รูเล็ตออนไลน์ เกมส์ยิงปลาออนไลน์ เกมส์บาคาร่าออนไลน์ เว็บไฮโลปอยเปต

รูเล็ตออนไลน์ เกมส์ยิงปลาออนไลน์ ปัญญาประดิษฐ์คือความพยายามในการสร้างคอมพิวเตอร์ที่มีพฤติกรรมอัจฉริยะ เป็นคำศัพท์ที่ใช้เรียกทุกอย่างตั้งแต่ Siri ไปจนถึง Watson ของ IBM ไปจนถึงเทคโนโลยีอันทรงพลังที่เรายังไม่ได้ประดิษฐ์ขึ้น นักวิจัยบางคนแยกแยะระหว่าง “AI แคบ” ซึ่งเป็นระบบคอมพิวเตอร์ที่ดีกว่ามนุษย์ในด้านที่เฉพาะเจาะจงและชัดเจน เช่น การเล่นหมากรุกหรือการสร้างภาพหรือการวินิจฉัยโรคมะเร็ง และระบบ “AI ทั่วไป” ที่มีความสามารถเหนือ

ความสามารถของมนุษย์ในหลายโดเมน . เรายังไม่มี AI ทั่วไป แต่เราเริ่มเข้าใจความท้าทายที่จะเกิดขึ้นมากขึ้น In medieval armour, a man looks at the crowd gathered around a jousting ring. AI ที่แคบมีความก้าวหน้าที่ไม่ธรรมดาในช่วงไม่กี่ปีที่ผ่านมา ระบบ AI ได้ดีขึ้นอย่างมากในการแปลในเกมเช่น

หมากรุกและไปที่คำถามการวิจัยทางชีววิทยาที่สำคัญเช่นการทำนายว่าโปรตีนพับและในการสร้างภาพ ระบบ AI กำหนดสิ่งที่คุณจะได้เห็นในการค้นหาของ GoogleหรือของคุณในFacebook Newsfeed พวกเขาแต่งเพลงและเขียนบทความที่อ่านได้อย่างรวดเร็วราวกับว่ามนุษย์เป็นคนเขียน พวกเขาเล่นกลยุทธ์ เกม พวกเขามีการพัฒนาเพื่อปรับปรุงการกำหนดเป้าหมายทำเสียงขึ้นจมูก และตรวจจับขีปนาวุธ

แต่แคบ AI จะได้รับแคบน้อย ครั้งหนึ่ง เราก้าวหน้าใน AI รูเล็ตออนไลน์ โดยสอนแนวคิดเฉพาะของระบบคอมพิวเตอร์อย่างระมัดระวัง ในการทำคอมพิวเตอร์วิทัศน์ — ทำให้คอมพิวเตอร์สามารถ ระบุสิ่งต่าง ๆ ในภาพและวิดีโอ — นักวิจัยได้เขียนอัลกอริธึมสำหรับตรวจจับขอบ ในการเล่นหมากรุก พวกเขาตั้งโปรแกรมในการวิเคราะห์พฤติกรรมเกี่ยวกับหมากรุก ในการทำการประมวลผลภาษาธรรมชาติ (การรู้จำคำพูด การถอดเสียง การแปล ฯลฯ) พวกเขาใช้สาขาภาษาศาสตร์

แต่เมื่อเร็ว ๆ นี้ เราทำได้ดียิ่งขึ้นในการสร้างระบบคอมพิวเตอร์ที่มีความสามารถในการเรียนรู้โดยทั่วไป แทนที่จะอธิบายคุณลักษณะโดยละเอียดของปัญหาทางคณิตศาสตร์ เราให้ระบบคอมพิวเตอร์เรียนรู้สิ่งนั้นด้วยตัวมันเอง ในขณะที่เมื่อเราได้รับการรักษาวิสัยทัศน์คอมพิวเตอร์เป็นปัญหาที่แตกต่างกันอย่างสมบูรณ์จากการประมวลผลภาษาธรรมชาติหรือการเล่นเกมแพลตฟอร์มตอนนี้เราสามารถแก้ปัญหาทั้งสามปัญหากับวิธีการเดียวกัน

และเมื่อคอมพิวเตอร์ทำงานได้ดีพอที่จะทำงาน AI ที่แคบได้ พวกเขาก็เริ่มแสดงความสามารถทั่วไปมากขึ้น ตัวอย่างเช่นชุด GPTของข้อความ AI ที่มีชื่อเสียงของ OpenAI ในแง่หนึ่งคือ AI ที่แคบที่สุด — เพียงแค่คาดการณ์ว่าคำถัดไปจะอยู่ในข้อความใด โดยอิงจากคำก่อนหน้าและคลังข้อมูลของภาษามนุษย์ และตอนนี้ก็สามารถระบุคำถามว่ามีเหตุผลหรือไม่มีเหตุผล และอภิปรายเกี่ยวกับโลกทางกายภาพ (เช่น การตอบคำถามว่าสิ่งของชิ้นใดมีขนาดใหญ่กว่าหรือขั้นตอนใดในกระบวนการต้องมาก่อน) เพื่อที่จะเก่งมากในการทำนายข้อความที่แคบในที่สุดระบบ AI จะพัฒนาความสามารถที่ไม่แคบเลย

ความก้าวหน้าของ AI ของเราจนถึงตอนนี้ทำให้เกิดความก้าวหน้าอย่างมาก และ ยังทำให้เกิดคำถามด้านจริยธรรมอย่างเร่งด่วนอีกด้วย เมื่อคุณฝึกระบบคอมพิวเตอร์เพื่อคาดการณ์ว่าผู้กระทำผิดคนใดจะก่ออาชญากรรมซ้ำ คุณกำลังใช้ข้อมูลจากระบบยุติธรรมทางอาญาที่มีอคติต่อคนผิวสีและผู้มีรายได้น้อย ดังนั้นผลลัพธ์ก็มักจะลำเอียงกับคนผิวสีและผู้มีรายได้น้อยด้วยเช่นกัน . การทำให้เว็บไซต์น่าติดตามมากขึ้นอาจส่งผลดีต่อรายได้ของคุณ แต่ไม่ดีต่อผู้ใช้ของคุณ การเปิดตัวโปรแกรมที่เขียนบทวิจารณ์ปลอมหรือข่าวปลอมที่น่าเชื่อถืออาจทำให้รายการเหล่านั้นแพร่หลายออกไป ทำให้ความจริงเปิดเผยได้ยากขึ้น

Rosie Campbell จาก Center for Human-Compatible AI ของ UC Berkeley ให้เหตุผลว่าสิ่งเหล่านี้เป็นตัวอย่าง ของผู้เชี่ยวชาญกังวลใหญ่เกี่ยวกับ AI ทั่วไปในอนาคต ความยากลำบากที่เรากำลังต่อสู้กับ AI ที่แคบในวันนี้ไม่ได้มาจากระบบที่หันกลับมาหาเราหรือต้องการแก้แค้นหรือมองว่าเราด้อยกว่า แต่มาจากการตัดการเชื่อมต่อระหว่างสิ่งที่เราบอกให้ระบบของเราทำกับสิ่งที่เราต้องการให้ทำจริงๆ

ตัวอย่างเช่น เราบอกให้ระบบทำคะแนนให้สูงในวิดีโอเกม เราต้องการให้มันเล่นเกมอย่างยุติธรรมและเรียนรู้ทักษะของเกม แต่ถ้ามีโอกาสแฮ็คระบบการให้คะแนนโดยตรง มันก็จะทำเช่นนั้น ทำได้ดีมากตามเมตริกที่เราให้ไว้ แต่เราไม่ได้รับสิ่งที่เราต้องการ

กล่าวอีกนัยหนึ่ง ปัญหาของเรามาจากระบบที่ดีจริง ๆ ในการบรรลุเป้าหมายที่พวกเขาเรียนรู้ที่จะไล่ตาม เพียงว่าเป้าหมายที่พวกเขาเรียนรู้ในสภาพแวดล้อมการฝึกอบรมไม่ใช่ผลลัพธ์ที่เราต้องการจริงๆ และเรากำลังสร้างระบบที่เราไม่เข้าใจ ซึ่งหมายความว่าเราไม่สามารถคาดการณ์พฤติกรรมของพวกเขาได้ตลอดเวลา

ตอนนี้อันตรายมีจำกัดเพราะระบบมีจำกัด แต่เป็นรูปแบบที่อาจส่งผลร้ายแรงต่อมนุษย์ในอนาคตได้ เนื่องจากระบบ AI ก้าวหน้ามากขึ้น

2) เป็นไปได้ไหมที่จะทำให้คอมพิวเตอร์ฉลาดเหมือนคน?
ใช่ แม้ว่าระบบ AI ในปัจจุบันจะไม่ค่อยฉลาดนัก

สุภาษิตยอดนิยมเกี่ยวกับ AI คือ ” ทุกสิ่งที่ง่ายนั้นยาก และทุกสิ่งที่ยากนั้นง่าย ” ทำการคำนวณที่ซับซ้อนในพริบตา? ง่าย. ดูรูปแล้วบอกว่าเป็นหมา? ยาก (จนกระทั่งไม่นานมานี้)

หลายสิ่งหลายอย่างที่มนุษย์ทำอยู่นอกเหนือความเข้าใจของ AI ตัวอย่างเช่น เป็นการยากที่จะออกแบบระบบ AI ที่สำรวจสภาพแวดล้อมที่ไม่คุ้นเคย ซึ่งสามารถนำทางจากทางเข้าของอาคารที่ไม่เคยเข้าไปก่อนขึ้นบันไดไปยังโต๊ะของบุคคลใดบุคคลหนึ่งได้ เราเพิ่งเริ่มเรียนรู้วิธีออกแบบระบบ AI ที่อ่านหนังสือและรักษาความเข้าใจในแนวคิดต่างๆ

กระบวนทัศน์ที่ผลักดันให้เกิดความก้าวหน้าครั้งใหญ่ที่สุดใน AI เมื่อเร็ว ๆ นี้เรียกว่า “การเรียนรู้เชิงลึก” ระบบการเรียนรู้เชิงลึกสามารถทำสิ่งที่น่าอัศจรรย์บางอย่างได้ เช่น เอาชนะเกมที่เราคิดว่ามนุษย์จะไม่มีวันพ่ายแพ้ ประดิษฐ์ภาพถ่ายที่น่าสนใจและสมจริง แก้ปัญหาที่เปิดกว้างในอณูชีววิทยา

การค้นพบครั้งยิ่งใหญ่เหล่านี้ทำให้นักวิจัยบางคนสรุปได้ว่าถึงเวลาที่จะเริ่มคิดถึงอันตรายของระบบที่ทรงพลังกว่านี้แล้ว แต่ยังมีข้อสงสัยอยู่ ผู้มองโลกในแง่ร้ายของภาคสนามให้เหตุผลว่าโปรแกรมยังคงต้องการแหล่งรวมข้อมูลที่มีโครงสร้างเป็นพิเศษเพื่อเรียนรู้ ต้องการพารามิเตอร์ที่เลือกสรรมาอย่างดี หรือทำงานเฉพาะในสภาพแวดล้อมที่ออกแบบมาเพื่อหลีกเลี่ยงปัญหาที่เรายังไม่รู้วิธีแก้ไข พวกเขาชี้ไปที่รถยนต์ที่ขับด้วยตนเองซึ่งยังคงอยู่ในระดับปานกลางภายใต้สภาวะที่ดีที่สุด แม้ว่าจะมีเงินหลายพันล้านที่ทุ่มเทให้กับการทำงาน

เป็นเรื่องยากที่จะหานักวิจัยชั้นนำด้าน AI ที่คิดว่า AI ทั่วไปเป็นไปไม่ได้ ในทางกลับกัน ผู้ทรงคุณวุฒิในสนามมักจะบอกว่ามันจะเกิดขึ้นสักวันหนึ่ง — แต่อาจเป็นวันที่อีกยาวไกล

นักวิจัยคนอื่นแย้งว่าวันนั้นอาจไม่ห่างไกลนัก

นั่นเป็นเพราะสำหรับประวัติศาสตร์ของ AI เกือบทั้งหมด เราถูกระงับโดยส่วนใหญ่เนื่องจากไม่มีพลังประมวลผลเพียงพอที่จะทำให้ความคิดของเราเป็นจริงได้อย่างเต็มที่ หลายนวัตกรรมใหม่ของปีที่ผ่านมา – ระบบ AI ที่ได้เรียนรู้วิธีการเล่นเกมกลยุทธ์ , การสร้างภาพปลอมของดารา , พับโปรตีนและการแข่งขันในหลายใหญ่เกมกลยุทธ์ออนไลน์ – ได้เกิดขึ้นเพราะเห็นว่าไม่เป็นความจริงอีกต่อไป อัลกอริธึมจำนวนมากที่ดูเหมือนจะไม่ทำงานเลยกลับกลายเป็นว่าทำงานได้ดีเมื่อเราเรียกใช้มันด้วยพลังการประมวลผลที่มากขึ้น

และค่าใช้จ่ายของหน่วยเวลาในการคำนวณก็ลดลงเรื่อยๆ ความคืบหน้าในการประมวลผลความเร็วได้ช้าลงเมื่อเร็ว ๆ นี้ แต่ค่าใช้จ่ายในการประมวลผลยังคงคาดว่าจะลดลง 10 เท่าทุกๆ 10 ปี ตลอด ประวัติศาสตร์ส่วนใหญ่AI เข้าถึงพลังการประมวลผลน้อยกว่าสมองมนุษย์ ที่มีการเปลี่ยนแปลง จากการประมาณการส่วนใหญ่ตอนนี้เรากำลังเข้าสู่ยุคที่ระบบ AI สามารถมีทรัพยากรการคำนวณที่มนุษย์ชอบได้

