Fenomenet Artificiell intelligens (AI) är en högaktuell teknik som appliceras på flera olika områden inom samhället. Inom HR-arbetet kan rekryteringsprocessen baseras på AI-teknik och stora delar kan komma att automatiseras. Tidigare forskning har visat på att både urvalssökning och kandidatmatchning har varit användbara områden där företag kan automatisera för att tidseffektivisera. AI-teknik är ännu inte ett väletablerat fenomen på den svenska arbetsmarknaden och därför har rekryterares perception kring användandet undersökts. Syftet med studien är att öka förståelse om användning av AI-teknik i rekryteringsprocessen hos bemanningsföretag då det är stora volymer av arbetssökande inom bemanningsbranschen och deras huvudsysslor är att arbeta med bemanning och rekrytering. Den teoretiska referensramen baseras på två olika ansatser till rekrytering. De utgörs av den psykometriska ansatsen, som är en objektiv ansats, och den sociala ansatsen, som är en subjektiv ansats, för rekryteringsprocessens utformning. Den teoretiska referensramen baseras även på en forskningssammanställning om AI-teknik för att i analysen kunna göra en jämförelse mellan tidigare forskning och rekryterares insikter. Författarna har tagit fram en egen analysmodell för att använda den teoretiska referensramen till att analysera det empiriska materialet. För att skapa en djupare förståelse för rekryterares perception av användandet av AI i rekryteringsprocessen baseras studien på kvalitativa intervjuer med rekryterare på bemanningsföretag. För att skapa en variation bland respondenterna har studiens författare utfört intervjuer med nio olika respondenter på sju olika bemanningsföretag. Den insamlande empirin har analyserats genom författarnas analysmodell. Resultatet tyder på att rekryteringsprocessen idag inte är anpassad för att använda AI och framförallt arbetet med kravprofilen behöver utvecklas för att AI ska nå maximal utdelning. Studiens slutsats är att det kommer krävas en utveckling av de två tidigare presenterade ansatserna till rekryteringsprocessen. Författarna föreslår den automatiserade ansatsen till rekrytering som en tredje ansats, där den inledande processen objektiviseras och anpassas för AI och de mänskliga faktorerna bibehålls i subjektiva intervjuprocesser och mänskliga beslut. / The phenomenon of Artificial Intelligence (AI) is a trending technology that is applied in several different areas of society. In HR work, the recruitment process can be based on AI technology and large parts can be automated. Previous research has shown that both selection and matching of candidates have been useful areas where companies can automate in order to make more efficient use of their time. AI technology is not yet a well-established phenomenon in Swedish companies and therefore, the recruiters' perception of use has been studied. The purpose of the study is to increase understanding of the use of AI technology in the recruitment process of staffing agencies, as there are large volumes of job seekers in the staffing industry and their main job is to work with staffing and recruitment. The theoretical frame is based on two different approaches to recruitment. They consist of the psychometric approach, which is an objective approach, and the social approach, which is a subjective approach to the recruitment process. The theoretical framework is also based on a research summary on AI technology in order to make a comparison between previous research and the recruiters' insights in the analysis. The authors have developed their own analysis model to use the theoretical frame to analyze the empirical material. To create a deeper understanding of recruiters perception of the use of AI in the recruitment process, the study is based on qualitative interviews with recruiters at staffing companies. In order to create a variation among the respondents, the authors the study have conducted interviews with nine different respondents at seven different staffing companies. The empirical data has been analyzed by the authors' analysis model. The result suggests that the recruitment process today is not adapted to use AI and, above all, the work with the requirement profile needs to be developed in order for AI to reach the maximum usage. The conclusion of the study is that a development of the two previously presented approaches to the recruitment process will be required. The authors propose the automated approach to recruitment as a third approach, where the initial process is objectified and adapted for AI but the human factors are maintained in subjective interview processes with human decisions.

