Text has been the historical way of preserving and acquiring knowledge, and text data today is an increasingly growing part of the digital footprint together with the need to query this data for information. Seeking information is a constant ongoing process, and is a crucial part of many systems all around us. The ability to perform fast and effective searches is a must when dealing with vast amounts of data. This thesis implements an information retrieval system based on the Swedish Defence Force's profession guide, with the aim to produce a system that retrieves relevant professions based on user defined queries of varying size. A number of Natural Language Processing techniques are investigated and implemented, in order to transform the gathered profession descriptions a document embedding model, doc2vec, was implemented resulting in document vectors that are compared to find similarities between documents. The final system was evaluated by domain experts, represented by active military personal that quantified the relevancy of the profession retrievals into a measurable performance. The system managed to retrieve relevant information for 46.6% and 56.6% of the long- and short text inputs respectively. Resulting in a much more generalized and capable system compared to the search function available at the profession guide today.

Denna studie undersöker de svårigheter som företag möter vid implementering av artificiell intelligens (AI) och undersöker strategier för framgångsrik integrering av AI. Genom en kombination av semistrukturerade intervjuer och en omfattande litteraturstudie användes en induktiv metod för att analysera de utmaningar som företag stöter på före implementeringsprocessen. Resultaten avslöjar flera nyckelområden av bekymmer, inklusive teknisk spridning, samarbetsbaserad design, utbildning, arbetsmiljö, arbetsmarknadsdynamik och moraliska överväganden. Genom att ta itu med dessa utmaningar kan företag navigera effektivare genom AI-implementeringens komplexiteter. Denna studie ger insikter om de avgörande faktorer som påverkar framgångsrik integration av AI-system i organisatoriska sammanhang. Förståelsen av dessa utmaningar och användningen av lämpliga strategier är avgörande för företag som vill utnyttja potentialen hos AI. / This paper explores the difficulties faced by companies when implementing artificial intelligence (AI) and investigates strategies for successful AI integration. Through a combination of semi-structured interviews and a comprehensive literature review, an inductive approach was employed to analyze the challenges encountered by companies before the implementation process. The findings reveal several key areas of concern, including technical diffusion, customer collaboration, education, workers' health, labor market dynamics, and moral considerations. By addressing these challenges, companies can navigate the complexities of AI-implementation more effectively. This paper provides insights into the critical factors that influence the successful integration of AI systems in organizational settings. Understanding these challenges and employing appropriate strategies is crucial for companies seeking to harness the potential of AI while mitigating associated risks

