Utvecklingen av generativ artificiell intelligens har haft en påverkan på högre utbildningsinstitutioner som universitet och högskolor. Generativ AI har funnits sedan några år tillbaka men utvecklas konstant för att klara av fler och mer avancerade uppgifter. Den Generativa AI är i dagens läge kapabel till att utföra uppgifter som att generera text, bild och kod baserat på den uppgift som efterfrågas. Det jämförs med tiden då kalkylatorn uppfanns eller när internet kom och studenter upplevde en förändring i utbildning främst då Chat boten, ChatGPT lanserades i slutet av 2022. Efter det har flertalet generativa Chat botar lanserats samt andra generativa artificiella intelligenser. Den generativa AI förmåga att utföra uppgifter på studentens begäran och utefter de kriterier som ställs, skapar en typ av gråzon där frågan kan ställas vad som är tillåtet och inte. Även hur generativ AI skall användas på rätt sätt för att öka studentens förmåga att utveckla dess studier. Generativ AI existerar redan och är här för att stanna vilket gör att utbildningsinstitutioner står inför en utmaning. Denna uppsats utforskar tillsammans med tidigare forskning och analyser hur IT studenter på Linnéuniversitetet i Växjö använder sig av generativ AI inom uppsatsskrivning, vilka beståndsdelar inom uppsatser som anses vara mer krävande och om generativ AI har påverkat deras utbildning. Uppsatsen använder sig av ramverket Task Teknologi Fit (TTF) för att se hur väl studenter uppfattar att generativ AI prestera inom dess 5 olika beståndsdelar. Sammanfattningsvis bidrar denna uppsats till den akademiska diskussionen om generativ AI inom universitetsutbildning och erbjuder insikter av den generativa AI mångfaldiga påverkan av studenter och dess studier. Slutsatsen av arbetet visar att studenters användandet av generativ AI bidrar med kreativa idéer för att vidare utveckla deras uppsatser samt effektiviserar deras arbetsförmåga genom att avlasta studenten med uppgifter.

The present study examines ChatGPT-3's ability to generate code solutions for introductory programming courses in computer science and the potential implications for academic integrity. An experiment was conducted where ChatGPT was tested on programming problems from Kattis, an automatic software grading tool for computer programs, used in higher education. The results showed that ChatGPT independently could solve 19 out of 127 programming tasks assessed by Kattis. The study’s results also show that ChatGPT could generate accurate code solutions for simple problems on Kattis but encounters difficulties with more complex programming tasks. A qualitative follow up investigation was also carried out. To provide comments on methodology and discuss cheating in higher education concerning programming courses the two teachers were interviewed. The Kattis system is considered to have useful features for preventing cheating, such as hidden test cases, but it also has limitations in detecting AI-generated code. The report concludes by discussing the implications for various stakeholders, including teachers, students, and researchers. / Studien undersöker ChatGPT-3:s förmåga att generera kodlösningar för grundläggande programmeringskurser inom datavetenskap och de potentiella konsekvenserna för akademisk integritet. Ett experiment utfördes där ChatGPT testades med programmeringsproblem från Kattis, ett automatiskt rättningsverktyg för datorprogram som används inom högre utbildning. Resultaten visade att ChatGPT självständigt löste 19 av 127 programmeringsuppgifter som bedömdes av Kattis. Studien konstaterar att ChatGPT kan generera korrekta kodlösningar för problem med låg svårighetsgrad enligt Kattis, men stöter på svårigheter med mer komplexa programmeringsuppgifter. En kvalitativ uppföljningsundersökning genomfördes även där två lärare från KTH intervjuades för att ge sina kommentarer om metodvalet och diskutera fusket inom högre utbildning när det gäller programmeringskurser. Kattis-systemet anses ha användbara funktioner för att förhindra fusk, såsom dolda testfall, men har också begränsningar när det gäller att upptäcka AI-genererad kod. Rapporten avslutas med att diskutera implikationerna för olika intressenter, inklusive lärare, studenter och forskare.