Denna uppsats behandlar hur artificiell intelligens kan användas som ett effektiviseringsredskap inom offentlig förvaltning samt hur man går tillväga att implementera ny teknik i organisationen, vilka hinder man kan stöta på och hur man arbetar med implementeringsprocessen. För att kunna hänga med i resultatet av forskningen börjar vi därför med att förklara hur AI fick sin början, vad den var menad för och hur den har utvecklats. Att sedan implementera denna teknik i olika förvaltningar som i sig kontinuerligt utvecklas organisatorisk hela tiden för att återspegla samhället är det intressanta att undersöka, för nu handlar det inte bara om ny teknologi längre utan man måste anpassa sig till organisations- och implementeringsteori. Så vi fortsätter med att förklara vad en offentlig sektor är med huvudfokuset på; offentlig förvaltning, policy, projekt, implementeringsteori och lagarbete. Tanken med dessa olika kapitel är att de skall ge en förståelse som skall leda till syftet som var att undersöka hur Försäkringskassan, en statlig svensk myndighet har jobbat med att implementera AI i sin organisation och hur den nya tekniken nu kan användas som ett effektiviseringsredskap. / This paper addresses how artificial intelligence can be used as an efficiency tool in the public administrations and how to implement new technology in the organization, which obstacles can be encountered and how to work with the implementation process. In order to be able to understand the results of our research we begin by explaining how AI got its beginning, what it was meant for and how it has evolved. To then implement this technology in various public administrations that continuously develop organizationally all the time to reflect society is interesting to examine, because now it is not just about new technology anymore but one has to adapt to organizational and implementation theory. So we continue to explain what a public sector is and how it works with the main focus on; Public administration, policy, projects, implementation theory and teamwork. The purpose of these various chapters is to give an understanding that will lead to the purpose of our research on how the Swedish Insurance Agency Försäkringskassan, a governmental Swedish authority has worked to implement AI in its organization and how the new technology can now be used as an efficiency tool.

Intresset för agenter som forskningsområde är någonting relativt nytt. Agenter i sig är en naturlig del av Artificiell intelligens men det är först på senare tid som de hamnat i fokus. Begreppet agent har spridit sig som en löpeld utanför AI-forskningen och kan hittas i många andra områden. Vad detta intresse för agenter kommer ifrån kan debatteras men det är troligtvis dels en följd av att internet visat hur kraftfullt ett distribuerat system kan vara, och att agenter och botar bokar våra biljetter samt söker igenom webbsidor åt oss.Arbetets huvudfråga är att undersöka hur ett intelligent system (för värmedistributionen i ett hus) kan uppnås genom att koppla ihop ett antal agenter med begränsade funktionalitet och distinkta uppgifter. Intelligensen i systemet ska uppnås genom samverkan mellan de olika agenterna. Denna studies förslag för att lösa problemet är en teoristudie av existerande litteratur för designprinciper samt design och implementering av ett exempelsystem, som sedan kommer att simuleras i för att samla in data gällande validitet.Experimentet visade att ett agentsystem kan ge en klar ekonomisk besparing men kommer också med ett relativt högt pris för att implementeras. Om agenterna kan dela infrastruktur genom att installeras samtidigt som ett nytt hus byggs och kan använda tänkt infrastruktur. Dessutom kan besparingen utökas genom att agentsystemet appliceras på en större nybyggnation.