The accurate assessment of hemodynamics and its parameters play an important role when diagnosing cardiovascular diseases. In this context, 4D Flow Magnetic Resonance Imaging (4D Flow MRI) is a non-invasive measurement technique that facilitates hemodynamic parameter assessment as well as quantitative and qualitative analysis of three-directional flow over time. However, the assessment is limited by noise, low spatio-temporal resolution and long acquisition times. Consequently, in regions characterized by transient, rapid flow dynamics, such as the aorta and heart, capturing these rapid transient flows remains particularly challenging. Recent research has shown the feasibility of machine learning models to effectively denoise and increase the spatio-temporal resolution of 4D Flow MRI. However, temporal super-resolution networks, which can generalize on unseen domains and are independent on boundary segmentations, remain unexplored.  This study aims to investigate the feasibility of a neural network for temporal super-resolution and denoising of 4D Flow MRI data. To achieve this, we propose a residual convolutional neural network (based on the 4DFlowNet from Ferdian et al.) providing an end-to-end mapping from temporal low resolution space to high resolution space. The network is trained on patient-specific cardiac models created with computational-fluid dynamic (CFD) simulations covering a full cardiac cycle. For clinical contextualization, performance is assessed on clinical patient data. The study shows the potential of the 4DFlowNet for temporal-super resolution with an average relative error of 16.6 % on an unseen cardiac domain, outperforming deterministic methods such as linear and cubic interpolation. We find that the network effectively reduces noise and recovers high-transient flow by a factor of 2 on both in-silico and in-vivo cardiac datasets. The prediction results in a temporal resolution of 20 ms, going beyond the general clinical routine of 30-40 ms. This study exemplifies the performance of a residual CNN for temporal super-resolution of 4D flow MRI data, providing an option to extend evaluations to aortic geometries and to further develop different upsampling factors and temporal resolutions. / En noggrann bedömning av hemodynamiken och dess parametrar spelar en viktig roll vid diagnos av kardiovaskulära sjukdomar. I detta sammanhang är 4D Flow Magnetic Resonance Imaging (4D Flow MRI) en icke-invasiv mätteknik som underlättar bedömning av hemodynamiska parametrar samt kvantitativ och kvalitativ analys av flöde. Bedömningen begränsas av brus, låg spatio-temporal upplösning och långa insamlingstider. I områden som karakteriseras av snabb flödesdynamik, såsom aorta och hjärta, är det därför fortfarande särskilt svårt att fånga dessa snabba transienta flöden. Ny forskning har visat att det är möjligt att använda maskininlärningsmodeller för att effektivt reducera brus och öka den spatio-temporala upplösningen i 4D Flow MRI. Nätverk för temporal superupplösning, som kan generaliseras till osedda domäner och är oberoende av segmentering, är fortfarande outforskade.  Denna studie syftar till att undersöka genomförbarheten av ett neuralt nätverk för temporal superupplösning och brusreducering av 4D Flow MRI-data. För att uppnå detta föreslår vi ett residual faltningsneuralt nätverk (baserat på 4DFlowNet från Ferdian et al.) som tillhandahåller en end-to-end-mappning från temporalt lågupplöst utrymme till högupplöst utrymme. Nätverket tränas på patientspecifika hjärtmodeller som skapats med CFD-simuleringar som spänner över en hel hjärtcykel. För klinisk kontextualisering utvärderas nätverkets prestanda på kliniska patientdata. Studien visar potentialen av 4DFlowNet för temporal superupplösning med ett genomsnittligt relativt fel på 16,6 % på en osedd hjärtdomän, vilket överträffar deterministiska metoder som linjär och kubisk interpolation. Vi konstaterar att nätverket effektivt minskar brus och återställer högtransient flöde med en faktor på 2 på både in-silico ochin-vivo hjärtdataset. Förutsägelsen resulterar i en temporal upplösning på 20 ms, vilket är mer än den allmänna kliniska rutinen på 30-40 ms. Denna studie exemplifierar prestandan hos en residual CNN för temporal superupplösning av 4D-flödes-MRI-data, vilket ger möjlighet att utvidga utvärderingarna till aortageometrier och att vidareutveckla olika uppsamplingsfaktorer och temporala upplösningar.

In this study we explore the possibility of using ChatGPT, to summarise large contents of educational content and put it in a template that later can be used for dialogue purposes and will explore the challenges and solutions that occur during the implementation. Today there is a problem for users to create wellmade prompts for learning scenarios that fulfill all the requirements set by the user. This problem is significant as it addresses the challenges of information overload and how generating prompts for dialogue purposes can be trivialized for users. We solved this problem by doing an implementation for the company Fictive Reality in their application, conducting research, and performing tests. The implementation was made with the help of OpenAI’s application programming interface, ChatGPT-4 which is a model that is popular due to its wide range of domain knowledge, and we connected it to a web page where users could upload text or audio files. The method to find a suitable prompt to summarise text was primarily through experimentation supported by previous research. We used automatic metrics for evaluation like ROUGE, BERTScore, and ChatGPT(Self-Evaluation), we also had users give feedback on the implementation and quality of the result. This study shows that ChatGPT effectively summarizes extensive educational content and transforms it into dialogue templates for ChatGPT to use. The research demonstrates streamlined and improved prompt creation, addressing the challenges of information overload. The efficiency and quality were either equal to or surpassed user-generated prompts while preserving almost relevant information, and reduced the time-consumption of this task by a substantial margin. The biggest struggle we had was getting ChatGPT to grasp our instructions. However, with research and with an iterative approach the process became much smoother. ChatGPT exhibits robust potential for enhancing educational prompt generation. Future work could be dedicated to improving the prompt further, by making it more flexible. / I denna studie utforskar vi möjligheten att använda ChatGPT för att sammanfatta stora mängder utbildningsinnehåll och placera det i en mall som senare kan användas för dialogändamål. Vi kommer att undersöka de utmaningar och lösningar som uppstår under implementeringen. Idag finns det ett problem för användare att skapa välgjorda uppmaningar för lärandescenarier som uppfyller alla krav som användaren ställer. Detta problem är betydande då det tar upp utmaningarna med informationsöverbelastning och hur generering av uppmaningar för dialogändamål kan förenklas för användare. Vi löste detta problem genom att göra en implementation hos Fictive Reality där vi gjorde forskning, tester och programvara. Implementeringen gjordes med hjälp av OpenAI:s applikationsprogrammeringsgränssnitt, ChatGPT-4, som är en modell som är populär på grund av dess breda kunskap inom olika områden. Vi anslöt den till en webbsida där användare kunde ladda upp text- eller ljudfiler. Metoden för att hitta en lämpliga instruktioner för att sammanfatta texter var främst genom experimentering med stöd av tidigare forskning i området. Vi använde automatiska utvärderings verktyg, såsom ROUGE, BERTScore och ChatGPT (självutvärdering). Vi hade också användare som gav feedback om implementeringen och resultatets kvalitet. Denna studie visar att ChatGPT effektivt sammanfattar omfattande utbildningsinnehåll och omvandlar det till dialogmallar redo för ett lärnings scenario med ChatGPT. Forskningen visade bra resultat vid skapandet av instruktioner, vilket tacklar utmaningarna med informationsöverbelastning. Effektiviteten och kvaliteten var antingen likvärdig eller bättre än användarskapade instruktioner samtidigt som nästan all relevant information bevarades, och tidsåtgången för denna uppgift minskades avsevärt. Den största utmaningen vi stod inför var att få ChatGPT att förstå våra instruktioner. Dock blev processen mycket smidigare med forskning och en iterativ metodik. ChatGPT visar på stark potential för att förbättra genereringen av utbildningssammanfattningar. Framtida arbete kan fokusera på att ytterligare förbättra instruktionerna genom att göra den mer flexibel.