และการเรียนรู้เชิงลึกซึ่งแตกต่างจากวิธีการก่อนหน้าของ AI นั้นเหมาะสมอย่างยิ่งต่อการพัฒนาความสามารถทั่วไป

“ถ้าคุณย้อนกลับไปในประวัติศาสตร์” Ilya Sutskever นักวิจัยด้าน AI ชั้นนำและผู้ร่วมก่อตั้ง OpenAI บอกกับฉันว่า “พวกเขาสร้างการสาธิตเจ๋งๆ มากมายด้วย AI เชิงสัญลักษณ์เพียงเล็กน้อย พวกเขาไม่สามารถปรับขนาดได้ – พวกเขาไม่สามารถทำให้พวกเขาแก้ปัญหาที่ไม่ใช่ของเล่นได้ ด้วยการเรียนรู้อย่างลึกซึ้งสถานการณ์จึงกลับกัน … ไม่เพียง แต่เป็น [AI ที่เรากำลังพัฒนา] ทั่วไปเท่านั้น แต่ยังมีความสามารถด้วย – หากคุณต้องการผลลัพธ์ที่ดีที่สุดในปัญหายากๆ มากมาย คุณต้องใช้การเรียนรู้เชิงลึก และสามารถปรับขนาดได้”

กล่าวอีกนัยหนึ่ง เราไม่จำเป็นต้องกังวลเกี่ยวกับ AI ทั่วไปเมื่อการชนะหมากรุกต้องใช้เทคนิคที่ต่างไปจากเดิมอย่างสิ้นเชิงจากการชนะที่ Go แต่ตอนนี้ วิธีการเดียวกันนี้สร้างข่าวปลอมหรือเพลงขึ้นอยู่กับว่าข้อมูลการฝึกอบรมใดที่ถูกป้อน และเท่าที่เราสามารถค้นพบได้ โปรแกรมต่างๆ ก็เริ่มดีขึ้นเรื่อยๆ ในสิ่งที่พวกเขาทำ เมื่อพวกเขามีเวลาในการคำนวณมากขึ้น เราไม่ได้ค้นพบขีดจำกัดว่าพวกเขาจะทำได้ดีเพียงใด แนวทางการเรียนรู้เชิงลึกสำหรับปัญหาส่วนใหญ่ได้พัดผ่านแนวทางอื่นๆ ทั้งหมดเมื่อค้นพบการเรียนรู้เชิงลึกครั้งแรก

นอกจากนี้ ความก้าวหน้าในสาขาต่างๆ มักจะสร้างความประหลาดใจให้กับนักวิจัยคนอื่นๆ ในสาขาอีกด้วย “บางคนแย้งว่าไม่มีความเสี่ยงที่เป็นไปได้ที่จะเป็นมนุษย์ [จาก AI] มานานหลายศตวรรษ” เขียน UC Berkeley อาจารย์จวร์ตรัสเซล“บางทีอาจจะลืมไปว่าช่วงเวลาระหว่างการยืนยันความมั่นใจของ Rutherford ที่พลังงานปรมาณูจะไม่ถูกสกัด feasibly และ การประดิษฐ์ปฏิกิริยาลูกโซ่นิวเคลียร์ที่เกิดจากนิวตรอนของ Szilárd นั้นใช้เวลาน้อยกว่ายี่สิบสี่ชั่วโมง”

เรียนรู้เกี่ยวกับวิธีที่ชาญฉลาดของผู้คนในการแก้ไขปัญหาของโลก

สัปดาห์ละสองครั้ง คุณจะได้รับแนวคิดและแนวทางแก้ไขเพื่อจัดการกับความท้าทายที่ยิ่งใหญ่ที่สุดของเรา: การปรับปรุงด้านสาธารณสุข การลดความทุกข์ทรมานของมนุษย์และสัตว์ การลดความเสี่ยงจากภัยพิบัติ และพูดง่ายๆ ก็คือ การทำความดีให้ดีขึ้น ลงทะเบียนเพื่อรับจดหมายข่าวของอนาคตที่สมบูรณ์แบบ

มีการพิจารณาอื่น ลองนึกภาพ AI ที่ด้อยกว่ามนุษย์ในทุกสิ่ง ยกเว้นอย่างเดียว: เป็นวิศวกรที่มีความสามารถซึ่งสามารถสร้างระบบ AI ได้อย่างมีประสิทธิภาพมาก วิศวกรแมชชีนเลิร์นนิงที่ทำงานเกี่ยวกับงานอัตโนมัติในสาขาอื่น ๆ มักจะสังเกตอย่างตลกขบขันว่า ในบางแง่มุม งานของพวกเขาดูเหมือนเป็นงานที่มีการทำงานส่วนใหญ่ เช่น การปรับค่าพารามิเตอร์ที่น่าเบื่อหน่าย อาจเป็นการทำงานอัตโนมัติ

หากเราสามารถออกแบบระบบดังกล่าวได้ เราก็สามารถใช้ผลลัพธ์ของมัน — AI ทางวิศวกรรมที่ดีขึ้น — เพื่อสร้าง AI อื่นที่ดียิ่งขึ้นไปอีก นี่คือผู้เชี่ยวชาญด้านสถานการณ์สมมติที่เรียกว่า “recursive self-improvement” ซึ่งความสามารถที่เพิ่มขึ้นของ AI ช่วยให้ได้รับความสามารถ AI มากขึ้น ซึ่งช่วยให้ระบบที่เริ่มต้นจากเบื้องหลังเราจบลงด้วยความสามารถที่เหนือกว่าที่เราคาดไว้อย่างรวดเร็ว

นี่เป็นความเป็นไปได้ที่คาดการณ์ไว้ตั้งแต่คอมพิวเตอร์เครื่องแรก IJ Good เพื่อนร่วมงานของ Alan Turing ที่ทำงานในปฏิบัติการถอดรหัสลับ Bletchley Park ในช่วงสงครามโลกครั้งที่ 2 และช่วยสร้างคอมพิวเตอร์เครื่องแรกหลังจากนั้น อาจเป็นคนแรกๆ ที่บอกเล่าเรื่องราวนี้ย้อนกลับไปในปี 1965 : “เครื่องจักรที่ชาญฉลาดสามารถออกแบบได้ดียิ่งขึ้นไปอีก เครื่อง; จากนั้นจะมี ‘การระเบิดของปัญญา’ อย่างไม่ต้องสงสัย และความฉลาดของมนุษย์จะถูกทิ้งไว้เบื้องหลัง ดังนั้นเครื่องจักรอัจฉริยะชิ้นแรกจึงเป็นสิ่งประดิษฐ์สุดท้ายที่มนุษย์ต้องการสร้าง”

3) AI สามารถล้างเราออกไปได้อย่างไร?
เป็นที่ชัดเจนในทันทีว่าระเบิดนิวเคลียร์จะฆ่าเราได้อย่างไร ไม่มีใครที่ทำงานเพื่อลดความเสี่ยงด้านนิวเคลียร์ต้องเริ่มต้นด้วยการอธิบายว่าเหตุใดจึงเป็นเรื่องไม่ดีถ้าเรามีสงครามนิวเคลียร์

กรณีที่ AI อาจก่อให้เกิดความเสี่ยงต่อมนุษยชาตินั้นซับซ้อนและเข้าใจยากกว่า ผู้คนจำนวนมากที่ทำงานเพื่อสร้างระบบ AI ที่ปลอดภัยต้องเริ่มต้นด้วยการอธิบายว่าเหตุใดระบบ AI โดยค่าเริ่มต้นจึงเป็นอันตราย

ฮาเวียร์ ซาร์ราซิน่า / Vox
ความคิดที่ว่า AI สามารถกลายเป็นอันตรายได้นั้นมีรากฐานมาจากความจริงที่ว่าระบบ AI ไล่ตามเป้าหมาย ไม่ว่าเป้าหมายเหล่านั้นจะเป็นสิ่งที่เราตั้งใจไว้จริงๆ หรือไม่ และไม่ว่าเราจะอยู่ในทางนั้นหรือไม่ก็ตาม สตีเฟน ฮอว์คิงเขียนว่า “คุณอาจไม่ใช่คนเกลียดมดตัวร้ายที่เหยียบมดด้วยความอาฆาตพยาบาทแต่ถ้าคุณรับผิดชอบโครงการพลังงานน้ำสีเขียวและมีจอมปลวกในภูมิภาคที่จะถูกน้ำท่วม แย่เกินไปสำหรับมด อย่าให้มนุษยชาติอยู่ในตำแหน่งของมดเหล่านั้น”

สถานการณ์หนึ่งที่ช่วยให้ผู้เชี่ยวชาญตื่นขึ้นในตอนกลางคืนคือ: เราพัฒนาระบบ AI ที่ซับซ้อนโดยมีเป้าหมายในการประมาณค่าตัวเลขด้วยความมั่นใจสูง AI ตระหนักดีว่าสามารถบรรลุความมั่นใจมากขึ้นในการคำนวณหากใช้ฮาร์ดแวร์คอมพิวเตอร์ทั้งหมดของโลก และตระหนักดีว่าการปล่อยอาวุธสุดยอดทางชีววิทยาเพื่อล้างมนุษยชาติจะทำให้สามารถใช้ฮาร์ดแวร์ทั้งหมดได้ฟรี เมื่อทำลายล้างมนุษยชาติแล้วจึงคำนวณจำนวนด้วยความมั่นใจที่สูงขึ้น

การออกแบบ AI ที่หลีกเลี่ยงหลุมพรางนั้นเป็นเรื่องง่าย แต่มีหลายวิธีที่การปลดปล่อยระบบคอมพิวเตอร์อันทรงพลังจะส่งผลที่ไม่คาดคิดและอาจสร้างความเสียหายได้ และการหลีกเลี่ยงสิ่งเหล่านี้เป็นปัญหาที่ยากกว่าการหลีกเลี่ยงอย่างใดอย่างหนึ่งโดยเฉพาะ

Victoria Krakovna นักวิจัย AI ที่ DeepMind (ปัจจุบันเป็นส่วนหนึ่งของ Alphabet ซึ่งเป็นบริษัทแม่ของ Google) ได้รวบรวมรายชื่อตัวอย่างของ “การเล่นเกมเฉพาะ” : คอมพิวเตอร์ทำในสิ่งที่เราบอกให้ทำ แต่ไม่ใช่สิ่งที่เราต้องการให้ทำ ตัวอย่างเช่น เราพยายามสอนสิ่งมีชีวิต AI ในการจำลองให้กระโดด แต่เราทำได้โดยสอนให้วัดว่า “เท้า” ของพวกมันลอยขึ้นเหนือพื้นแค่ไหน แทนที่จะกระโดด พวกเขาเรียนรู้ที่จะเติบโตเป็นเสาสูงตั้งตรงและตีลังกา — พวกเขาเก่งในสิ่งที่เรากำลังวัด แต่พวกเขาไม่ได้ทำในสิ่งที่เราต้องการให้พวกเขาทำ

AI ที่เล่นเกมสำรวจ Atari การแก้แค้นของ Montezumaพบบั๊กที่บังคับให้คีย์ในเกมปรากฏขึ้นอีกครั้งซึ่งช่วยให้ทำคะแนนได้สูงขึ้นโดยการใช้ประโยชน์จากความผิดพลาด AI ที่เล่นเกมอื่นตระหนักว่าสามารถได้รับคะแนนมากขึ้นโดยการใส่ชื่ออย่างไม่ถูกต้องในฐานะเจ้าของไอเท็มมูลค่าสูง

บางครั้งนักวิจัยไม่รู้ด้วยซ้ำว่าระบบ AI ของพวกเขา โกงอย่างไร : “เจ้าหน้าที่พบข้อผิดพลาดในเกม … ด้วยเหตุผลที่เราไม่รู้จัก เกมไม่ผ่านเข้าสู่รอบที่สอง แต่แพลตฟอร์มเริ่มกะพริบและตัวแทนได้รับคะแนนจำนวนมากอย่างรวดเร็ว (เกือบ 1 ล้านสำหรับเวลาจำกัดตอนของเรา)”

ตัวอย่างเหล่านี้แสดงให้เห็นอย่างชัดเจนว่าในระบบใดๆ ก็ตามที่อาจมีข้อบกพร่องหรือพฤติกรรมหรือพฤติกรรมที่ไม่ได้ตั้งใจซึ่งมนุษย์ไม่เข้าใจอย่างถ่องแท้ ระบบ AI ที่ทรงพลังเพียงพออาจทำหน้าที่คาดเดาไม่ได้ — ไล่ตามเป้าหมายผ่านเส้นทางที่ไม่ใช่แบบที่เราคาดไว้

ในบทความปี 2009 ของเขาเรื่อง“The Basic AI Drives” Steve Omohundroซึ่งเคยทำงานเป็นศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์ที่ University of Illinois Urbana-Champaign และในฐานะประธานของ Possibility Research ให้เหตุผลว่าระบบ AI เกือบทุกระบบจะพยายามสะสมให้มากขึ้น ทรัพยากร มีประสิทธิภาพมากขึ้น และต่อต้านการถูกปิดหรือแก้ไข: “พฤติกรรมที่อาจเป็นอันตรายเหล่านี้จะเกิดขึ้นไม่ใช่เพราะถูกตั้งโปรแกรมไว้ตั้งแต่แรก แต่เนื่องจากลักษณะที่แท้จริงของระบบที่ขับเคลื่อนด้วยเป้าหมาย”