För att ett verk ska kunna erhålla upphovsrättsligt skydd förutsätts det att verket är skapat av en människa. Om ett alster ska uppnå originalitetskriteriet krävs det att alstret visar prov på en personlig och intellektuell prägel från skaparen. I dagsläget utvecklas dock artificiell intelligens som autonomt kan ge uttryck för kreativitet. Om de alster som skapas av AI inte har en tillräckligt hög grad mänskligt involverande bakom dem kan det resultera i att kriteriet för upphovsrätt ej uppnås. Det kan således leda till att människan som skapar en AI inte kan åtnjuta upphovsrättsligt skydd för de alster som AI:n i sin tur skapar.  Genom att studera gällande rätt undersöks huruvida alster skapade av AI faller inom upphovsrättens skyddsobjekt samt under vilka förhållanden ett alster som är skapat av AI skulle kunna få upphovsrätt. Studien fokuserar på vad upphovsrättens motiv är och om ett eventuellt skydd för AI-alster går i linje med motivet.  Upphovsrättens utformning kan se olika ut beroende på vilken teori samt rättspolitisk värdegrund den baseras på och kan därmed ha olika motiv. Detta är något som tydligt framgår vad gäller olika upphovsrättskulturers utformning av originalitetskriteriet. Den kontinentaleuropeiska inriktningen värnar främst om det mänskliga skapandet varför det är mindre sannolik att den skulle ge stöd för upphovsrätt till alster skapade av AI. Detta för att den baseras på naturrättsliga grunder och lägger fokus på att skydda upphovsmäns andliga och personliga uttryck. Sannolikheten för att ett verk skapat av AI skulle kunna ingå i motivet för upphovsrätten är däremot större inom den angloamerikanska inriktningen. Den är av kommersiell karaktär och lägger främst fokus på det ekonomiska värdet av verket, vilket nödvändigtvis inte skiljer sig åt mellan alster skapade av en människa eller en AI. Studien konstaterar att det finns en överhängande risk för att originalitetskriteriets nuvarande utformning kan bli otidsenlig då den bygger på premissen att människan står för allt skyddsvärt skapande. Om alster skapade av stark AI inte kan skyddas kan det leda till hinder för utvecklingen av teknologin och därmed hämma de fundamentala incitament upphovsrätten grundar sig på. En omarbetning bör dock endast genomföras om ett skydd går i linje med upphovsrättens främst önskade motiv och om det kan anses berika samhället.

<p> </p><p>Att använda artificiella neurala nätverk i datorspel blir ett allt mer populärt sätt att styra de datorstyrda agenterna då detta gör att agenterna får ett mer mänskligt beteende och förmågan att generalisera och möta nya situationer och klara sig igenom dessa på ett sätt som andra typer av artificiell intelligens inte alltid kan hantera. Svårigheten med denna teknik är att träna nätverket vilket ofta kräver en lång tid av inlärning och många olika träningfall. Genom att använda genetiska algoritmer för att träna upp nätverken så kan mycket av det både tid och prestandakrävande arbetet undvikas. Denna rapport kommer att undersöka möjligheten att använda genetiska tekniker för att träna artificiella neurala nätverk i en miljö anpassad till och med fokus på spel. Att använda genetiska tekniker för att träna artificiella neurala nätverk är en bra inlärningsteknik för problem där det enkelt går att skapa en passande fitnessfunktion och där andra inlärningstekniker kan vara svåra att använda. Det är dock ingen teknik som helt tar bort arbetet från utvecklare utan istället flyttar det mer åt att utveckla fitnessfunktionen och modifiera variabler.</p><p> </p>

Smarta leksaker är en del av den växande trenden Internet of Things och förväntas att öka kraftigt de närmaste åren. Smarta leksaker bli allt vanligare i många hem. Men vad många inte vet är att en smart, internetuppkopplad leksak, kan samla in data kring användaren. Detta sker vanligtvis genom en kamera, mikrofon eller GPS. Informationen som samlas in lagras oftast historisk och kan komma att delas med tredje part och används oftast i en större beräkningsgrund som vi inte alltid tänker på. Dessa leksaker utgör en säkerhetsrisk och kräver därför säkerhetsåtgärder för att säkerställa deras tillförlitlighet, därför att de kommer att användas av barn. Det har framkommit många säkerhetsbrister kring smarta leksaker. Den bristande säkerheten inkluderar informationsläckage, övervakning samt leksaker som används för att avlyssna på barn via obehöriga anslutningar. Mycket beror på den mjukvaran som finns i var och en av dessa leksaker, att den inte uppdateras och att säkerhetshål inte täpps till. Smarta leksaker kommer att innebära oförutsedda datasäkerhets- och integritetsrisker eftersom det för närvarande inte är möjligt att definiera alla möjliga problem som kan uppkomma. Tidigare forskning har tagit upp sårbarheter och risker med dessa leksaker och många har tagit fram en konceptuell bild över Toy Computing – vad det är och hur det fungerar. Men det finns inget bra verktyg för en auktoriserad användare för att stämma av mot för att aktivt skydda sig mot hackare och vad han eller hon bör tänka på när det gäller smarta leksaker.

