Sekretessbelagd.

Fokus i examensarbetet ligger i att kartlägga likheter och skillnader i inlärning hos människor/djur och artificiella system genom att jämföra inlärningshastigheter och avkligningstider. Förhoppningen är att detta i förlängningen bidrar till ökad förståelse för och därmed förbättrad interaktion mellan artificiell och mänsklig intelligens. Arbetet bygger i huvudsak på teorier av B.F. Skinner och hans bok The behavior of organisms som gavs ut 1938. Hans teorier och experiment jämfördes med dagens kunskap om Artificiell intelligens och ett eget experiment med artificiella neurala nätverk genomfördes.

Företagen börjar mer och mer använda sig av företagsportaler. Men företagsportalerna är dock inte optimerad idag, informationstillgängligheten skulle kunna gå att förbättra. Med informationstillgänglighet menar vi, i denna uppsats, att användaren ska få den information som är relevant för honom/henne i rätt tid, kunna göra sökningar när han/hon behöver få tag i information och få resultatet presenterat för honom/henne på bästa möjliga sätt. Han/hon ska även kunna få tag i information genom samarbete med andra användare. Syftet med uppsatsen är att undersöka och skapa förståelse för vilka av de centrala egenskaperna i företagsportaler som tekniker ur artificiell intelligens kan tänkas användas, detta för att öka informationstillgängligheten i företagsportaler.

Syftet med följande examensarbete är att undersöka teorier och få fram idéer om hur man kan bygga en bot som spelar poker. Ett viktigt ämne som studeras är Artificiell intelligens och hur ett AI kan utvecklas hos en bot som ska ersätta en mänsklig pokerspelare spelandes i ett nätverk. Studien ger en inblick om spelregler för Texas Hold?em och går även in på teori om betydelsefull statistik, sannolikhet och odds. Resultatet av denna undersökning består av framtagna algoritmer som kan användas vid utveckling av en bot som spelar poker på ett bord med tio spelare..

Animationer av karaktärer och objekt är en viktig del vid skapandet av spel. Detta är något som det läggs mycket fokus på att få så realistisk som möjligt, även spelfysik används till viss del här för att ge karaktärer möjlighet att anpassa sig till miljöer. Det här arbetet undersöker och implementerar ett styrsystem, som används för animations generering till en trasdocka, med hjälp av Artificiell intelligens. Styrsystemet använder sig av en självorganiserande Artificiell intelligens för att generera animationer som följer ett specifikt beteende, i det här arbetet har animationer som fokuserar på att skydda höften skapats.Arbetet har gett goda resultat som indikerar på att denna lösning fungerar för att generera animationer på en trasdocka, som ska följa ett visst beteende. Detta visade sig möjligt genom att använda artificiellt neuralt nätverk kombinerat med genetisk algoritm..

Artificiell intelligens (AI) har diskuterats filosofiskt under lång tid. I och med datorns uppkomst och utveckling har dock nya filosofiska grenar framkommit. Den filosofiska AI:n syftar ofta att modellera människans kognitiva förmågor. AI är inte bara ett filosofiskt ämne utan andra områden har även ett intresse av AI. Med hjälp av avancerade system som till exempel expertsystem, artificiella neurala nätverk (ANN) samt viss robotik kan datorn och dess mjukvara tillämpas i allt mer avancerade och kommersiella situationer.

Idag är det inte helt ovanligt att tala om datorer som att de förstår eller på ett eller annat sätt lever sitt eget liv. Idén om att datorer kanske kan tänka och vara medvetna har sina rötter i det arbete som Alan Turing utförde under 1900-talets första hälft. Han brukar anses ha lagt grunden till det som idag kallas Artificiell intelligens (AI) (Preston, 2002). Man började fundera över om datorer kunde ha egenskaper som kan likställas med människors mentala tillstånd och därför användas för att förklara dessa. Ett sådant påstående förs fram i en teori kallad ?datorfunktionalism?.

Detta arbete har testat att använda en genetisk algoritm, en teknik inom Artificiell intelligens, där uppgiften har varit att automatiskt generera nivåer till pusselspelet Solve It. Precis som algoritmens inspirationskälla, djurvärldens evolution, har den evolverat fram lösningar som med tiden anpassat sig efter sin omgivning. Dessa genererade nivåer har sedan jämförts med manuellt designade dito. Resultaten har bestått av insamlad data från ett antal testpersoner, där deras uppfattning om utmaning och underhållning, samt deras tidsåtgång använts som mätverktyg. Arbetet har försökt ta reda på om genetiska algoritmer är ett lämpligt verktyg för att avlasta, komplettera eller till och med att ersätta en nivådesigner till det spel som testerna kretsar kring, Solve It..