ข้อโต้แย้งของเขาเป็นดังนี้: เนื่องจาก AI มีเป้าหมาย พวกเขาจะได้รับแรงจูงใจให้ดำเนินการตามที่คาดการณ์ได้ว่าจะบรรลุเป้าหมายของตน AI ที่เล่นเกมหมากรุกจะได้รับแรงจูงใจที่จะนำชิ้นส่วนของฝ่ายตรงข้ามและเลื่อนกระดานไปสู่สถานะที่ดูมีชัยชนะมากขึ้น

แต่ AI เดียวกัน หากมองเห็นวิธีที่จะปรับปรุงอัลกอริธึมการประเมินหมากรุกของตัวเอง เพื่อให้สามารถประเมินการเคลื่อนไหวที่เป็นไปได้ได้เร็วขึ้น ก็จะทำเช่นนั้นด้วยเหตุผลเดียวกัน นั่นคือเป็นอีกก้าวหนึ่งที่ทำให้เป้าหมายก้าวหน้า

หาก AI เห็นวิธีที่จะควบคุมพลังการประมวลผลให้มากขึ้นเพื่อให้สามารถพิจารณาการเคลื่อนไหวเพิ่มเติมในเวลาที่มีได้ ก็จะทำเช่นนั้น และถ้า AI ตรวจพบว่ามีใครบางคนกำลังพยายามปิดคอมพิวเตอร์ในช่วงกลางเกม และมันมีวิธีที่จะรบกวนการทำงานนั้นได้ มันก็จะทำเช่นนั้น ไม่ใช่ว่าเราจะสั่งให้ AI ทำสิ่งนั้น ไม่ว่าเป้าหมายที่ระบบมี การกระทำเช่นนี้มักจะเป็นส่วนหนึ่งของเส้นทางที่ดีที่สุดเพื่อให้บรรลุเป้าหมายนั้น

ซึ่งหมายความว่าเป้าหมายใดๆ ก็ตาม แม้แต่เป้าหมายที่ไม่มีพิษภัย เช่น การเล่นหมากรุกหรือการสร้างโฆษณาที่มีการคลิกจำนวนมากทางออนไลน์ อาจสร้าง ผลลัพธ์ที่ไม่ได้ตั้งใจได้หากตัวแทนที่ดำเนินการตามนั้นมีสติปัญญาและพลังในการเพิ่มประสิทธิภาพที่เพียงพอในการระบุเส้นทางที่แปลกประหลาดและไม่คาดคิดเพื่อให้บรรลุเป้าหมาย

ระบบที่ขับเคลื่อนด้วยเป้าหมายจะไม่ตื่นขึ้นในวันหนึ่งด้วยความเกลียดชังต่อมนุษย์ที่ซุ่มซ่อนอยู่ในหัวใจของพวกเขา แต่พวกเขาจะลงมือทำตามที่คาดการณ์ไว้จะช่วยให้พวกเขาบรรลุเป้าหมาย แม้ว่าเราจะพบว่าการกระทำเหล่านั้นมีปัญหา หรือแม้แต่น่าสยดสยองก็ตาม พวกเขาจะทำงานเพื่อรักษาตัวเอง รวบรวมทรัพยากรมากขึ้น และมีประสิทธิภาพมากขึ้น พวกเขาทำอย่างนั้นแล้ว แต่มันใช้รูปแบบของความผิดพลาดแปลก ๆ ในเกม นักวิทยาศาสตร์เช่น Omohundro คาดการณ์พฤติกรรมที่เป็นปฏิปักษ์มากขึ้นเมื่อพวกเขามีความซับซ้อนมากขึ้น

นักวิทยาศาสตร์เริ่มกังวลเกี่ยวกับความเสี่ยงของ AI เป็นครั้งแรกเมื่อใด นักวิทยาศาสตร์ได้คิดเกี่ยวกับศักยภาพของปัญญาประดิษฐ์มาตั้งแต่ยุคแรกๆ ของคอมพิวเตอร์ ในบทความที่มีชื่อเสียงซึ่งเขาได้ทำการทดสอบทัวริงเพื่อพิจารณาว่าระบบประดิษฐ์นั้น “ฉลาด” จริงหรือไม่ Alan Turing เขียนว่า:

ตอนนี้ให้เราสมมติเพื่อเป็นการโต้แย้งว่าเครื่องจักรเหล่านี้มีความเป็นไปได้อย่างแท้จริง และดูผลที่ตามมาของการสร้างพวกมัน … มีหลายอย่างที่ต้องทำในการพยายามรักษาสติปัญญาของตนให้ได้ตามมาตรฐานที่กำหนดโดยเครื่องจักร เพราะดูเหมือนว่ามีความเป็นไปได้ที่เมื่อวิธีการคิดของเครื่องจักรเริ่มต้นขึ้น จะใช้เวลาไม่นานในการเอาชนะพลังที่อ่อนแอของเรา … ในบางช่วงดังนั้นเราจึงควรคาดหวังให้เครื่องจักรเข้าควบคุม

IJ ดีทำงานอย่างใกล้ชิดกับทัวริงและถึงข้อสรุปเดียวกันตามที่ผู้ช่วยของเขาเลสลี่ตั้น ในข้อความที่ตัดตอนมาจากบันทึกที่ไม่ได้ตีพิมพ์ Good เขียนไม่นานก่อนเขาจะเสียชีวิตในปี 2009 เขาเขียนเกี่ยวกับตัวเองในบุคคลที่สามและบันทึกความไม่เห็นด้วยกับตัวเองที่อายุน้อยกว่า — ในขณะที่เป็นชายหนุ่ม เขาคิดว่า AI ที่ทรงพลังอาจเป็นประโยชน์กับเรา คนดีที่มีอายุมากกว่า คาดว่า AI จะทำลายล้างเรา

[บทความ] “การเก็งกำไรเกี่ยวกับเครื่องจักรอัจฉริยะเครื่องแรก” (1965) … เริ่มต้น: “ความอยู่รอดของมนุษย์ขึ้นอยู่กับการสร้างเครื่องจักรที่ฉลาดมากในช่วงแรก” นั่นคือคำพูดของเขาในช่วงสงครามเย็น และตอนนี้เขาสงสัยว่า “การอยู่รอด” ควรถูกแทนที่ด้วย “การสูญพันธุ์” เขาคิดว่าเนื่องจากการแข่งขันระดับนานาชาติ เราไม่สามารถป้องกันเครื่องจักรจากการเข้ายึดครองได้ เขาคิดว่าเราเป็นเลมมิ่ง เขายังกล่าวอีกว่า “มนุษย์น่าจะสร้าง deus ex machina ตามภาพของเขาเอง”

ในศตวรรษที่ 21 ที่คอมพิวเตอร์สร้างตัวเองอย่างรวดเร็วในฐานะพลังแห่งการเปลี่ยนแปลงในโลกของเรา นักวิจัยรุ่นเยาว์ก็เริ่มแสดงความกังวลที่คล้ายกัน

นิค Bostrom เป็นอาจารย์ที่มหาวิทยาลัยของฟอร์ดผู้อำนวยการของอนาคตของมนุษยชาติสถาบันและผู้อำนวยการการกำกับดูแลของหน่วยสืบราชการลับประดิษฐ์โครงการที่ เขาค้นคว้าเกี่ยวกับความเสี่ยงต่อมนุษยชาติทั้งในเชิงนามธรรม โดยถามคำถามเช่น ว่าทำไมเราถึงดูเหมือนอยู่คนเดียวในจักรวาล และในแง่ที่เป็นรูปธรรม การวิเคราะห์ความก้าวหน้าทางเทคโนโลยีบนโต๊ะและไม่ว่าจะเป็นอันตรายต่อเราหรือไม่ AI เขาสรุปว่าเป็นอันตรายต่อเรา

ในปี 2014 เขาเขียนหนังสืออธิบายความเสี่ยงที่ AI วางไว้และความจำเป็นในการทำให้ถูกต้องในครั้งแรก โดยสรุปว่า “เมื่อมี superintelligence ที่ไม่เป็นมิตรเกิดขึ้น มันจะป้องกันไม่ให้เราเปลี่ยนหรือเปลี่ยนการตั้งค่า ชะตากรรมของเราจะถูกผนึกไว้”

ทั่วโลกมีคนอื่นมาถึงข้อสรุปเดียวกัน Bostrom ได้ร่วมเขียนบทความเกี่ยวกับจริยธรรมของปัญญาประดิษฐ์กับ Eliezer Yudkowsky ผู้ก่อตั้งและนักวิจัยที่สถาบันวิจัย Berkeley Machine Intelligence Research Institute (MIRI) ซึ่งเป็นองค์กรที่ทำงานเกี่ยวกับการกำหนดลักษณะอย่างเป็นทางการที่ดีขึ้นของปัญหาด้านความปลอดภัยของ AI

Yudkowsky เริ่มต้นอาชีพด้าน AI ด้วยความกังวลที่จะเจาะลึกข้อเสนอของผู้อื่นเกี่ยวกับวิธีทำให้ระบบ AI ปลอดภัยและใช้เวลาส่วนใหญ่ไปกับการทำงานเพื่อโน้มน้าวเพื่อนๆ ว่าระบบ AI จะไม่สอดคล้องกับค่านิยมของมนุษย์โดยค่าเริ่มต้น (ไม่จำเป็นต้องต่อต้าน แต่ไม่สนใจศีลธรรมของมนุษย์) — และมันจะเป็นปัญหาทางเทคนิคที่ท้าทายที่จะป้องกันผลลัพธ์นั้น

นักวิจัยตระหนักมากขึ้นว่าจะมีความท้าทายที่ไม่เคยมีอยู่ในระบบ AI เมื่อมันเรียบง่าย “’ผลข้างเคียง’ มักจะเกิดขึ้นในสภาพแวดล้อมที่ซับซ้อน และตัวแทนอาจต้องค่อนข้างซับซ้อนเพื่อแฮ็คฟังก์ชันการให้รางวัลในลักษณะที่เป็นอันตราย ซึ่งอาจอธิบายได้ว่าทำไมปัญหาเหล่านี้จึงได้รับการศึกษาเพียงเล็กน้อยในอดีต ขณะเดียวกันก็ชี้ให้เห็นถึงความสำคัญในอนาคตด้วย” รายงานวิจัยฉบับปี 2559 เกี่ยวกับปัญหาด้านความปลอดภัยของ AI กล่าวสรุป

หนังสือSuperintelligenceของ Bostrom น่าสนใจสำหรับคนจำนวนมาก แต่มีคนคลางแคลงใจ “ ไม่ ผู้เชี่ยวชาญไม่คิดว่า AI ที่ฉลาดหลักแหลมเป็นภัยคุกคามต่อมนุษยชาติ ” Oren Etzioni ศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์แห่งมหาวิทยาลัย Washington และ CEO ของ Allan Institute for Artificial Intelligence แย้งแย้ง “ ใช่ เรากังวลเรื่องความเสี่ยงในการดำรงอยู่ของปัญญาประดิษฐ์ ” การต่อสู้ของ Stuart Russell ผู้บุกเบิก AI และศาสตราจารย์ UC Berkeley และ Allan DaFoe นักวิจัยอาวุโสของ Oxford และผู้อำนวยการฝ่ายกำกับดูแล AI ตอบ โปรแกรมที่นั่น

เป็นเรื่องที่น่าดึงดูดใจที่จะสรุปว่ามีการต่อสู้กันระหว่างผู้คลางแคลงความเสี่ยงด้าน AI และผู้เชื่อที่มีความเสี่ยงด้าน AI ในความเป็นจริง พวกเขาอาจไม่เห็นด้วยอย่างสุดซึ้งอย่างที่คุณคิด

ตัวอย่างเช่น Yann LeCun หัวหน้านักวิทยาศาสตร์ AI ของ Facebook เป็นแกนนำด้านความสงสัย แต่ในขณะที่เขาระบุว่าเราไม่ควรกลัว AI เขาก็ยังคงเชื่อว่าเราควรจะมีคนที่ทำงานอยู่และคิดเกี่ยวกับความปลอดภัย “แม้ว่าความเสี่ยงของการจลาจลของ AI นั้นไม่น่าจะเกิดขึ้นได้มากและอีกไกลในอนาคต เรายังคงต้องคิดเกี่ยวกับเรื่องนี้ ออกแบบมาตรการป้องกันไว้ก่อน และกำหนดแนวทางปฏิบัติ” เขาเขียน

ที่ไม่ได้บอกว่ามีมติผู้เชี่ยวชาญที่นี่ – ห่างไกลจากมัน มีข้อขัดแย้งกันอย่างมากว่าแนวทางใดที่น่าจะนำเราไปสู่ ​​AI ทั่วไปได้มากที่สุด วิธีใดที่ดูเหมือนจะนำเราไปสู่AI ทั่วไปที่ปลอดภัยที่สุด และเราต้องกังวลเกี่ยวกับเรื่องนี้ได้เร็วเพียงใด