The purpose of this master’s thesis was to research and evaluate how ChatGPT can be used as a tool in software developers’ daily work activities. In order to do this, the thesis was conducted in two phases, the initial exploration phase and the data collection phase. In the initial exploration phase, five senior-level developers were interviewed about their day-to-day work, opinions of generative AI, and the profession of software developers as a whole. From these interviews, a theoretical foundation for software development was formed, categorizing the daily work tasks of a software developer into either coding, communication, or planning. This theoretical foundation was then used as the basis for the tasks and interviews used during the data collection phase. In the data collection phase, seven developers, ranging from students to industry veterans, were asked to complete a set of representative tasks with the help of ChatGPT and afterward participate in an interview. The tasks were based upon the theoretical foundation of software development and aimed to serve as representative tasks that software developers have to do in their day-to-day work. Based on the tasks and interviews it was found that the use of ChatGPT did in fact help make software developers more effective when it came to coding and planning-based tasks, but not without risk since it was shown that junior developers trusted and relied more on the answers given by ChatGPT. Although ChatGPT showed a positive effect, the tooling still needs improvement, since the developers had trouble with the text formatting when completing communication-based tasks, as well as them expressing a desire for the tooling to be more integrated. However, this desire was not unexpected, since all of the developers involved showed interest in working with generative AI tooling for work-related tasks in the future.

This thesis has investigated what impact generative AI may have on higher education. Using a combination of a systematic literature study and interviews with representatives from four (4) large universities in Sweden. The findings indicate that generative AI is already a disruptive technology in teaching and learning in higher education, and that students now more easily can cheat or “mislead the examiner” using generative AI, for example by presenting ChatGPT generated text as text written by the students themselves. Even though there are some negatives with generative AI, this thesis shows that the Universities are better off embracing this technology instead of trying to work against it. So, what are the positives with generative AI in education? The fact that students can now converse with someone no matter their background, the fact that students can learn by using ChatGPT (if they are taught how to use it properly), the fact that learning how to use ChatGPT might increase the student’s efficiency and therefore increase their attractiveness on the work market when graduating. All of these benefits come with a big WARNING though. That warning is that higher education must teach the students that these tools are not miracle workers. That the tools can be wrong, and it is important that students learn how to question and criticise what is generated. Higher education has a responsibility to introduce the tools tempered by the understanding that they are not a replacement for knowledge, but only a powerful aid to enhance the knowledge that the students already possess. Finally, the study has been conducted during a particularly expansive period for generative AI and the reader should realise that the findings within this thesis represent early results in a young area of research.

This graduation report explores the integration of Artificial Intelligence (AI) tools, specifically OpenAI's Generative Pre-trained Transformer (GPT) technology, into web development processes using WordPress (WP) for developing a AI-driven chat service. The focus of the project is on ImagineX AB, a private company that offers the educational service ChatGPT Utbildning aimed at teaching professionals to effectively utilize ChatGPT. The project is motivated by the rapid growth and adoption of AI tools such as ChatGPT, underpinned by the observed increase in user base and its integration into significant platforms, like Microsoft's Bing and Office packages. Despite its promising potential, the application of such AI tools in web development remains underexplored and untested in several aspects. The graduation report presents the implementation of a GPT model-driven chat service on the ChatGPT Utbildning WP website, enabling visitors to interact with the famous AI tool directly. This feature serves a dual purpose – enhancing user engagement and providing an instant demonstration of the utility of ChatGPT. The agile project management methodology in general is divided into four phases: preliminary work, design solutions, develop solution, and delivery – design and development phases are iterative. In this project, there is two design iterations and three development iterations called “cycles”. The project plan is fulfilled with no deviation. Tests and continuous improvements are done throughout the development, with specific and planned in each phase and cycle. The result is two optimized chat bots in respective well-designed chat boxes with full chat functionality driven by OpenAI API and GPT-3.5/GPT-4 models – user tested and then published on ChatGPT Utbildning website. Additionally, insights in agile management solutions in relation to AI tools have been produced. The detailed construction and in-depth discussion contribute to the wide understanding of AI implementation in web development, providing practical insights into the application of ChatGPT in a real-world setting by agile project management. Furthermore, it underscores the transformative potential of AI tools in shaping web solutions and web development, and propelling innovation in the field. The report delves into discussion of technology, ethics, society, and implications on future web development. / Rapporten ämnar redogöra integreringen av artificiell intelligens (AI) instrument, särskilt OpenAI's Generative Pre-trained Transformer (GPT) teknologi, inom ramen för webbutvecklingsprocesser, inklusive agil projektledning, med användning av WordPress (WP), i syfte att utveckla en AIdrivande chatttjänst. Fokus för projektet är på företaget ImagineX AB, en privat aktör som erbjuder en utbildningstjänst benämnd ChatGPT Utbildning med mål att undervisa yrkesverksamma i effektivt bruk av ChatGPT. Motivationen för projektet härstammar från den snabbt växande tillväxten och adoptionen av AI-instrument som ChatGPT, vilket stärks av den observerade tillväxten av användarbasen och dess integrering i betydande plattformar, såsom Microsofts Bing och Office-paket. Trots den lovande potential som dessa AIinstrument innehar, finns det fortfarande delar inom webbutveckling där användningen av sådana verktyg förblir ouppklarade och otillräckligt utforskade. Rapporten visar implementeringen av en GPT-modell-drivande chattjänst på ChatGPT Utbildning WP-webbplatsen, vilket möjliggör direkt interaktion för besökare med det framstående AI-instrumentet. Denna funktion har ett tvåfaldigt ändamål - att förhöja användarengagemang och att ge en omedelbar demonstration av ChatGPT:s användbarhet. Den använda smidiga projektledningsmetodiken är typiskt uppdelad i fyra faser: preliminärt arbete, designlösningar, utvecklingslösningar samt leverans - designoch utvecklingsfaser är iterativa vilket omfattar två designiterationer och tre utvecklingsiterationer refererade till som "cykler". Projektplanen har följts utan avvikelser. Testning och kontinuerliga förbättringar har genomförts under hela utvecklingsprocessen, med specifika och planerade insatser i varje fas och cykel. Resultatet manifesteras i två optimerade chattrobotar inom respektive välutformade chattfönster, med fullständig chattfunktionalitet som drivs av OpenAI API samt GPT-3.5/GPT-4 modellerna - vilka har användartestats och därefter publicerats på ChatGPT Utbildning webbplatsen. Ytterligare insikter rörande agil projektledning i relation till AI-frågor erhålls också. Den detaljerade konstruktionen och den djupgående diskussionen bidrar till en omfattande förståelse för AI-implementering inom webbutveckling och ger praktiska insikter om tillämpningen av ChatGPT i en realistisk inställning med smidig projektledning. Vidare framhäver det den transformerande potentialen hos AI-instrument för att utforma webblösningar och webbutveckling, vilket främjar innovation inom området. Rapporten avslutas med diskussioner kring teknik, etik, samhälle och implikationer för framtida webbutveckling.