Denna studie presenterar en undersökning om användningen av ChatGPT inom programvaruutveckling. Med den snabba tillväxten av artificiell intelligens (AI) och dess inverkan på teknikområdet, har verktyg som ChatGPT blivit alltmer relevanta inom mjukvaruutveckling. Studiens huvudsyfte är att undersöka hur ChatGPT kan fungera som ett verktyg i programvaruutvecklingsprocessen och om det kan bidra till att underlätta utvecklingsprocessen för en utvecklare.Genom en kombination av enkätundersökningar och experiment har studien visat att ChatGPT har potential att vara ett värdefullt verktyg inom programvaruutveckling. Detta genom att erbjuda automatisk kodkomplettering och andra hjälpmedel som kan förbättra utvecklarnas effektivitet. Resultaten från denna studie indikerar att integrationen av AI-verktyg som ChatGPT i mjukvaruutvecklingsprocessen kan leda till förbättrade arbetsflöden och ökad produktivitet. Dock bör ytterligare forskning genomföras för att fullt ut förstå fler potentiella fördelar och utmaningar. För att ytterligare förstå ChatGPT:s roll inom programvaruutveckling rekommenderas det att utföra mer omfattande fältstudier där verktyget används i verkliga utvecklingsprojekt. / This study presents an investigation into the use of ChatGPT in the software development field. With the rapid growth of artificial intelligence (AI) and its impact on the technology field, tools like ChatGPT have become increasingly relevant in software development. The main aim of the study is to investigate how ChatGPT can work as a tool in the software development process and if it can help facilitate the development process for a developer.Through a combination of questionnaire survey and experiments, the study has shown that ChatGPT has the potential to be a tool of great value in software development. This by offering automatic code completion and other aids that can improve developers' efficiency. The results of this study indicate that the integration of AI tools such as ChatGPT into the software development process can lead to improved workflows and increased productivity. However, further research should be conducted to better understand potential benefits and challenges. To further understand ChatGPT's role in software development, it is recommended to conduct more extensive field studies where the tool is used in real world development projects.