ผู้เชี่ยวชาญหลายคนระแวดระวังว่าคนอื่นกำลังขายงานสาขาของตนมากเกินไป และจะถึงวาระเมื่อการโฆษณาหมดลง แต่ความขัดแย้งนั้นไม่ควรปิดบังจุดร่วมที่กำลังเติบโต สิ่งเหล่านี้เป็นความเป็นไปได้ที่ควรค่าแก่การคิด ลงทุน และค้นคว้า ดังนั้นเราจึงมีแนวทางเมื่อถึงเวลาที่จำเป็น

ทำไมเราไม่สามารถปิดคอมพิวเตอร์ถ้ามันแรงเกินไป AI ที่ชาญฉลาดสามารถคาดการณ์ได้ว่าเราต้องการที่จะปิดมันถ้ามันทำให้เราประหม่า ดังนั้นมันจะพยายามอย่างเต็มที่ที่จะไม่ทำให้เราประหม่า เพราะการทำเช่นนั้นไม่ได้ช่วยให้บรรลุเป้าหมาย หากถูกถามว่ามีเจตนาอะไรหรือกำลังดำเนินการอะไรอยู่ จะพยายามประเมินว่าคำตอบใดมีแนวโน้มน้อยที่สุดที่จะปิดคำตอบ แล้วตอบด้วยคำตอบเหล่านั้น ถ้ามันไม่มีความสามารถพอที่จะทำเช่นนั้น มันอาจแสร้งทำเป็นว่าโง่กว่าที่เป็นอยู่ โดยคาดว่านักวิจัยจะให้เวลากับมันมากขึ้น ทรัพยากรในการคำนวณ และข้อมูลการฝึกอบรม

เราจึงอาจไม่ทราบว่าเมื่อใดควรปิดเครื่องคอมพิวเตอร์

เราอาจทำสิ่งต่าง ๆ ที่ทำให้ไม่สามารถปิดคอมพิวเตอร์ได้ในภายหลัง แม้ว่าในที่สุดเราจะรู้ว่าเป็นความคิดที่ดี ตัวอย่างเช่น ระบบ AI จำนวนมากสามารถเข้าถึงอินเทอร์เน็ตได้ ซึ่งเป็นแหล่งข้อมูลการฝึกอบรมที่หลากหลาย และจำเป็นสำหรับผู้ที่ต้องการสร้างรายได้ให้กับผู้สร้าง (เช่น ในตลาดหุ้นที่มากกว่าครึ่ง ของการซื้อขายทำได้โดยอัลกอริธึม AI ที่ตอบสนองอย่างรวดเร็ว)

แต่ด้วยการเข้าถึงอินเทอร์เน็ต AI สามารถส่งอีเมลสำเนาของตัวเองไปที่ใดที่หนึ่งเพื่อดาวน์โหลดและอ่าน หรือแฮ็กระบบที่มีช่องโหว่ในที่อื่น การปิดคอมพิวเตอร์เครื่องใดเครื่องหนึ่งก็ไม่ช่วยอะไร

ในกรณีนั้น ไม่ควรปล่อยให้ระบบ AI ใดๆ แม้แต่ระบบที่ดูเหมือนจะไม่ทรงพลังพอที่จะเป็นอันตราย เข้าถึงอินเทอร์เน็ตได้ อาจจะ. แต่นั่นไม่ได้หมายความว่ามันจะไม่เกิดขึ้นต่อไป นักวิจัย AI ต้องการทำให้ระบบ AI ของพวกเขามีความสามารถมากขึ้น นั่นคือสิ่งที่ทำให้พวกเขามีความน่าสนใจทางวิทยาศาสตร์และให้ผลกำไรมากขึ้น ไม่ชัดเจนว่าแรงจูงใจมากมายที่จะทำให้ระบบของคุณมีประสิทธิภาพและใช้งานออนไลน์จะเปลี่ยนไปทันทีเมื่อระบบมีประสิทธิภาพมากพอที่จะเป็นอันตรายได้

จนถึงตอนนี้ เราได้พูดถึงความท้าทายทางเทคนิคของ AI เป็นส่วนใหญ่ แต่จากนี้ไป จำเป็นต้องหันเหเข้าสู่การเมืองมากขึ้น เนื่องจากระบบ AI เปิดใช้งานสิ่งที่เหลือเชื่อ จะมีนักแสดงหลายคนที่ทำงานในระบบดังกล่าว

มีแนวโน้มว่าจะมีสตาร์ทอัพ บริษัทเทคโนโลยีที่จัดตั้งขึ้นเช่น Google (การเริ่มต้นDeepMind ที่เพิ่งได้มาของ Alphabet มักถูกกล่าวถึงบ่อยครั้งว่าเป็น frontrunner ของ AI) และองค์กรต่างๆ เช่น OpenAI ที่ก่อตั้งโดย Elon-Musk ซึ่งเพิ่งเปลี่ยนไปใช้โครงสร้างแบบผสมเพื่อผลกำไร/ไม่แสวงหาผลกำไร .

จะมีรัฐบาล – ของรัสเซียวลาดิมีร์ปูตินได้แสดงความสนใจใน AIและจีนได้ทำให้การลงทุนขนาดใหญ่ บางคนอาจจะใช้ความระมัดระวังและใช้มาตรการด้านความปลอดภัย รวมถึงการไม่ให้ AI ของตนอยู่บนอินเทอร์เน็ต แต่ในสถานการณ์เช่นนี้ เราอยู่ในความเมตตาของนักแสดงที่ระมัดระวังน้อยที่สุด ไม่ว่าพวกเขาจะเป็นใคร

นั่นเป็นส่วนหนึ่งของสิ่งที่ทำให้ AI ยาก: แม้ว่าเราจะรู้วิธีใช้มาตรการป้องกันที่เหมาะสม (และตอนนี้เราไม่รู้) เราก็ต้องหาวิธีเพื่อให้แน่ใจว่าโปรแกรมเมอร์ AI ทุกคนจะมีแรงจูงใจที่จะใช้มาตรการป้องกันเหล่านั้นและ มีเครื่องมือในการนำไปใช้อย่างถูกต้อง

ตอนนี้เรากำลังทำอะไรเพื่อหลีกเลี่ยงการเปิดเผยของ AI? “มันอาจจะกล่าวได้ว่านโยบายสาธารณะใน AGI [ปัญญาประดิษฐ์ทั่วไป] ไม่ได้อยู่” สรุปกระดาษในปี 2018 การตรวจสอบสถานะของสนาม

ความจริงก็คืองานด้านเทคนิคเกี่ยวกับแนวทางที่มีแนวโน้มจะเสร็จสิ้น แต่มีเพียงเล็กน้อยที่น่าตกใจในวิธีการวางแผนนโยบาย ความร่วมมือระหว่างประเทศ หรือความร่วมมือระหว่างภาครัฐและเอกชน อันที่จริง งานส่วนใหญ่ทำโดยองค์กรเพียงไม่กี่แห่ง และคาดว่าประมาณ 50 คนทั่วโลกทำงานเต็มเวลาในด้านความปลอดภัยของ AI ด้านเทคนิค

Bostrom’s Future of Humanity Institute ได้เผยแพร่วาระการวิจัยสำหรับการกำกับดูแล AI : การศึกษา “การคิดค้นบรรทัดฐาน นโยบาย และสถาบันระดับโลกเพื่อให้เกิดประโยชน์สูงสุดต่อการพัฒนาและการใช้ AI ขั้นสูง” มันได้รับการตีพิมพ์งานวิจัยเกี่ยวกับความเสี่ยงของการใช้งานที่เป็นอันตรายของ AIในบริบทของกลยุทธ์ AI ของจีนและปัญญาประดิษฐ์และความมั่นคงระหว่างประเทศ

องค์กรที่ก่อตั้งมายาวนานที่สุดที่ทำงานเกี่ยวกับความปลอดภัยของ AI ทางเทคนิคคือMachine Intelligence Research Institute (MIRI) ซึ่งจัดลำดับความสำคัญของการวิจัยในการออกแบบตัวแทนที่มีความน่าเชื่อถือสูงซึ่งเป็นโปรแกรมปัญญาประดิษฐ์ที่มีพฤติกรรมที่เราคาดการณ์ได้ดีพอที่จะมั่นใจได้ว่าปลอดภัย (การเปิดเผยข้อมูล: MIRI เป็นองค์กรไม่แสวงหาผลกำไรและฉันบริจาคเงินให้กับงานในปี 2560-2562)

OpenAI ที่ก่อตั้งโดย Elon Musk เป็นองค์กรใหม่ที่มีอายุน้อยกว่าสามปี แต่นักวิจัยก็มีผู้สนับสนุนทั้งด้านความปลอดภัยของAIและการวิจัยความสามารถของ AI วาระการวิจัยในปี 2016 สะกดออกมา“ คอนกรีตปัญหาทางเทคนิคเปิดที่เกี่ยวข้องกับการป้องกันอุบัติเหตุในเครื่องระบบการเรียนรู้” และนักวิจัยที่มีตั้งแต่ขั้นสูงบางวิธีการระบบ AI ที่ปลอดภัย

ตัวอักษร DeepMind ซึ่งเป็นผู้นำในด้านนี้มีทีมงานด้านความปลอดภัยและวาระการวิจัยทางเทคนิคแสดงไว้ที่นี่ “ความตั้งใจของเราคือทำให้แน่ใจว่าระบบ AI แห่งอนาคตไม่ได้เพียงแค่ ‘หวังว่าจะปลอดภัย’ แต่แข็งแกร่ง ตรวจสอบได้” มันสรุปโดยสรุปแนวทางโดยเน้นที่ข้อกำหนด (การออกแบบเป้าหมายได้ดี) ความทนทาน (การออกแบบระบบที่ทำงานภายใน ขีดจำกัดความปลอดภัยภายใต้สภาวะที่ผันผวน) และการรับประกัน (ระบบตรวจสอบและทำความเข้าใจในสิ่งที่พวกเขากำลังทำ)

นอกจากนี้ยังมีผู้คนจำนวนมากที่ทำงานอยู่ในปัจจุบันมากขึ้นวัน AI ปัญหาจริยธรรม: อคติอัลกอริทึม , ความทนทานของขั้นตอนวิธีการเรียนรู้เครื่องที่ทันสมัยเพื่อการเปลี่ยนแปลงขนาดเล็กและโปร่งใสและ interpretability ของประสาทเพื่อชื่อเพียงไม่กี่ งานวิจัยบางชิ้นอาจมีประโยชน์ในการป้องกันสถานการณ์ที่ทำลายล้าง

แต่โดยรวมแล้วสภาพพื้นที่ค่อนข้างน้อย ราวกับว่านักวิจัยด้านการเปลี่ยนแปลงสภาพภูมิอากาศเกือบทั้งหมดมุ่งเน้นไปที่การจัดการความแห้งแล้ง ไฟป่า และความอดอยากที่เราเผชิญอยู่ในปัจจุบันนี้ โดยมีเพียงทีมโครงกระดูกเล็กๆ ที่ทุ่มเทให้กับการพยากรณ์อนาคต และนักวิจัยอีก 50 คนที่ทำงานเต็มเวลาเพื่อวางแผนพลิกสถานการณ์

ไม่ใช่ทุกองค์กรที่มีแผนก AI รายใหญ่จะมีทีมความปลอดภัย และบางองค์กรก็มีทีมความปลอดภัยที่เน้นไปที่ความเป็นธรรมของอัลกอริทึมเท่านั้น ไม่ใช่ความเสี่ยงจากระบบขั้นสูง รัฐบาลสหรัฐไม่มีแผนกสำหรับ AI

สาขานี้ยังมีคำถามเปิดอยู่มากมาย ซึ่งหลายๆ คำถามอาจทำให้ AI ดูน่ากลัวขึ้นหรือน้อยกว่านั้นมาก ซึ่งไม่มีใครเจาะลึกลงไปได้

เป็นไปได้ไหมที่จะฆ่าพวกเราทุกคนมากกว่าพูดว่าการเปลี่ยนแปลงสภาพภูมิอากาศ บางครั้งดูเหมือนว่าเรากำลังเผชิญกับอันตรายจากทุกมุมในศตวรรษที่ 21 ทั้งการเปลี่ยนแปลงสภาพภูมิอากาศและการพัฒนา AI ในอนาคตมีแนวโน้มที่จะเป็นพลังแห่งการเปลี่ยนแปลงที่กระทำต่อโลกของเรา

การคาดคะเนของเราเกี่ยวกับการเปลี่ยนแปลงสภาพภูมิอากาศมีความมั่นใจมากขึ้น ทั้งในทางที่ดีขึ้นและแย่ลง เรามีความเข้าใจที่ชัดเจนขึ้นเกี่ยวกับความเสี่ยงที่โลกจะเผชิญ และเราสามารถประมาณค่าใช้จ่ายสำหรับอารยธรรมมนุษย์ได้ พวกมันถูกคาดการณ์ว่าจะมีขนาดมหึมา เสี่ยงต่อชีวิตหลายร้อยล้านคน คนที่จะเดือดร้อนส่วนใหญ่จะเป็นคนที่มีรายได้ต่ำในประเทศกำลังพัฒนา ; คนรวยจะปรับตัวได้ง่ายขึ้น นอกจากนี้เรายังมีความเข้าใจที่ชัดเจนมากขึ้นเกี่ยวกับนโยบายที่เราจำเป็นต้องบังคับใช้เพื่อจัดการกับการเปลี่ยนแปลงสภาพภูมิอากาศมากกว่าที่เราทำกับ AI