In this paper the two reinforcement learning algorithmsQ-learning and deep Q-learning (DQN) are used tobalance an inverted pendulum. In order to compare the two, bothalgorithms are optimized to some extent, by evaluating differentvalues for some parameters of the algorithms. Since the differencebetween Q-learning and DQN is a deep neural network (DNN),some benefits of a DNN are then discussed.The conclusion is that this particular problem is simple enoughfor the Q-learning algorithm to work well and is preferable,even though the DQN algorithm solves the problem in fewerepisodes. This is due to the stability of the Q-learning algorithmand because more time is required to find a suitable DNN andevaluate appropriate parameters for the DQN algorithm, than tofind the proper parameters for the Q-learning algorithm. / I denna rapport används två algoritmer inom förstärkningsinlärning och djup Q-inlärning (DQN), för att balancera en omvänd pendel. För att jämföra dem så optimeras algoritmerna i viss utsträckning genom att testa olika värden för vissa av deras parametrar. Eftersom att skillnaden mellan Q-inlärning och DQN är ett djupt neuralt nätverk (DNN) så diskuterades fördelen med ett DNN. Slutstatsen är att för ett så pass enkelt problem så fungerar Q-inlärningsalgoritmen bra och är att föredra, trots att DQNalgoritmen löser problemet på färre episoder. Detta är pågrund av Q-inlärningsalgoritmens stabilitet och att mer tid krävs för att hitta ett passande DNN och hitta lämpliga parametrar för DQN-algoritmen än vad det krävs för att hitta bra parametrar för Q-inlärningsalgoritmen. / Kandidatexjobb i elektroteknik 2021, KTH, Stockholm