Att ständigt behöva ändra sitt arbetssätt är något som är vanligt inom IT-branschen. Genom att anpassa sig till artificiell intelligens (AI) kan företag och individer dra nytta av fördelarna med tekniken. Däremot finns det en del utmaningar som är centrala att känna till. Syftet med studien är att undersöka hur programmeringsyrken potentiellt kommer att förändras och vilka utmaningar som behöver bemötas under utvecklingen. Genom en kvalitativ metod, intervjuades sex respondenter med varierande bakgrund och yrkesroller inom programmering. I syfte att undersöka deras perspektiv på AI-verktygens utveckling för att möjliggöra jämförelser gentemot teorin under olika teman som uppstod. Resultatet från studien visar på en osäkerhet kring hur AI-verktyg får användas, hur det genererade materialet får tillämpas och delade åsikter kring arbetsmarknadens utveckling. Vidare ser vi att företag och arbetstagare använder AI-verktyg med en viss försiktighet på grund av att juridiken kring AI inte är helt fastställd. Däremot visar resultatet att AI-verktygen effektiviserar arbetet för programmerare och kan användas som kreativ stöttning i utvecklingsprocessen. Rekommendationer för vidare studier inkluderar att undersöka ett specifikt yrke, användningen av ett specifikt AI-verktyg eller att se på skillnader utifrån använt programspråk. / Constantly needing to change one's way of working is common in the IT industry. By adapting to artificial intelligence (AI), companies and individuals can take advantage of the benefits of the technology. However, there are some challenges that are important to be aware of. The purpose of this study is to investigate how programming professions may potentially change and what challenges need to be addressed during this development. Using a qualitative method, six respondents with varying backgrounds and professional roles in programming were interviewed to examine their perspectives on the development of AI tools, to enable comparisons with theory under different themes that emerged. The results of the study show uncertainty about how AI tools can be used, how the generated material can be applied, and divided opinions on the development of the job market. Furthermore, we see that companies and employees use AI tools with some caution due to the fact that the legal aspects of AI are interpreted as a gray area. However, the results show that AI tools streamline the work of programmers and can be used as creative support in the development process. Recommendations for further studies include investigating a specific profession, the use of a specific AI tool, or examining differences based on the programming language used. The following essay is written in Swedish.

No description available.

Andelen av produkter med integrerad artificiell intelligens och tjänster som bygger på AI har ökat de senaste åren. Implementering och användning av tekniken är en snabbt växande marknad där tillväxten sker inom privata bolag och offentlig sektor. AI-verktyg lockar verksamheter för att kunna effektivisera processer, förbättra produkter och tjänster med hjälp av chatbotar som integreras i applikationer och webbplatser. En chatbot är en programvara som använder olika tekniker och modeller för att förstå och svara på frågor, simulera mänsklig konversation och hantera olika uppgifter. Trots alla fördelar som AI-drivna chatbotar medför, har vissa utmaningar framkommit. Användare har blivit mer tveksamma till de synliga och osynliga tillämpningarna av AI och hur de påverkar ens interaktioner och beslutsfattande. Det är viktigt för utvecklare och designers av AI-drivna chatbotar att ta hänsyn till användarnas upplevelser och reflektera över användarvänligheten under hela processen. Därför syftar denna studie till att undersöka användandet av gränssnitt i applikationer som är baserade på AI-drivna chatbotar för att identifiera faktorer som optimerar upplevelser ur ett människocentrerat perspektiv. Studiens fokus ligger på chatbotar som används i mobilapplikationer och webbplatser, och som integrerar med användare genom text i ett digitalt gränssnitt. Genom kvalitativa forskningsmetoder, intervjuer och observation, med teoretisk bakgrund från litteraturen, samlades information in om användares erfarenheter och preferenser. Undersökningen genomfördes med totalt sju deltagare, där fem slutanvändare utvärderade två gränssnitt i applikationer som bygger på AI-drivna chatbotar och två apputvecklare delade med sig av sina erfarenheter. Det resulterade i att datainsamlingen identifierade tolv kvalitativa faktorer inom fyra problemområden: kommunikation, mänsklig kontroll, transparens i systemfunktioner och visuell presentation, som har en påverkan på användarupplevelsen. Utifrån undersökningen har rekommendationer formulerats som beskriver vad som bör beaktas vid design av AI-baserade applikationer. Detta arbete bidrar till framtida arbete med utveckling av användbara applikationer baserade på artificiell intelligens. / Implementing artificial intelligence in products and services has increased significantly in recent years. AI tools, such as chatbots integrated into applications and websites, have become popular among companies to simplify work-related tasks and improve user satisfaction. “Chatbot” is software that uses different techniques and models to understand and answer users' questions, simulate human conversation and handle various tasks. However, users have become more doubtful about AI using implicit and explicit in products and services and how it affects interaction and decision-making. It is important that developers and designers of AI-powered chatbots consider user experiences and reflect on the usability and user experience of the chatbots. Therefore, this work aims to investigate the use of interfaces in applications based on AI-powered chatbots to identify factors that optimise the user experience. To reach this purpose, the researcher of this bachelor thesis collected information about users' experiences and preferences through qualitative research methods, interviews and observation. The research involved seven participants, two developers sharing their expertise, and five users evaluating two chatbots where users interacted with chatbots through text in a digital interface. As a result, the collected data identified twelve qualitative factors within four problem areas: communication, human control, transparency in system functions and visual presentation, which impact the user experience. This study suggests recommendations considering these factors that can increase user satisfaction and contribute to future work in developing applications based on artificial intelligence.