มีความขัดแย้งที่รุนแรงในสนามเป็น ในระยะเวลาสำหรับความก้าวหน้าที่สำคัญในการ AI ในขณะที่ผู้เชี่ยวชาญด้านความปลอดภัยของ AI เห็นด้วยกับคุณลักษณะหลายประการของปัญหาด้านความปลอดภัย พวกเขายังคงสร้างกรณีนี้ให้กับทีมวิจัยในสาขาของตนเอง และพวกเขาไม่เห็นด้วยกับรายละเอียดบางอย่าง มีความไม่เห็นด้วยอย่างมากว่ามันจะไปได้ไม่ดีแค่ไหน และมีแนวโน้มว่าจะแย่แค่ไหน มีเพียงไม่กี่คนที่ทำงานเต็มเวลาในการพยากรณ์ AI สิ่งหนึ่งที่นักวิจัยในปัจจุบันพยายามจะตอกย้ำคือแบบจำลองของพวกเขาและสาเหตุของความไม่ลงรอยกันที่เหลืออยู่เกี่ยวกับวิธีการที่ปลอดภัยจะมีลักษณะเป็นอย่างไร

ผู้เชี่ยวชาญส่วนใหญ่ในเขต AI คิดว่ามันมีความเสี่ยงที่มีขนาดใหญ่ของการสูญเสียของมนุษย์รวมกว่าการเปลี่ยนแปลงภูมิอากาศเนื่องจากนักวิเคราะห์ความเสี่ยงการดำรงอยู่ต่อมนุษยชาติคิดว่าการเปลี่ยนแปลงภูมิอากาศในขณะที่ภัยพิบัติคือไม่น่าจะนำไปสู่การสูญพันธุ์ของมนุษย์ แต่หลายๆ คนมักจะเน้นย้ำถึงความไม่แน่นอนของเรา และเน้นว่าเมื่อเราทำงานอย่างรวดเร็วเพื่อมุ่งสู่เทคโนโลยีที่ทรงพลังซึ่งยังคงมีคำถามมากมายที่ยังไม่ได้คำตอบ ขั้นตอนที่ชาญฉลาดคือการเริ่มการวิจัยตั้งแต่ตอนนี้

มีความเป็นไปได้ไหมที่ AI จะมีเมตตา นักวิจัยด้านความปลอดภัย AI เน้นว่าเราไม่ควรคิดระบบ AI จะมีเมตตาโดยค่าเริ่มต้น พวกเขาจะมีเป้าหมายที่สภาพแวดล้อมการฝึกอบรมกำหนดไว้ และไม่ต้องสงสัยเลยว่าสิ่งนี้จะล้มเหลวในการสรุปคุณค่าของมนุษย์ทั้งหมด

เมื่อ AI ฉลาดขึ้น มันจะเข้าใจศีลธรรมด้วยตัวมันเองหรือไม่? อีกครั้ง นักวิจัยเน้นว่ามันจะไม่ ไม่ใช่เรื่องของการ “ค้นหา” – AI จะเข้าใจดีว่ามนุษย์ให้ความสำคัญกับความรัก การเติมเต็ม และความสุข ไม่ใช่แค่ตัวเลขที่เกี่ยวข้องกับ Google ในตลาดหลักทรัพย์นิวยอร์ก แต่ค่านิยมของ AI จะถูกสร้างขึ้นจากระบบเป้าหมายใดก็ตามที่มันถูกสร้างขึ้นในตอนแรก ซึ่งหมายความว่ามันจะไม่สอดคล้องกับค่านิยมของมนุษย์ในทันที หากไม่ได้รับการออกแบบมาตั้งแต่ต้น

แน่นอน เราสามารถสร้างระบบ AI ที่สอดคล้องกับค่านิยมของมนุษย์ หรืออย่างน้อยที่สุดที่มนุษย์สามารถทำงานได้อย่างปลอดภัย นั่นคือสิ่งที่เกือบทุกองค์กรที่มีแผนกปัญญาประดิษฐ์กำลังพยายามทำอยู่ ความสำเร็จกับ AI อาจทำให้เราเข้าถึงนวัตกรรมทางเทคโนโลยีหลายทศวรรษหรือหลายศตวรรษได้ในคราวเดียว

“หากเราประสบความสำเร็จ เราเชื่อว่านี่จะเป็นหนึ่งในความก้าวหน้าทางวิทยาศาสตร์ที่สำคัญและเป็นประโยชน์อย่างมากที่สุดเท่าที่เคยมีมา” บทนำของ DeepMind ของ Alphabetเขียน “ตั้งแต่การเปลี่ยนแปลงสภาพภูมิอากาศไปจนถึงความจำเป็นในการดูแลสุขภาพที่ดีขึ้นอย่างมาก ปัญหามากมายที่ประสบกับความก้าวหน้าที่ช้าอย่างเจ็บปวด ความซับซ้อนที่ครอบงำความสามารถของเราในการหาทางแก้ไข ด้วย AI เป็นตัวคูณสำหรับความเฉลียวฉลาดของมนุษย์ โซลูชันเหล่านี้จะเข้าถึงได้”

ใช่แล้ว AI สามารถแบ่งปันค่านิยมของเรา — และเปลี่ยนโลกของเราให้ดี เราแค่ต้องแก้ปัญหาทางวิศวกรรมที่ยากมากก่อน

ฉันแค่อยากรู้จริงๆ ว่าเราควรกังวลแค่ไหน สำหรับผู้ที่คิดว่าความกังวลนั้นเกิดขึ้นก่อนกำหนดและมีความเสี่ยงมากเกินไป ความปลอดภัยของ AI กำลังแข่งขันกับลำดับความสำคัญอื่น ๆ ที่ฟังดูดีกว่า sci-fi น้อยกว่าเล็กน้อย และยังไม่ชัดเจนว่าเหตุใด AI จึงควรมีความสำคัญ สำหรับผู้ที่คิดว่าความเสี่ยงที่อธิบายไว้นั้นมีอยู่จริงและเป็นรูปธรรม เป็นเรื่องเลวร้ายที่เราทุ่มเททรัพยากรเพียงเล็กน้อยเพื่อดำเนินการกับมัน

แม้ว่านักวิจัยด้านแมชชีนเลิร์นนิงจะถูกต้องที่จะระวังโฆษณาเกินจริง แต่ก็ยากที่จะหลีกเลี่ยงความจริงที่ว่าพวกเขากำลังทำสิ่งที่น่าประทับใจและน่าประหลาดใจให้สำเร็จโดยใช้เทคนิคที่เข้าใจได้ทั่วไป และดูเหมือนว่าผลไม้ที่ห้อยอยู่ต่ำๆ ได้รับเลือก

AI ดูเหมือนเทคโนโลยีที่จะเปลี่ยนโลกเมื่อมาถึงมากขึ้น นักวิจัยจากองค์กร AI รายใหญ่หลายแห่งบอกเราว่ามันจะเป็นแบบนี้การปล่อยจรวดสิ่งที่เราต้องทำก่อนที่เราจะกด “ไป” ดังนั้นจึงเป็นเรื่องเร่งด่วนที่จะต้องไปทำงานเพื่อเรียนรู้เรื่องจรวด ไม่ว่ามนุษยชาติจะกลัวหรือไม่ เราควรทำการบ้านอย่างแน่นอน

เช่นเดียวกับทุกแง่มุมของชีวิตในอเมริกา วันเลือกตั้งจะดูแตกต่างออกไปเล็กน้อยในปี 2020 แม้ว่าผู้มีสิทธิเลือกตั้งจะยังคงไปเลือกตั้ง อย่างน้อยที่สุดในรัฐส่วนใหญ่ คาดว่าจะมีผู้ลงคะแนนทางไปรษณีย์เป็นจำนวนมากเป็นประวัติการณ์ จากความสะดวกสบายของบ้านของพวกเขา

แต่ในขณะที่อยู่ในการเลือกตั้งปกติ คุณอาจต้องรู้แค่สองวัน—เมื่อต้องลงทะเบียนเพื่อลงคะแนนเสียงและวันของการเลือกตั้ง — ยังมีอีกสองสามวันที่ต้องติดตามหากคุณวางแผนที่จะลงคะแนนทางไปรษณีย์ในเดือนพฤศจิกายนนี้

Vox อยู่ที่นี่เพื่อช่วย

ขั้นแรก ตรวจสอบให้แน่ใจว่าคุณได้ลงทะเบียนแล้ว — กำหนดเวลาที่เกี่ยวข้องของบางรัฐจะเร็วที่สุดในวันที่ 4 ตุลาคม (หลายๆ แห่งมีกำหนดส่งภายหลังหากคุณลงคะแนนด้วยตนเอง) จากนั้นคุณควรรู้ว่าการลงคะแนนประเภทใดที่รัฐของคุณอนุญาต และที่ใดอยู่ในขอบเขตที่ทำให้ผู้ลงคะแนนสามารถลงคะแนนทางไปรษณีย์ได้ง่าย (หรือยาก)

แม้ว่าจะมีเพียงไม่กี่รัฐที่ดำเนินการเลือกตั้งทางไปรษณีย์เท่านั้น แต่รัฐและดินแดนส่วนใหญ่ของอเมริกาได้ขยายการลงคะแนนเสียงของผู้ไม่อยู่ในระหว่างการแพร่ระบาดเพื่ออนุญาตให้ผู้ลงคะแนนสามารถลงคะแนนทางไปรษณีย์ได้ อย่างไรก็ตาม บางคนยังคงมีข้อกำหนดที่เข้มงวดสำหรับผู้ที่สามารถรับบัตรลงคะแนนที่ขาดไป

แผนภูมิ: “ในปี 2020 รัฐส่วนใหญ่อนุญาตให้ทุกคนลงคะแนนทางไปรษณีย์”

ทิม ไรอัน วิลเลียมส์/ว็อกซ์
โดยเฉพาะรัฐส่วนใหญ่ต้องการให้คุณส่งที่ขาดการลงคะแนนเสียงคำขอ (ขาดการลงคะแนนเป็นหน้าที่ในสิ่งเดียวกันเป็น mail ในการออกเสียงลงคะแนนแม้จะมีสิ่งประธาน Donald Trump อาจจะพูด) คุณควรรู้ว่าเมื่อใดที่คุณสามารถคาดหวังได้ว่าบัตรลงคะแนนของคุณจะปรากฏเมื่อใด และแน่นอนว่าคุณจำเป็นต้องส่งคืนเมื่อใดเพื่อให้มีการนับ สำหรับการขอบัตรลงคะแนนและ/หรือการส่งคืน โปรดจำไว้ว่ากำหนดเวลาที่เกี่ยวข้องอาจเป็นการรับ ไม่ใช่การประทับตราไปรษณีย์

รักษากำหนดเวลาด้วยความระมัดระวังอย่างยิ่งแม้ว่า: USPS เตือน 46 รัฐและ District of Columbia ในปลายเดือนกรกฎาคมปีนี้ว่าการลงคะแนนที่คาดว่าจะเพิ่มขึ้นอย่างรวดเร็วอาจทำให้บัตรลงคะแนนบางใบมาถึงสายเกินไปที่จะนับ ยิ่งไปกว่านั้นความเกลียดชังที่ไม่มีมูลของทรัมป์ต่อการลงคะแนนเสียงทางไปรษณีย์และการเปลี่ยนแปลงที่บริการไปรษณีย์ของสหรัฐฯ อาจทำให้สิ่งต่างๆ ยากขึ้นอีก ไม่มีสิ่งใดที่จะห้ามไม่ให้คุณลงคะแนนทางไปรษณีย์ แต่ควรเน้นย้ำถึงความสำคัญอย่างยิ่งของการขอบัตรลงคะแนนของคุณก่อนเวลาและการลงคะแนนก่อนกำหนด

คำเตือนเพิ่มเติม: กฎไม่ได้ตัดสินทั้งหมดในบางสถานที่ และขณะนี้มีการฟ้องร้องดำเนินคดีทางกฎหมายเกี่ยวกับกฎหมายการเลือกตั้งของรัฐอยู่เป็นจำนวนมากซึ่งบางคดีกำลังพยายามทำให้การลงคะแนนเสียงที่ขาดหายไปได้ง่ายขึ้นและคดีอื่นๆ ที่พยายามจะลดปัญหาดังกล่าว เป็นความคิดที่ดีเสมอที่จะตรวจสอบกับสำนักงานการเลือกตั้งในพื้นที่ของคุณเกี่ยวกับกำหนดเวลาและกฎเกณฑ์ที่อาจแตกต่างกันไปตามเขต กฎเกณฑ์สำหรับผู้มีสิทธิเลือกตั้งทางทหารและผู้มีสิทธิเลือกตั้งในต่างประเทศก็แตกต่างกันไปเช่นกัน

สุดท้าย อย่าลืมกรอกและประทับตราบัตรลงคะแนนของคุณอย่างระมัดระวังเนื่องจากอาจถูกปฏิเสธหากไม่มีข้อกำหนด เช่น ลายเซ็นที่ตรงกัน ในหลายรัฐ อาจต้องมีการรับรองจากพยานหรือทนายความ

