research method. Where amongst the first steps, a definition of an software thesis examiner for student theses was created. Then an empirical study of the Watson services, that seemed relevant from the literature study, proceeded. These empirical studies allowed a deeper understanding about the services’ practices and boundaries. From these implications and the definition of a software thesis examiner for student theses, an idea of how to build and implement an automated thesis examiner was created. Most of IBM Watson’s services were thoroughly evaluated, except for the service Machine Learning, that should have been studied further if the time resources would not have been depleted. This project found the Watson web services useful in many cases but did not find a service that was well suited for thesis examination. Although the goal was not reached, this thesis researched the Watson web services and can be used to improve understanding of its applicability, and for future implementations that face the provided definition. / Molntjänster är ett av de områden som utvecklas snabbast idag. Företag såsom Amazon, Google, Microsoft och IBM tillhandahåller dessa tjänster i flera former. Allteftersom utvecklingen tar fart, uppstår den naturliga frågan ”Vad kan man göra med den här tekniken idag?”. Tekniken erbjuder en skalbarhet mot använd hårdvara och antalet användare, som är attraktiv för utvecklare och företag. Det här examensarbetet försöker svara på hur molntjänster kan användas genom att kombinera det med frågan ”Är det möjligt att skapa en automatiserad examensarbetesrapportsgranskare?”. Genom att avgränsa undersökningen till IBM Watson molntjänster försöker arbetet huvudsakligen svara på huvudfrågan ”Är det möjligt att skapa en automatiserad examensarbetesrapportsgranskare med Watson molntjänster?”. Därmed var målet med arbetet att skapa en automatiserad examensarbetesrapportsgranskare. Projektet följde en modifierad version av Bunge’s teknologiska undersökningsmetod, där det första steget var att skapa en definition för en mjukvaruexamensarbetesrapportsgranskare följt av en utredning av de Watson molntjänster som ansågs relevanta från litteratur studien. Dessa undersöktes sedan vidare i empirisk studie. Genom de empiriska studierna skapades förståelse för tjänsternas tillämpligheter och begränsningar, för att kunna kartlägga hur de kan användas i en automatiserad examensarbetsrapportsgranskare. De flesta tjänster behandlades grundligt, förutom Machine Learning, som skulle behövt vidare undersökning om inte tidsresurserna tog slut. Projektet visar på att Watson molntjänster är användbara men inte perfekt anpassade för att granska examensarbetesrapporter. Även om inte målet uppnåddes, undersöktes Watson molntjänster, vilket kan ge förståelse för deras användbarhet och framtida implementationer för att möta den skapade definitionen.

Artificial Intelligence has seen enormous progress in many disciplines in the recent years. Particularly, digitalized versions of board games require artificial intelligence application due to their complex decision-making environment. Game developers aim to create board game software agents which are intelligent, adaptive and responsive. However, the process of designing and developing such a software agent is far from straight forward due the nature and diversity of each game. The thesis examines and presents a detailed procedure of constructing a software agent for backgammon variants, using temporal difference, artificial neural networks and backpropagation. Different artificial intelligence and machine learning algorithms used in board games, are overviewed and presented. Finally, the thesis describes the development and implementation of a software agent for the backgammon variant called Swedish Tables and evaluates its performance. / Artificiell intelligens har sett enorma framsteg inom många discipliner de senare åren. Speciellt, digitaliserade brädspel kräver implementering av Artificiell intelligens då deras beslutfattande logik är väldigt komplex. Dataspelutvecklarnas syfte och mål är att skapa programvaror som är intelligenta, adaptiva och lyhörda. Dock konstruktionsoch utvecklingsprocess för att kunna skapa en sådan mjukvara är långtifrån att vara faställd, mest på grund av diversitet av naturen av varje spel. Denna avhandlingen forskar och föreslår en detaljerad procedur för att bygga en "Software Agent" för olika slags Backagammon, genom att använda AI neurala nätvärk och back-propagation metoder. Olika artificiell intelligensoch maskininlärningsalgoritmer som används i brädspel forskas och presenteras. Slutligen denna avhandling beskriver implementeringen och utvecklingen av ett mjukvaru agent för en backgammonvariant, närmare bestämt av "Svenska Tabeller" samt utvärderar dess prestanda.

För att alltid kunna erbjuda sina tjänster som ett finansiellt institut så är det viktigt att alltid vara informerad och uppdaterad när nya regelverk träder i kraft. Idag bidrar det till höga kostnader då det till stor del sker med humanitär kraft. För att se i vilken mån det går att effektivisera med hjälp av artificiell intelligens eller maskininlärning gjordes en litteraturstudie för att detta. Undersökningen visade att maskininlärning var den bäst lämpade metoden för denna problemställning. Arbetet hade inte de mest optimala förutsättningar för att få så säkert resultat som möjligt, trots detta visade resultatet på god förmåga att kunna klassificera produkter mot regelverk. Möjligheten till att applicera maskininlärning eller artificiell intelligens är god men det är viktigt med extremt stora mängder tränings- och testdata för att kunna effektivisera finansbranschen. / To always be able to offer their services as a financial institution, it’s important for them to always stay informed and updated when new regulations come into force. Today it contributes to high costs, largely due to humanitarian power. A literature study was performed to see as to what extent artificial intelligence or machine learning could be used to reduce the problem. The result of the study showed that machine learning was the best suited method for this problem. There were not the most optimal conditions to achieve the best possible result, despite that, the result gave promising ability to classify products to regulations. The possibility of applying machine learning and artificial intelligence is good but it is important to have extremely large amounts of training and test data in order to make the financial industry more effective.

Abstract Organisationer investerar numera i artificiell intelligens inom området kundupplevelser, så kallat customer experience, CX. CX är kundernas eller användarnas holistiska uppfattning av ett företag, organisation eller varumärke under hela kundresan, som omfattar planering av köp, genomförande av köp och upplevelsen efter ett köp, i synnerhet kundens köpresa. AI, artificiell intelligens och CX har diskuterats som koncept ända sedan 1950–1960-talet men det är på senare år som både AI och CX har blivit två starka modeord. Det finns mycket forskning sedan många år tillbaka kring AI och CX som separata ämnen men området ”AI inom CX” utifrån affärsperspektiv är relativt nytt. Alltså AI som används för att förbättra kundupplevelsen som i tur ska förbättra organisationens resultat. Syftet med denna uppsats är att undersöka och analysera hur investeringar i AI-tjänster, för kundupplevelser i utvalda organisationer, kan skapa affärs- och verksamhetsnytta. Undersökningen består av litteraturstudier och kvalitativa intervjuer eller så kallade semistrukturerade, med totalt fyra respondenter från organisationer både i den offentliga och privata sektorn. Intervjuerna genomfördes via kommunikationsverktyget Zoom. Litteraturstudien leder fram till en modell över affärsnytta med AI-tjänster som tar hänsyn till flera aspekter: AI-tjänster inom kundupplevelser, kunder och segmentering, upplevd kundnytta, AI-tjänster internt, upplevd affärs- och verksamhetsnytta och organisationens mål med AI-tjänsterna. Uppsatsstudiens viktigaste slutsatser är att AI-tjänster inom kundupplever skapar affärs-och verksamhetsnytta och har förändrat kundupplevelsen till det bättre trots att det är ett relativt nytt AI-tillämpningsområde. Exempel på AI-tjänster inom CX är AI-Chatbotar, röstrobotar och AI-baserade sök-och rekommendationstjänster. Tre av fyra organisationer i undersökningen anger att AI-tjänster inom kundupplevelser har bra avkastning på investeringen.