Studien syftar till att undersöka inställningen till automatiserat beslutsfattande inom rekrytering med fokus på urvalsförfarandet, samt hur aktörerna anser att företaget och den arbetssökande skulle kunna påverkas av detta. Studien har även som avsikt att undersöka aktörernas syn på framtidens rekrytering. Det har endast gjorts ett begränsat antal studier som kombinerar rekrytering och automatiserat beslutsfattande, vilket motiverade denna studie. Semistrukturerade intervjuer genomfördes med personer från åtta svenska företag med en tydlig koppling till rekrytering.Studien baseras på teorier om beslutsfattande och rekrytering, som visar på olika perspektiv på hur människor inte har förmågan att fatta fullständigt rationella beslut. Tidigare forskning som tas upp visar att datorer har större kapacitet att hantera information vilket gör att datorer i de flesta fall tar mer träffsäkra beslut än människor. Vårt resultat visar att samtliga företag inte använder sig av automatiserat beslutfattande i urvalsprocessen idag, men att majoriteten ställer sig positivt till användningen av en sådan metod. De anser att både företaget och den arbetssökande skulle påverkas positivt. Företaget i perspektivet att rekryteringsprocessen skulle kunna bli mer effektiv vilket innebär att fler kandidater och ansökningar kan hanteras. De tror även att kvaliteten och matchningen skulle kunna förbättras genom användningen av automatiserat beslutsfattande. Den arbetssökande skulle kunna påverkas positivt på så sätt att en mer objektiv bedömning skulle kunna genomföras.  Studien visar att det finns en positiv uppfattning om att använda sig avautomatiserat beslutsfattande inom rekrytering. Därför finns det tillfälle att ifrågasätta den traditionella rekryteringsprocessen som används i Sverige idag. Detta grundar sig främst i problemet med felrekryteringar, men även den ökade belastningen på rekryterare på grund av digitaliseringen. Genom att införa automatiserat beslutsfattande visar denna studie på att dessa problem skulle kunna minskas men även att man kan uppnå en högre grad av rationalitet i beslutsfattandet. Därav bör man utveckla och nyansera teorierna om rationellt beslutsfattande och den traditionella rekryteringsprocessen.

No description available.

Artificial Intelligence has in the recent years become a popular subject, many thanks to the recent progress in the area of Machine Learning and particularly to the achievements made using Deep Learning. When combining Reinforcement Learning and Deep Learning, an agent can learn a successful behavior for a given environment. This has opened the possibility for a new domain of optimization. This thesis evaluates if a Deep Reinforcement Learning agent can learn to aid transportation services in a hospital environment. A Deep Q-learning Networkalgorithm (DQN) is implemented, and the performance is evaluated compared to a Linear Regression-, a random-, and a smart agent. The result indicates that it is possible for an agent to learn to aid transportation services in a hospital environment, although it does not outperform linear regression on the most difficult task. For the more complex tasks, the learning process of the agent is unstable, and implementation of a Double Deep Q-learning Network may stabilize the process. An overall conclusion is that Deep Reinforcement Learning can perform well on these types of problems and more applied research may result in greater innovations.

Artificiell intelligens sprider sig allt mer och mer inom olika arbetsområden. I denna studie har en kvalitativ fallstudie gjorts som behandlar hur sjuksköterskors uppfattning av framtida användandet av AI inom vården kan se ut. Genom att intervjua tre sjuksköterskor, en e-hälsostrateg och en projektledare inom området analyseras även detta empiriska material med hjälp av TAM för att slutligen ta reda på hur sjuksköterskors attityder kring att använda AI i framtiden ser ut. Resultatet av studien visar att sjuksköterskors uppfattning och acceptans av AI inom vården är delad i två områden där ena är icke-beslutsfattande AI och andra, beslutsfattande AI. Resultatet visar alltså hur sjuksköterskors attityd är positiv när det kommer till icke-beslutsfattande AI och mer negativ vid beslutsfattande AI. Detta då sjuksköterskorna anser att den mänskliga kontakten försvinner vid beslutsfattande AI. Det vill säga vid användning av AI-baserade system som behåller patientkontakt och kan besluta om vilken slags vård patienten behöver. Istället menar respondenterna att maskin och människa går bäst hand i hand.