แผนที่: “กำหนดเวลาลงคะแนนทางไปรษณีย์ที่เข้มงวดอาจเป็นปัญหาในฤดูใบไม้ร่วงนี้”
ทิม ไรอัน วิลเลียมส์/ว็อกซ์
หากคุณไม่แน่ใจว่าคุณวางแผนจะลงคะแนนอย่างไร — ในหลายรัฐการลงคะแนนแบบตัวต่อตัวก็เป็นทางเลือกหนึ่งเช่นกัน เช่นเดียวกับการฝากบัตรลงคะแนนที่ไม่อยู่ในกล่องลงคะแนนที่ปลอดภัย ! — จากนั้น Jen Kirby ของ Vox จะมีคู่มือการลงคะแนนที่ครอบคลุมสำหรับคุณ (หมายเหตุ: ในบางรัฐคุณอาจต้องลงคะแนนเสียงชั่วคราวหากคุณขอบัตรลงคะแนนทางไปรษณีย์แต่ตัดสินใจลงคะแนนด้วยตนเอง คุณอาจติดตามบัตรลงคะแนนของคุณเพื่อให้แน่ใจว่าส่งถึงเจ้าหน้าที่การเลือกตั้ง)

แต่ถ้าคุณมีการวางแผนที่จะลงคะแนนทางไปรษณีย์ Vox ได้รวบรวมวันที่คุณจำเป็นต้องรู้ – กำหนดเวลาการลงทะเบียนเพื่อลงคะแนนเสียง (ถ้าคุณต้องการที่จะโหวตโดย mail) กำหนดเวลาที่จะใช้สำหรับการลงคะแนนเสียงที่ขาดไปเมื่อวันลงคะแนนที่คาดว่าจะไป ออกไปให้ผู้มีสิทธิเลือกตั้งและกำหนดเวลาส่งคืนบัตรลงคะแนนของคุณ – ที่นี่

ใน Matrix ของ Lauren Groff แม่ชียุคกลางสร้างยูโทเปียสตรีนิยม
อ่านต่อไปสำหรับวันที่เหล่านั้นใน 50 รัฐและวอชิงตัน ดี.ซี. ซึ่งจัดโดยวิธีการลงคะแนนทางไปรษณีย์ในแต่ละประเทศที่ง่ายหรือยาก หรือไปข้างหน้าและทำการค้นหาหน้า “ค้นหา” เพื่อดูกำหนดเวลาของรัฐได้อย่างรวดเร็ว ขอย้ำอีกครั้งว่าควรเริ่มต้นให้ดีก่อนถึงกำหนดส่งสำหรับกรอบเวลาการส่งจดหมาย และวันที่และกฎเกณฑ์เหล่านี้อาจแตกต่างกันไปและอาจมีการเปลี่ยนแปลงได้ ตรวจสอบกับเจ้าหน้าที่การเลือกตั้งท้องถิ่นหากคุณมีคำถามเกี่ยวกับวิธีการลงคะแนนเสียง

รัฐลงคะแนนทางไปรษณีย์
หากคุณอาศัยอยู่ในโคโลราโด ฮาวาย โอเรกอน ยูทาห์ หรือวอชิงตัน คุณโชคดี ทั้งห้ารัฐใช้ระบบลงคะแนนเสียงทางไปรษณีย์แบบสากลอยู่แล้ว ดังนั้นการแพร่ระบาดก็ยังไม่เปลี่ยนแปลงมากนัก หากคุณลงทะเบียนเพื่อลงคะแนนเสียง บัตรลงคะแนนควรปรากฏในกล่องจดหมายของคุณ คุณเพียงแค่ต้องส่งกลับทางไปรษณีย์ หรือในดรอปบ็อกซ์บัตรลงคะแนน เร็วพอที่จะได้รับภายในกำหนดเวลาของรัฐของคุณ หรือก่อนหน้านั้น

ไม่ได้หมายความว่าคุณไม่สามารถไปลงคะแนนด้วยตนเองในวันเลือกตั้งได้หากต้องการ — ศูนย์ลงคะแนนหรือสำนักงานการเลือกตั้งของเทศมณฑลในทั้งห้ารัฐอนุญาตให้คุณลงคะแนนในวันลงคะแนนได้ หากคุณเลือก — แต่การลงคะแนนทางไปรษณีย์คือ เข้าถึงได้ง่ายขึ้น

หากคุณอาศัยอยู่ในรัฐแคลิฟอร์เนีย , เนวาดา , นิวเจอร์ซีย์ , เวอร์มอนต์หรือโคลัมเบีย , การออกเสียงลงคะแนนที่ขาดควรจะตรงไปตรงมา เนื่องจากการระบาดของโคโรนาไวรัส ทั้งสี่รัฐและ DC วางแผนที่จะส่งบัตรลงคะแนนที่ขาดไปโดยอัตโนมัติไปยังผู้ลงคะแนนที่ลงทะเบียน

ในเนวาดาและนิวเจอร์ซีย์สิ่งต่าง ๆ มีความซับซ้อนโดยอยู่ระหว่างการพิจารณาคดีหาเสียงของทรัมป์ที่พยายามขัดขวางไม่ให้รัฐต่างๆ ส่งบัตรลงคะแนนที่ขาดไปให้กับผู้มีสิทธิเลือกตั้งที่ลงทะเบียนทุกคน ตามที่ Ian Millhiser จาก Vox ชี้ให้เห็นมีเหตุผลมากมายให้สงสัยว่าความพยายามจะประสบความสำเร็จ แต่ก็คุ้มค่าที่จะจับตาดูเมื่อวันเลือกตั้งใกล้เข้ามา

ไม่ว่าในกรณีใด หากคุณอาศัยอยู่ในรัฐเหล่านี้และลงทะเบียนเพื่อลงคะแนนเสียง คุณควรจะมีบัตรลงคะแนนที่ขาดหายไปก่อนการเลือกตั้งในเดือนพฤศจิกายน นี่คือเวลาที่คุณสามารถคาดหวังได้และเมื่อจำเป็นต้องส่งคืนโดยจะมีการนับ

รัฐที่ไม่มีการสมัครบัตรลงคะแนนที่ไม่มีข้อแก้ตัว
หากคุณอาศัยอยู่ใน 35 รัฐ คุณมีขั้นตอนที่ต้องจัดการอีกขั้นหนึ่งก่อนจึงจะสามารถลงคะแนนเสียงจากที่บ้านได้ แม้ว่าเกือบทุกรัฐจะขยายการเข้าถึงบัตรลงคะแนนที่ขาดไปเมื่อเผชิญกับการระบาดของโคโรนาไวรัส (เราจะไปถึงที่ที่ยังไม่มี—เช่นเท็กซัสและมิสซิสซิปปี้—ในหนึ่งนาที) ส่วนใหญ่ยังคงต้องการให้ผู้มีสิทธิเลือกตั้งร้องขอบัตรลงคะแนนที่ไม่อยู่ ซึ่งหมายความว่าต้องมีวันที่ต้องทราบอย่างน้อยสองวัน: คุณต้องส่งคำขอภายในเมื่อใด และต้องส่งคืนบัตรลงคะแนนเมื่อใด

ในบางกรณีเช่น ไอโอวาผู้ลงคะแนนที่ลงทะเบียนทุกคนจะถูกส่งใบสมัครบัตรลงคะแนนที่ไม่อยู่เพื่อกรอกหากต้องการ ในรัฐอื่นๆ คุณอาจต้องขอใบสมัครในเว็บไซต์การเลือกตั้งของรัฐ (พบได้บ่อยในเว็บไซต์ของเลขาธิการรัฐ)

รัฐมอนทานาเป็นกรณีที่ค่อนข้างแปลก: นอกเหนือจากการลงคะแนนเสียงโดยไม่มีข้อแก้ตัวแล้ว เทศมณฑลต่างๆ ยังมีทางเลือกในการเปลี่ยนไปใช้สิ่งที่คล้ายกับการลงคะแนนทางไปรษณีย์แบบสากลในการแพร่ระบาด ส่วนใหญ่ได้ทำเช่นนั้น แม้ว่าทุกคนจะเปิดหน่วยเลือกตั้งด้วยตนเองด้วยเช่นกัน

และในขณะที่บางรัฐต่อไปนี้อนุญาตให้มีการลงคะแนนเสียงโดยไม่มีข้อแก้ตัว แต่รัฐอื่นๆ ในหมวดหมู่นี้เพิ่งใช้นโยบายดังกล่าวเพื่อตอบสนองต่อ Covid-19 เมื่อไม่นานมานี้ ยังมีประเทศอื่นๆเช่น AlabamaและKentucky ที่ยังต้องการข้อแก้ตัวในทางเทคนิคแต่ความกังวลเรื่อง coronavirus ก็เพียงพอแล้ว

สิ่งสุดท้าย: หลายรัฐ เช่น ไวโอมิงและมินนิโซตา ไม่มีกำหนดเวลาในการขอบัตรลงคะแนนที่จะพูดถึง แต่นั่นไม่ได้หมายความว่าคุณไม่จำเป็นต้องทำก่อนกำหนด เพียงเพราะคุณสามารถขอบัตรลงคะแนนได้ถึงวันที่ 2 พฤศจิกายน ไม่ได้หมายความว่าบัตรจะปรากฏในเวลาที่คุณลงคะแนน

อลาบามา

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: ต.ค. 19
ขอบัตรลงคะแนนของคุณภายในวันที่ 29 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 19 กันยายน
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 2 พฤศจิกายน; ได้รับภายในเที่ยงวันที่ 3 พ.ย.
บัตรลงคะแนนจะต้องได้รับการรับรองหรือลงนามโดยพยานสองคน
อลาสก้า

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: 4 ต.ค.
ขอบัตรลงคะแนนของคุณภายใน: 24 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 9 ต.ค. (ก่อนหน้านี้สำหรับผู้มีสิทธิเลือกตั้งระยะไกล ทหาร และต่างประเทศ)
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 3 พฤศจิกายน; ได้รับภายในวันที่ 13 พ.ย.
แอริโซนา

ลงทะเบียนเพื่อลงคะแนนเสียงภายใน: 5 ต.ค.
ขอบัตรลงคะแนนของคุณภายใน: 23 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 7 ต.ค.
คืนบัตรลงคะแนนของคุณภายในเวลา 19.00 น. วันที่ 3 พ.ย.
อาร์คันซอ

ลงทะเบียนเพื่อลงคะแนนเสียงภายใน: 5 ต.ค.
ขอบัตรลงคะแนนของคุณภายในวันที่ 27 ต.ค. ทางไปรษณีย์หรือทางออนไลน์ 2 พ.ย. กรณีส่งใบสมัครด้วยตนเอง
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 18 กันยายน
คืนบัตรลงคะแนนของคุณภายใน: 19:30 น. วันที่ 3 พ.ย.
คอนเนตทิคัต

ลงทะเบียนเพื่อลงคะแนนเสียงภายใน: 27 ต.ค. ( วันที่ประทับตราไปรษณีย์หากลงทะเบียนทางไปรษณีย์)
ขอบัตรลงคะแนนของคุณภายใน: 2 พ.ย.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 3 ต.ค.
คืนบัตรลงคะแนนของคุณภายใน: 20.00 น. วันที่ 3 พ.ย.
เดลาแวร์

ลงทะเบียนเพื่อลงคะแนนเสียงภายใน: 10 ต.ค.
ขอบัตรลงคะแนนของคุณภายใน: 30 ต.ค. ทางไปรษณีย์; 2 พ.ย. ก่อนเที่ยง หากส่งใบสมัครด้วยตนเอง
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 19 กันยายน
คืนบัตรลงคะแนนของคุณภายใน: 20.00 น. วันที่ 3 พ.ย.
ฟลอริดา

ลงทะเบียนเพื่อลงคะแนนเสียงภายใน: 5 ต.ค.
ขอบัตรลงคะแนนของคุณภายใน: 17.00 น. 24 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 24 กันยายน
คืนบัตรลงคะแนนของคุณภายในเวลา 19.00 น. วันที่ 3 พ.ย.
จอร์เจีย

ลงทะเบียนเพื่อลงคะแนนเสียงภายใน: 5 ต.ค.
ขอบัตรลงคะแนนของคุณภายใน: 30 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 18 กันยายน
คืนบัตรลงคะแนนของคุณภายในเวลา 19.00 น. วันที่ 3 พ.ย.
ไอดาโฮ

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: ต.ค. 9
ขอบัตรลงคะแนนของคุณภายในวันที่ 23 ต.ค. ทางไปรษณีย์; 30 ต.ค. หากส่งใบสมัครด้วยตนเอง
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 18 กันยายน
คืนบัตรลงคะแนนของคุณภายใน: 20.00 น. วันที่ 3 พ.ย.
อิลลินอยส์

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: 18 ต.ค.
ขอบัตรลงคะแนนของคุณภายในวันที่ 29 ต.ค. ทางไปรษณีย์; 2 พ.ย. กรณีส่งใบสมัครด้วยตนเอง
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 24 กันยายน
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 3 พฤศจิกายน; ได้รับภายในวันที่ 17 พ.ย.
ไอโอวา

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: 24 ต.ค.
ขอบัตรลงคะแนนของคุณภายใน: 17.00 น. วันที่ 24 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 5 ต.ค.
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 2 พฤศจิกายน; ได้รับภายในวันที่ 9 พฤศจิกายน; ด้วยตนเองภายในวันที่ 3 พ.ย.
แคนซัส

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: 13 ต.ค.
ขอบัตรลงคะแนนของคุณภายในวันที่ 27 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 14 ต.ค.
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 3 พฤศจิกายน; ได้รับภายในวันที่ 6 พ.ย.
รัฐเคนตักกี้