This thesis explores the implementation of a conversational user interface for Uppsala Municipality, aimed at optimising the balance between cost of usage and quality when using large language models for public services. The central issue addressed is the effective integration of large language models, such as OpenAI's GPT-4, to enhance municipal services without compromising user privacy and data security. The solution developed involves a prototype that utilises a model chooser and prompt tuner, allowing the interface to adapt the complexity of responses based on user input. This adaptive approach reduces costs while maintaining high response quality. The results indicate that the prototype not only manages costs effectively, but also adheres to standards of data privacy and security. Clear information on data use and transparency improved user trust and understanding. In addition, strategies were effectively implemented to handle sensitive and unexpected input, improving overall data security. Overall, the findings suggest that this approach to implementing conversational user interfaces in public services is viable, offering valuable insights into the cost-effective and secure integration of language models in the public sector. The success of the prototype highlights its potential to improve future municipal services, underscoring the importance of transparency and user engagement in public digital interfaces. / Den här masteruppsatsen undersöker implementeringen av ett konversationsgränssnitt för Uppsala kommun, med målet att optimera balansen mellan kostnad och kvalitet vid användning av stora språkmodeller för den offentliga sektorn. Den centrala frågan som besvaras är hur stora språkmodeller, såsom OpenAI:s GPT-4, kan integreras för att förbättra kommunala tjänster utan att kompromissa med användarnas integritet och datasäkerhet. Den utvecklade lösningen innefattar en prototyp som använder en modellväljare och promptjusterare, vilket gör det möjligt för gränssnittet att anpassa svarens komplexitet baserat på användarens meddelande. Detta tillvägagångssätt reducerar kostnaderna samtidigt som en hög svarskvalitet bibehålls. Resultaten visar att prototypen inte bara hanterar kostnaderna effektivt, utan också upprätthåller standarder för datasekretess och säkerhet. Tydlig information om dataanvändning och transparens förbättrade avsevärt användarnas förtroende och förståelse. Dessutom implementerades strategier effektivt för att hantera känslig och oväntad data, vilket förbättrade den övergripande datasäkerheten. Sammanfattningsvis tyder resultaten på att detta tillvägagångssätt för implementering av konversationsgränssnitt i offentliga tjänster är möjligt och erbjuder lärdomar om kostnadseffektiv och säker integration av språkmodeller i offentlig sektor. Prototypens framgång påvisar dess potential att förbättra framtida kommunala tjänster, men lyfter också vikten av transparens och användarengagemang i offentliga digitala gränssnitt.

This paper analyzes the current possible implementations and limitations of generative AI applications such as Chat-GPT, DALL-E, and Midjourney. The applications were used in a specific scenario to gauge whether it was able to effectively handle a potential request from a client, the scenario was to create a visual identity for a shoe company called WalkWise. The creations are then analyzed using Gestalt theories of perception and the machine-learning mechanisms that run these applications. To understand just how graphic designers may introduce these tools into their process, a process chart describing a typical graphic design process for a project has been created using data gathered from 8 professionals in the field who were interviewed. Using a thematic analysis, common occurring themes/activities were found and visualized in a process chart. The process was later analyzed using theories in process value analysis. Using all this information a conclusion was made that AI-generated art has several limitations that inhibit it from completely replacing human designers. These included: not understanding/generating vector graphics, not understanding objects in 3D space from less natural angles, often generating visual clichés, some potential copyright issues, and not being able to generate words. The implementation was therefore limited to a visual brainstorming tool which could aid graphic designers in quickly visualizing an idea or visualizing several different versions of one idea without having to sketch these differences, thereby making the idea-generating parts of the process more efficient.