Detta arbete undersöker skillnader i tidseffektivitet mellan beteendeträd ochHierarchical Task Network. En enklare spelprototyp av typen top-down 2D shoot-emup implementerades. Spelprototypen använder två typer av autonom motspelare så kallade botar. En bot för beteendeträd och en bot för Hierarchical Task Network. Spelprototypen mäter körtiden för varje typ av bot i sex olika situationer.

Den situerade ansatsen inom Artificiell intelligens har i tidigare experiment visat på stora möjligheter vid utvecklingen av enkla beteenden. Ansatsens framgångar är dock inte lika tydliga när det kommer till utvecklingen av mer komplexa beteenden som i högre grad påminner om de experiment som gjorts inom traditionell Artificiell intelligens. I studien utvecklas en agent med ett ?Extended Sequential Cascaded Network? som kontrollarkitektur för att lösa en uppgift som kräver ett ?räkneliknande beteende?. Utvecklingen av nätverket grundas på en situerad syn på kognition, däribland att designern i så liten grad som möjligt skall styra utvecklingen.

Artificiella ekosystem är en tillämpning av Artificiell intelligens som har funnits länge. Användningsområden för artificiella ekosystem innefattar främst biologiska simulationer men även andra typer av simulationer förekommer. Genom att simulera individuella djur blir den artificiella intelligensens uppgift att styra djurens beslut utifrån dess individuella förutsättningar och kamp för överlevnad. Detta arbete behandlar frågeställningen vilken beslutsalgoritm som är bäst lämpad att för att använda till ett artificiellt ekosystem i ett spel. Två beslutsalgoritmer jämförs, en dynamisk som bygger på maskin inlärning och en statisk som inte är kapabel att lära eller minnas.

Artificiell intelligens (AI) är en stor del i dagens datorspel. För att få inblick i komplexiteten runt AI i spelutveckling och för att förstå delar som AI består av har detta projekt genomförts. Målet var att skapa en AI-motor från grunden med bra grundplattform som är enkel att bygga vidare på. Innan projektet startade utfördes en förundersökning där olika alternativ för kartrepresentationer och grafsökningsalgoritmer togs fram. Utvecklingen av AI-motorn har haft ett starkt beroende till projektet där en spelmotor utvecklats av Niklas Ekman och Christian Mesch.

Ett av målen inom forskningsområdet Artificiell intelligens är att simulera mänskliga egenskaper och beteenden i en maskin. Syftet med uppsatsen var att undersöka om det fanns något som efterliknade den mänskliga inlärningsförmågan i roboten AIBO ERS-210. Den teoretiska bakgrunden utgjordes av Skinners teori om operant betingning. Syftet besvarades genom ett experiment som gick ut på att undersöka hur AIBO?s benägenhet att lyda tre olika kommandon påverkades av belöning och bestraffning.

SAMMANFATTNINGSyftet med denna studie var att med hjälp av frågeformulär mäta studenters (n=138), vid Växjö universitet, upplevelse av svartsjuka och emotionell intelligens beroende på relationsstatus, ålder och kön. Demirtaz och Dönmez (2006) studie visar att graden svartsjuka mellan olika relationsstatus är signifikant och en studie av Derksen, Kramer och Katzko (2002) har visat att emotionell intelligens ökar med åldern. Vi formade fyra hypoteser, huvudhypotesen i denna studie var ?personer med låg grad av emotionell intelligens upplever högre grad av svartsjuka?. De statistiska test visade att hypotesen var signifikant bland yngre personer.

I det här arbetet skapas två implementationer av hierarkiska tillståndsmaskiner i C#, en med artificiell trädstruktur och en med arv för att representera tillståndshierarkin. Implementationernas tidskomplexitet och underhållbarhet utvärderas sedan i .NET och Mono. Experimenten utförs på Sameks tillståndsdiagram och visar på att den som implementeras med arv är snabbare än den med artificiell trädstruktur samt att .NET är snabbare än Mono. Underhållbarhetsanalysen visar på att den som är baserad på artificiell trädstruktur är lättare att underhålla..