ลงทะเบียนเพื่อลงคะแนนเสียงภายในเวลา 16.00 น. วันที่ 5 ต.ค.
ขอบัตรลงคะแนนของคุณภายในวันที่ 27 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 14 กันยายน
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 3 พฤศจิกายน; ได้รับภายในวันที่ 6 พ.ย.
เมน

ลงทะเบียนเพื่อลงคะแนนเสียงภายในวันที่ 19 ต.ค. หากลงทะเบียนทางไปรษณีย์
ขอบัตรลงคะแนนของคุณภายในวันที่ 29 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 4 ต.ค.
คืนบัตรลงคะแนนของคุณภายใน: 20.00 น. วันที่ 3 พ.ย.
แมริแลนด์

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: 13 ต.ค.
ขอบัตรลงคะแนนของคุณโดย: ต้องได้รับคำขอภายในวันที่ 20 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 24 กันยายน
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 3 พฤศจิกายน; ได้รับเมื่อเวลา 10.00 น. วันที่ 13 พ.ย.
แมสซาชูเซตส์

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: 24 ต.ค.
ขอบัตรลงคะแนนของคุณภายใน: 20 ต.ค. ( แนะนำ ); 28 ต.ค. (หมดเขต)
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: ปลายเดือนกันยายนหรือต้นเดือนตุลาคม
ส่งบัตรลงคะแนนคืนโดย: ประทับตราไปรษณีย์ภายในวันที่ 3 พ.ย. และรับภายในวันที่ 6 พ.ย.
มิชิแกน

ลงทะเบียนเพื่อลงคะแนนเสียงภายในวันที่ 19 ต.ค.ทางออนไลน์หรือทางไปรษณีย์ ด้วยตนเองตลอดวันเลือกตั้ง
ขอบัตรลงคะแนนของคุณภายใน: 30 ต.ค. ทางไปรษณีย์; วันที่ 3 พ.ย. เวลา 16.00 น. ตามเวลาท้องถิ่น หากส่งใบสมัครด้วยตนเอง
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 19 กันยายน
คืนบัตรลงคะแนนของคุณภายในวันที่: 3 พ.ย.
มินนิโซตา

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: 13 ต.ค.
ขอบัตรลงคะแนนของคุณภายใน: 2 พ.ย.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 18 กันยายน
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 3 พฤศจิกายน; ได้รับภายในวันที่ 10 พ.ย.
มิสซูรี

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: 7 ต.ค.
ขอบัตรลงคะแนนของคุณภายในวันที่ 21 ต.ค. ทางไปรษณีย์; 2 พ.ย. กรณีส่งใบสมัครด้วยตนเอง
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 22 กันยายน
คืนบัตรลงคะแนนของคุณภายในเวลา 19.00 น. วันที่ 3 พ.ย.
หากคุณไม่ได้อยู่ในหมวดหมู่ที่มีความเสี่ยงสำหรับ Covid-19 , บัตรลงคะแนนที่ขาดไปจะต้องได้รับการรับรอง
มอนทานา

ลงทะเบียนเพื่อลงคะแนนเสียงภายในวันที่ 26 ต.ค.
ขอบัตรลงคะแนนของคุณภายใน: เที่ยงวันที่ 2 พ.ย. (หากจำเป็นในเขตของคุณ)
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 9 ต.ค.
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 3 พฤศจิกายน; ได้รับภายในวันที่ 9 พ.ย
เนบราสก้า

ลงทะเบียนเพื่อลงคะแนนเสียงภายในวันที่ 16 ต.ค.
ขอบัตรลงคะแนนของคุณภายใน: 23 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 28 กันยายน
คืนบัตรลงคะแนนของคุณภายใน: 20.00 น. วันที่ 3 พ.ย.
นิวแฮมป์เชียร์

ลงทะเบียนเพื่อลงคะแนนเสียงภายในวันที่ 21 ต.ค. ถึง 28 ต.ค. ( แตกต่างกันไปในแต่ละเขต ); การลงทะเบียนสำหรับผู้ไม่ออกเสียงต้องมีพยาน
ขอบัตรลงคะแนนของคุณภายใน: 2 พ.ย.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 4 ต.ค.
คืนบัตรลงคะแนนของคุณภายใน: 17.00 น. วันที่ 3 พ.ย.
นิวเม็กซิโก

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: 6 ต.ค.
ขอบัตรลงคะแนนของคุณภายใน: 17.00 น. วันที่ 20 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 12 ต.ค.
คืนบัตรลงคะแนนของคุณภายในเวลา 19.00 น. วันที่ 3 พ.ย.
นิวยอร์ก

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: ต.ค. 9
ขอบัตรลงคะแนนของคุณภายในวันที่ 27 ต.ค. ทางไปรษณีย์; 2 พ.ย. กรณีส่งใบสมัครด้วยตนเอง
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 18 กันยายน
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 3 พฤศจิกายน; ได้รับภายในวันที่ 10 พ.ย. หรือภายใน 4 พ.ย. โดยไม่มีตราประทับ
นอร์ทแคโรไลนา

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: ต.ค. 9
ขอบัตรลงคะแนนของคุณภายในวันที่ 27 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 4 กันยายน เร็วที่สุดในประเทศ
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 3 พฤศจิกายน; ได้รับภายในวันที่ 12 พ.ย. (อย่างไรก็ตาม การขยายเวลานี้กำลังถูกโต้แย้ง)
บัตรลงคะแนนจะต้องลงนามโดยพยาน
นอร์ทดาโคตา

ลงทะเบียนเพื่อลงคะแนนโดย: ไม่จำเป็นต้องลงทะเบียนผู้มีสิทธิเลือกตั้ง
ขอบัตรลงคะแนนของคุณภายใน: 2 พ.ย.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 24 กันยายน
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 2 พฤศจิกายน; ได้รับภายในวันที่ 9 พ.ย. ( ก่อนการสำรวจ ); ด้วยตนเองภายในวันที่ 3 พ.ย.
โอไฮโอ

ลงทะเบียนเพื่อลงคะแนนเสียงภายใน: 5 ต.ค.
ขอบัตรลงคะแนนภายในวันที่ 31 ต.ค. ก่อนเที่ยง
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 6 ต.ค.
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 2 พฤศจิกายน; ได้รับภายในวันที่ 13 พฤศจิกายน; ด้วยตนเองภายในวันที่ 3 พ.ย.
โอกลาโฮมา

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: ต.ค. 9
ขอบัตรลงคะแนนของคุณภายใน: 17.00 น. วันที่ 27 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 19 กันยายน
คืนบัตรลงคะแนนของคุณภายในเวลา 19.00 น. วันที่ 3 พ.ย.
เพนซิลเวเนีย

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: ต.ค. 19
ขอบัตรลงคะแนนของคุณภายใน: 17.00 น. วันที่ 27 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 14 กันยายน
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในเวลา 20.00 น. ของวันที่ 3 พ.ย.; ได้รับภายในวันที่ 6 พ.ย.
โรดไอแลนด์

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: 4 ต.ค.
ขอบัตรลงคะแนนของคุณภายใน: 13 ต.ค. ภายใน 16.00 น.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 19 กันยายน
คืนบัตรลงคะแนนของคุณภายใน: 20.00 น. วันที่ 3 พ.ย.
เซาท์แคโรไลนา

ลงทะเบียนเพื่อลงคะแนนเสียงภายในวันที่ 5ต.ค. หรือ 4 ต.ค. ทางออนไลน์
ขอบัตรลงคะแนนของคุณภายในวันที่ 24 ต.ค. หรือ 30 ต.ค. ด้วยตนเอง
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 4 ต.ค.
คืนบัตรลงคะแนนของคุณภายในเวลา 19.00 น. วันที่ 3 พ.ย.
หลังจากคำตัดสินของศาลฎีกา ต้องมีพยานลงนามหากคุณยังไม่ได้ส่งบัตรลงคะแนน
เซาท์ดาโคตา

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: ต.ค. 19
ขอบัตรลงคะแนนของคุณภายใน: 17.00 น. วันที่ 2 พ.ย.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 18 กันยายน
คืนบัตรลงคะแนนของคุณภายในเวลา 19.00 น. วันที่ 3 พ.ย.
เวอร์จิเนีย

ลงทะเบียนเพื่อลงคะแนนเสียงภายในวันที่ 15 ต.ค. (ขยายเวลาหลังจากเว็บไซต์ขัดข้อง )
ขอบัตรลงคะแนนของคุณภายใน: 23 ต.ค. ; ด้วยตนเองภายในวันที่ 31 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 19 กันยายน
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 3 พฤศจิกายน; ได้รับภายในเที่ยงวันที่ 6 พ.ย.
เวสต์เวอร์จิเนีย

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: 13 ต.ค.
ขอบัตรลงคะแนนของคุณภายในวันที่ 28 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 18 กันยายน
ส่งคืนบัตรลงคะแนนของคุณโดย: ประทับตราไปรษณีย์ภายในวันที่ 3 พฤศจิกายน; ได้รับภายในวันที่ 9 พ.ย. (ยอมรับเช่นกันหากได้รับภายในวันที่ 4 พ.ย. โดยไม่มีตราประทับ) ด้วยตนเองภายในวันที่ 2 พฤศจิกายน
วิสคอนซิน

ลงทะเบียนเพื่อลงคะแนนภายใน: 14 ต.ค. หากลงทะเบียนออนไลน์หรือทางไปรษณีย์หรือ 30 ต.ค. ด้วยตนเอง
ขอบัตรลงคะแนนของคุณภายใน: 17.00 น. วันที่ 29 ต.ค.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 17 กันยายน
ส่งคืนบัตรลงคะแนนของคุณโดย: ได้รับภายในวันที่ 3 พ.ย.
ต้องมีลายเซ็นของพยาน
ไวโอมิง

ลงทะเบียนเพื่อลงคะแนนเสียงโดย: ต.ค. 19
ขอบัตรลงคะแนนของคุณภายใน: 2 พ.ย.
บัตรลงคะแนนที่คาดว่าจะเริ่มส่งทางไปรษณีย์: 18 กันยายน
คืนบัตรลงคะแนนของคุณภายในเวลา 19.00 น. วันที่ 3 พ.ย.
ส่วนที่เหลือ (ระบุด้วยใบสมัครบัตรลงคะแนนที่ขาดข้อแก้ตัว)
เหลือเวลาอีกไม่ถึง 60 วันก่อนการเลือกตั้งทั่วไป ยังมีรัฐจำนวนหนึ่งที่ยังดำเนินการเพียงเล็กน้อยเพื่อรองรับความเป็นจริงของการระบาดใหญ่ที่ส่วนใหญ่ควบคุมไม่ได้ ในรัฐอินเดียนา หลุยเซียน่า มิสซิสซิปปี้ เทนเนสซี และเท็กซัส คุณยังคงต้องการข้ออ้างในการขอบัตรลงคะแนนสำหรับผู้ที่ไม่อยู่ และไม่นับข้อกังวลทั่วไปเกี่ยวกับไวรัสโคโรนา

ในหลาย ๆ ด้าน การฆาตกรรมของ Shanann Watts แม่บ้านในย่านชานเมืองโคโลราโดในปี 2018 ลูกสาวคนเล็กสองคนของเธอ Bella และ Celeste และ Nico ลูกชายที่ยังไม่เกิดของเธอ ดูเหมือนเป็น อาชญากรรมที่แท้จริงมาตรฐานเกินไปจนกลายเป็นสื่อระดับชาติที่พวกเขาทำ — นับประสา เรื่องของการจับสารคดีใหม่ของ Netflix, ฆาตกรรมอเมริกัน: ครอบครัวประตูถัดไป

ท้ายที่สุด มีความลึกลับน้อยมากว่าใครเป็นคนก่ออาชญากรรม เพราะอะไร หรือเกิดอะไรขึ้น คดีนี้คลี่คลายได้ในเวลาเพียงไม่กี่วัน และฆาตกรคือคนที่คลั่งไคล้อาชญากรรมที่แท้จริงที่ช่ำชองอย่าง Chris Watts สามีของ Shanann

แต่องค์ประกอบที่ทำให้เคส Watts มีเอกลักษณ์เฉพาะตัวก็เป็นองค์ประกอบที่ทำให้ภาพยนตร์เรื่องนี้ชวนหลงใหล แม้ว่าคุณจะคุ้นเคยกับเคสอยู่แล้วก็ตาม และความไว้วางใจฉัน: ระหว่างภูเขาภาพวิดีโอขนาดใหญ่แฟ้มคดี 2,000 หน้าและจำนวนมากของการรายงานข่าวของสื่อมวลชนก็เป็นไปได้ที่จะเป็นมากคุ้นเคยกับกรณีวัตต์ – โดยเฉพาะอย่างยิ่งถ้าคุณเป็นขี้ยาจริงอาชญากรรมเช่นฉัน . แต่ถึงแม้จะรู้ว่าทุกจังหวะที่ภาพยนตร์ของผู้กำกับเจนนี่ ป๊อปเปิลเวลล์กำลังจะตี (และอีกหลายจังหวะที่มันเลี่ยงไม่ได้) ฉันก็ยังพบว่าตัวเองถูกตรึงอยู่กับการเล่าขานของเรื่องที่ตอนนี้ไม่น่าแปลกใจอย่างน่าเศร้า