Användningen av Artificiell Intelligens (AI) är utbredd bland verksamma företag idag, likväl privatpersoner. Det har blivit en integrerad del av vårt samhälle som ofta går obemärkt förbi. Allt från face recognition, självkörande bilar och automatisering inom arbetsrelaterade områden, har AI onekligen påverkat omvärlden. I takt med att AI-modeller fortsätter att utvecklas tillkommer även farhågor om dess påverkan på jobb, tillhörande säkerhetsrisker och etiska dilemman. Uppsatsens litteratur hjälper till att skildra AI historiskt, i nutid, men även ge en uppfattning om vart den är på väg. Den AI-modell som i nuläget har väckt störst uppmärksamhet är ChatGPT. Dess potential tycks inte ha några gränser, därmed uppstod relevansen för att öka kunskapen kring AI-modellen. Vidare gjordes en avgränsning, där fokusområdet var att undersöka hur ChatGPT kan generera kodkommentarer och potentiellt agera som ett hjälpmedel vid kommentering av källkod. I samband med avgränsningen och fokusområdet bildades även forskningsfrågan: Large Language Models: Bedömning av ChatGPT:s potential som verktyg för kommentering av kod För att besvara forskningsfrågan har avhandlingen varit baserat på en kvalitativ ansats, där urvalet av respondenter har varit programmerare. Den primära datainsamlingen har genomförts via två semistrukturerade intervjuer, varav den inledande innefattade initiala känslor kring ChatGPT och övergripande fakta om respektive intervjuobjekt. Vidare gjordes det en observation för att få en inblick i hur AI-modellen används av programmerare, för att avslutningsvis göra en uppföljande intervju post-observation i syfte att samla tankarna från intervjuobjekten efter användning av ChatGPT för att generera kodkommentarer. Baserat på den insamlade empirin kunde studien konkludera vissa begränsningar i den nuvarande modellen, inte minst behovet av tydliga instruktioner. Trots brister visar ChatGPTs framställning potential att vara en betydande resurs för kommentering av kod i framtiden. Resultaten indikerar att modellen kan generera relativt passande kommentarer i de analyserade kodkodstycken. Emellertid uttryckte deltagarna under de avslutande intervjuerna generellt sett att kommentarerna var redundanta och saknade betydande värde för att öka förståelsen av källkoden. Respondenterna diskuterade dock möjligheterna att använda ChatGPT i framtiden, men underströk behovet av förbättringar för att göra det till en tillförlitlig metod inom arbetsrelaterade situationer. / The usage of Artificial Intelligence (AI) is widespread among both companies and individuals today. It has become an integrated part of our society, often going unnoticed. From face recognition and self-driving cars to automation in work-related areas, AI has undeniably impacted the world. As AI models continue to evolve, concerns about their impact on jobs, associated security risks, and ethical dilemmas arise. The literature in this essay helps portray AI historically, in the present, and provides an insight into its future direction. The AI model that has currently garnered the most attention is ChatGPT. Its potential seems limitless, which prompted the relevance of increasing knowledge about the AI model. Furthermore, a delimitation was made, where the focus area was to investigate how ChatGPT can generate code comments and potentially act as a tool for commenting source code. As part of the research focus and scope, the research question was formulated: "Large Language Models: Assessment of ChatGPT's Potential as a Tool for Code Commenting." To answer the research question, the thesis adopted a qualitative approach, with programmers as the selected respondents. The primary data collection was conducted through two semi-structured interviews, where the initial interview involved capturing initial impressions of ChatGPT and gathering general information about the interviewees. Additionally, an observation was carried out to gain insights into how programmers utilize the AI model, followed by a post-observation interview to gather the interviewees' thoughts after using ChatGPT to generate code comments. Based on the collected empirical data, the study was able to conclude certain limitations in the current model, particularly the need for clear instructions. Despite these limitations, ChatGPT's performance demonstrates the potential to be a significant resource for code commenting in the future. The results indicate that the model can generate relatively suitable comments in the analyzed code snippets. However, during the concluding interviews, participants generally expressed that the comments were redundant and lacked significant value in enhancing the understanding of the source code. Nevertheless, the respondents 2 discussed the possibilities of using ChatGPT in the future, while emphasizing the need for improvements to establish it as a reliable method in work-related situations.

In recent years, generative AI has made significant strides, likely leaving an irreversible mark on contemporary society. The launch of OpenAI's ChatGPT 3.5 in 2022 manifested the greatness of the innovative technology, highlighting its performance and accessibility. This has led to a demand for implementation solutions across various industries and companies eager to leverage these new opportunities generative AI brings. This thesis explores the common operational challenges faced by a small-scale Tech Enterprise and, with these challenges identified, examines the opportunities that contemporary generative AI solutions may offer. Furthermore, the thesis investigates what type of generative technology is suitable for adoption and how it can be implemented responsibly and sustainably. The authors approach this topic through 14 interviews involving several AI researchers and the employees and executives of a small-scale Tech Enterprise, which served as a case company, combined with a literature review.  The information was processed using multiple inductive thematic analyses to establish a solid foundation for the investigation, which led to the development of a Proof of Concept. The findings and conclusions of the authors emphasize the high relevance of having a clear purpose for the implementation of generative technology. Moreover, the authors predict that a sustainable and responsible implementation can create the conditions necessary for the specified small-scale company to grow.  When the authors investigated potential operational challenges at the case company it was made clear that the most significant issue arose from unstructured and partially absent documentation. The conclusion reached by the authors is that a data management system powered by a Retrieval model in a LLM presents a potential path forward for significant value creation, as this solution enables data retrieval functionality from unstructured project data and also mitigates a major inherent issue with the technology, namely, hallucinations. Furthermore, in terms of implementation circumstances, both empirical and theoretical findings suggest that responsible use of generative technology requires training; hence, the authors have developed an educational framework named "KLART".  Moving forward, the authors describe that sustainable implementation necessitates transparent systems, as this increases understanding, which in turn affects trust and secure use. The findings also indicate that sustainability is strongly linked to the user-friendliness of the AI service, leading the authors to emphasize the importance of HCD while developing and maintaining AI services. Finally, the authors argue for the value of automation, as it allows for continuous data and system updates that potentially can reduce maintenance.  In summary, this thesis aims to contribute to an understanding of how small-scale Tech Enterprises can implement generative AI technology sustainably to enhance their competitive edge through innovation and data-driven decision-making.