In this thesis, I delve into how Rhetorical Genre Study and Systemic-Functional Grammar can be used to assess the extent to which GPT-4 adheres to generic features and can be deemed adapted for its function. The objective is to establish a systematic model for objectively evaluating the degree to which AI-generated text is suitable for its intended purpose. To achieve this, I perform a rhetorical genre analysis on a crisis communication genre, which I subsequently quantify. I utilize the concept of topoi to pinpoint the arguments that serve to fulfill the functions of crisis communication. Subsequently, I prompt GPT-4 to produce texts within the genre and contrast them with my discoveries. Alongside this, I investigate the disparate results produced when using text and meta-text as input. The findings reveal a functional model to appraise the degree of text adaptation for its purpose within the analyzed genre. Although the model necessitates further fine-tuning, it effectively distinguishes nongeneric texts. The scope of the material selected was too limited to indicate any disparities in outcomes between different types of input. However, all input models generated texts that substantially conformed to the generic features.

Dagens samhälle genomsyras av olika teknologier som påverkar människan, ekonomin och samhället. Numera besitter verksamheter stora datamängder som behöver registreras och struktureras och detta kan göras med hjälp av ett beslutstödsystem som ger underlag till beslutsfattare. I och med den stora och fortsatt ökade datamängden som behöver registreras och analyseras begränsas människans kognitiva förmåga till att hantera all denna data på egen hand. Som en lösning till denna problematik kan Artificial Intelligence (AI) användas. Syftet med denna forskningsstudie är att undersöka hur AI kan påverka beslutstödsystem inom verksamhetsstyrning. Fokuset grundar sig inom tre aspekter- planering, analys och uppföljning. För att besvara forskningsmålet har en djupare analys genomförts i form av en kvalitativ ansats, där sex deltagare intervjuats. Dessa intervjuer var semistrukturerade och enbart personer med välinsatta kunskaper inom beslutsstödsystem och AI har deltagit. Litteraturstudien, som baseras på tidigare forskning om AI och beslutsstödsystem och hur dessa två fungerar tillsammans, gav en grund för analysering, förklaring och diskussion tillsammans med den empiriska insamlade datan. Med hjälp av den insamlade datan kunde sedan intervjuerna analyseras tematiskt. Resultatet visade att AI:ns förmågor medför fördelar hos verksamheter genom ökadprestanda, effektivisering av strukturerad och ostrukturerad data samt frigör tid hosbeslutsfattare. Baserat på resultatet belystes det att beslutstödsystem kan enbart göra relativt enkla analyser på strukturerad data medan den är begränsad på ostruktureraddata. I samband med detta framhäver resultatet att verksamheter behöver även bearbeta extern information såsom omvärldsbevakningen. På så sätt ger teknologin användarna bästa möjliga beslutsunderlag samt då ett bredare beslutsunderlag tas fram och vidare förbättra planering, analys och uppföljning genom att AI kan analysera och samla in data från olika datakällor. Däremot behöver människan alltid vara närvarande i beslutsfattandet då AI besitter också begränsningar vilket kankompletteras med människan. / In today's society there are various technologies which affect people, the economy and society. Nowadays, businesses have large amounts of data that need to be registered and structured and this can be done with the help of a decision support system that provides information to decision makers. With the large amount of data being established even today, the human cognitive ability is limited to handling allthis data on their own. As a solution to this problem, AI can be used. The purpose of this research study is to investigate how AI can affect decision support systems in operations management. The focus is based on three aspects -planning, analysis and follow-up. In order to answer the research aim, a qualitative approach has been used where six participants were interviewed. These interviews were semi-structured and only people with well-versed knowledge in decision support systems and AI have participated. The literature study, which is based on previous research on AI and decision support systems and how the two work together, provided a basis for analysis, explanation and discussion along with the empirical data collected. As a result of the collected data, the interviews were analyzed thematically. The result showed that AI's capabilities bring benefits to businesses through increased performance, efficiency of structured and unstructured data and frees uptime for decision makers. Based on the results, it was highlighted that decision support systems can only perform relatively simple analyzes on structured data while it is limited on unstructured data. In connection with this, the result highlights that businesses also need to process external information such as monitoring of the environment. In this way, the technology provides users with the best possible basis for decision-making. This is because a broader basis for decision-making is produced and therefore improves planning, analysis and follow-up as AI can analyze and collect data from different data sources. However, the human always needs to be present in the decision-making as AI also has limitations which can be supplemented with the human.