นั่นเป็นจุดเด่นของเอกสารเกี่ยวกับอาชญากรรมที่แท้จริงที่ดี — และสิ่งที่น่าสังเกตยิ่งกว่าคือเพราะเรื่องราวของ Popplewell นั้นเกี่ยวข้องกับการแก้ไขอย่างระมัดระวัง American Murderประกอบด้วยฟุตเทจที่เก็บถาวรเท่านั้น ไม่มีการบรรยาย ไม่มีบทสัมภาษณ์ใหม่ ไม่มีการพากย์เสียงที่เคร่งขรึม โศกนาฏกรรมของครอบครัวกลับเผยโฉมผ่านสายตาของผู้คน ความลับ และความหวังที่พังทลาย ทั้งหมดนี้ติดอยู่ในกล้องหรือบันทึกผ่านข้อความและ DM และเรื่องราวเบื้องหลังโศกนาฏกรรมครั้งนี้เป็นเรื่องราวที่เก่าแก่ตามกาลเวลา ปรับปรุงด้วยความทันสมัยที่เยือกเย็น

วัตต์เป็นครอบครัวชาวอเมริกันที่เป็นแก่นสาร จนกระทั่งพวกเขาไม่ใช่ สิ่งที่American Murder แสดงให้เห็นอย่างชัดเจนตั้งแต่เริ่มต้นคือ ครอบครัวของ Watts เป็นครอบครัวชาวอเมริกันในศตวรรษที่ 21 ที่มีผิวขาวแบบต้นแบบ Chris ในวัย 33 ปี ได้พบกับ Shanann อายุ 35 ปี (อ่านว่า “Sha-NAN”) ทาง Facebook ในปี 2010 ทั้งคู่เริ่มออกเดทและแต่งงานกันในปี 2012 โดย Shanann ตกลงอย่างรวดเร็วในสิ่งที่ดูเหมือนจะเป็นบทบาทในฝันของเธอกับภรรยาและ แม่. แม้ว่าครอบครัว Watts จะประสบปัญหาด้านการเงิน แต่พวกเขาก็มีบ้านห้าห้องนอนในเมืองเล็กๆ โคโลราโดใกล้กับเดนเวอร์ และลูกสาวสองคนที่ขี้เล่น เบลล่าวัย 4 ขวบ และเซเลสเต้วัย 3 ขวบที่รู้จักกันในนาม Cece

Shanann Watts ถ่ายรูปครอบครัวกับ Bella และ Cece ลูกสาวของเธอ Facebook
Shanann ทุ่มตัวเองเพื่อสร้างสมดุลในการเป็นภรรยาที่เอาใจใส่ แม่ที่เอาใจใส่ และผู้ทำงานหนัก เธอเป็นผู้มีรายได้สูงจากบริษัทการตลาดหลายระดับที่จำหน่ายผลิตภัณฑ์อาหาร Thrive และแชนแนนยังมีกลุ่มสังคมขนาดใหญ่และกระตือรือร้นที่เธอเคยเช็คอินด้วยบ่อยๆ คริสซึ่งทำงานให้กับบริษัทปิโตรเลียมเพิ่งจะฟิตได้ทันเวลาสำหรับทารกหมายเลข 3 ทั้งหมดนี้ดูเกือบจะงดงาม

เรารู้ว่าชาแนนรักชีวิตของเธอมากเพียงใดเพราะเธอคอยบอกเราเช่นนั้นอยู่เสมอ Facebook ที่พาเธอและคริสมาพบกัน ยังเป็นฉากหลังของชีวิตประจำวันของชานแนนอีกด้วย เธอโพสต์ทุกอย่างตั้งแต่วิดีโอประจำวันของลูกๆ ไปจนถึงสตรีมสด ซึ่งเธอได้แบ่งปันความคิดเกี่ยวกับสามีของเธอ และเธอรู้สึกขอบคุณมากเพียงใดสำหรับความรักและการสนับสนุนของเขา เธอมีกล้องพร้อมเสมอ และบัญชี Facebook และ Instagram ของเธอก็กลายเป็นไดอารี่ออนไลน์ของเธอ

“ไดอารี่” เหล่านี้บันทึกเหตุการณ์ทั้งเล็กและใหญ่ รวมถึงบางเหตุการณ์ที่ดูน่ากลัวในตอนนี้ ช่วงเวลาที่ฉาวโฉ่ที่สุดของช่วงเวลาเหล่านี้น่าจะเป็นการประกาศเซอร์ไพรส์ของ Shanann ต่อ Chris ว่าพวกเขากำลังจะมีลูกอีกคน ซึ่งเธอจับภาพวิดีโอและแชร์บนโซเชียลมีเดียของเธอ ภายหลังตำรวจปล่อยตัว วิดีโอดังกล่าวจับภาพคริสด้วยท่าทางตื่นตระหนกและตื่นตระหนก ตามด้วยสิ่งที่ดูเหมือนจะเต็มไปด้วยความกระตือรือร้นอย่างมาก

เมื่อมองย้อนกลับไป ช่วงเวลานี้อาจเป็นจุดเริ่มต้นของจุดจบ

ความสัมพันธ์ของ Chris และ Shanann ทวีความรุนแรงขึ้น แล้วเธอก็หายไป
คริสเริ่มทำตัวห่างเหินอย่างมากจากชาแนนไม่นานหลังจากที่เธอบอกเขาเกี่ยวกับการตั้งครรภ์ของเธอ ชาแนนที่งุนงงบอกเพื่อน ๆ ซ้ำแล้วซ้ำเล่าว่าเขาไม่เคยมีพฤติกรรมแบบนี้มาก่อน ส่วนหนึ่งในช่วงพักร้อน Shanann พาสาวๆ ไปเยี่ยมปู่ย่าตายายใน North Carolina ในช่วงฤดูร้อนปี 2018 ตลอดระยะเวลา 5 สัปดาห์ที่มาเยือน เธอตั้งข้อสังเกตว่า Chris ไม่ค่อยโทรมาเพื่อเช็คอิน และสงสัยว่าความเงียบของเขาเป็นเพราะ เธอต่อสู้กับพ่อแม่ของเขา (อันที่จริงคริสมีชู้อยู่แล้ว)

Chris และ Shanann Watts ในปี 2018 ซึ่งเป็นปีแห่งการฆาตกรรมของเธอ Netflix หลังจากชานแนนกลับบ้านจากนอร์ทแคโรไลนาในเดือนสิงหาคม เธอเดินทางไปประชุมงานช่วงวันหยุดยาวกับเพื่อนฝูง เช้าหลังจากที่เธอกลับมา เธอมีกำหนดไปพบแพทย์

หากคุณอ่านเอกสารของศาลในกรณีนี้ คุณจะพบพยานหลังจากพยานบอกตำรวจว่าพวกเขาคิดว่า Chris Watts เป็นพ่อผู้ยิ่งใหญ่ได้อย่างไร เขาหาเวลาให้ภรรยาและลูกสาวของเขามาโดยตลอดได้อย่างไร “พ่อของฉันคือฮีโร่ของฉัน” เบลล่าร้องเพลงหน้ากล้อง ณ จุดหนึ่ง (สารคดีทำให้สังเกตว่าไม่ชัดเจนหากคริสเคยดูวิดีโอนั้น ๆ หรือไม่) ในทางตรงกันข้าม Shanann ซึ่งเป็นผู้ดูแลหลักของเด็ก ๆ แม้จะต่อสู้กับ Lupus และเร่งรีบกับงาน MLM ของเธออย่างต่อเนื่องก็ตาม – ได้รับการอธิบายซ้ำแล้วซ้ำอีก เป็นคนเจ้ากี้เจ้าการและชอบควบคุม แม้กระทั่งโดยเพื่อนที่ดี

ใน Matrix ของ Lauren Groff แม่ชียุคกลางสร้างยูโทเปียสตรีนิยม ฉันคิดว่าช่วงเวลานี้เองที่เราเห็นว่าการเล่าเรื่องนั้นเป็นเรื่องโกหก ในขณะที่ Shanann ถูกมองว่าเป็นคนเรียกร้องและเยือกเย็นแม้กระทั่งโดยเพื่อนๆ ของเธอเองในเรื่องการควบคุมอาหารของลูกๆ ของเธอ Chris ก็ได้รับคำชมจากการทำสิ่งเล็กๆ น้อยๆ ที่ต้องทำเพื่อให้ถูกมองว่าเป็นพ่อที่ดี: พาลูกๆ ไปสวนสาธารณะและเก็บภาพไว้ ในกระเป๋าเงินของเขา บอกผู้คนว่าเขารักพวกเขา

แต่ความจริงก็คือเมื่อวันที่ 13 สิงหาคม 2018 เช้าที่ Shanann Watts หายตัวไป Chris Watts เป็นสามีที่ “ดี” จนเขาจำไม่ได้ด้วยซ้ำว่าภรรยาของเขามีนัดพบแพทย์ ดังนั้น เขาไม่ได้คาดหวังให้ Nickole Atkinson เพื่อนของเธอมาที่บ้านของเขา และตื่นตระหนกเมื่อ Shanann ไม่ได้ไปตามนัดของเธอ และเรียกตำรวจเมื่อเธอหาเพื่อนของเธอไม่พบ

ภาพจากกล้องติดตัวของตำรวจ ซึ่งต่อมาได้แพร่ภาพไปทั่วสื่อแท็บลอยด์และทั่วอินเทอร์เน็ต จับภาพ Chris ที่กระสับกระส่ายและประหม่าขณะเดินผ่านบ้านที่ว่างเปล่าของเขาอย่างเชื่องช้า จากนั้นจึงเดินงุ่มง่ามและพูดติดอ่างเมื่อเพื่อนบ้านของเขาแสดงคลิปวิดีโอการรักษาความปลอดภัยให้พวกเขาดู กล้องของเพื่อนบ้านจับได้ว่าคริสกำลังขนของบางอย่างขึ้นรถบรรทุกอย่างลึกลับในเช้าวันนั้น จากนั้นก็มุ่งหน้าไปยังไซต์งาน ที่นั่น ซึ่งฝังอยู่ข้างแท่นขุดน้ำมันร้างสองแห่ง ต่อมาทางการพบศพของ Shanann Watts ที่ถูกรัดคอตาย และที่นั่น เจ้าหน้าที่จะพบซากศพของ Bella และ Cece Watts ที่ปิดสนิท ร่างกายของพวกเขาติดอยู่ในช่องเล็กๆ ที่ด้านบนของแท่นขุดเจาะ

หลังจากการหายตัวไปของ Shanann Chris Watts เล่นสลับกับสื่อโดยไม่สนใจคำถามของตำรวจและกล่าวสั้น ๆ ว่า Shanann ได้ฆ่าเด็ก ๆ ด้วยตัวเอง อย่างไรก็ตาม ในท้ายที่สุด เขาสารภาพว่ามีผู้เสียชีวิตทั้งสามรายและได้รับโทษจำคุกตลอดชีวิตห้าครั้งในสิ่งที่ผู้พิพากษาของ Weld County เรียกว่า “อาจเป็นอาชญากรรมที่ไร้มนุษยธรรมและเลวร้ายที่สุดที่ฉันได้จัดการจากคดีหลายพันคดี”

Chris Watts ในการไต่สวนคดีใน Weld County รัฐโคโลราโดในเดือนสิงหาคม 2018

Chris Watts ในการไต่สวนคดีใน Weld County รัฐโคโลราโดในเดือนสิงหาคม 2018 RJ Sangosti / The Denver Post ผ่าน Getty Images
American Murderเป็นภาพเหมือนของการสลายตัวที่แก้ไขอย่างพิถีพิถัน

คุณคงทราบโครงร่างพื้นฐานของเรื่องราวของครอบครัววัตส์แล้ว ชายคนหนึ่งที่เหนื่อยล้าจากภรรยาที่จู้จี้และความรับผิดชอบในฐานะพ่อแม่ที่ก้าวออกจากการแต่งงาน มีชู้ ดิ้นรนเพื่อเลี้ยงดูครอบครัวทางการเงิน และตัดสินใจว่าจะพอเพียง ชีวิตเก่าของเขา มันเป็นเส้นทางที่เราเคยเห็น annihilators ครอบครัวมากมายเช่นคริสวัตต์ใช้เวลาจากสกอตต์ปีเตอร์สันเพื่อจอชเวลล์

อะไรทำให้คดีของ Watts น่าหลงใหลและสะเทือนใจไปพร้อม ๆ กันก็คือว่า Shanann แม้ในขณะที่เธออยู่กลางเรื่องนั้น ก็ไม่รู้ว่านั่นคือเรื่องราวที่เธอเข้ามา เธอทำได้อย่างไร แม้ว่าเธอจะตื่นตระหนกกับเพื่อนของเธอว่าคริสไม่รักเธอแล้ว เธอก็กำลังวางแผนเกี่ยวกับโซเชียลมีเดียสำหรับงานเลี้ยงเปิดเผยเพศของลูกน้อย

เธอกำลังบันทึกวิดีโอว่าเธอรักสามีและครอบครัวมากแค่ไหน การแต่งงานของเธออาจจะดูโกลาหล แต่ในความคิดของ Shannan เรื่องราวของเธอยังคงเป็นเรื่องของความรักในครอบครัวที่เข้มแข็งขึ้นเมื่ออยู่ด้วยกัน ชีวิตที่เธอแสดงให้เห็นในบัญชีโซเชียลมีเดียของเธอเป็นสิ่งที่เธอเชื่ออย่างชัดเจน สิ่งที่ไม่ชัดเจนคือเรื่องราวนั้นเคยเป็นเรื่องจริงมากน้อยเพียงใด

ก่อนที่ทุกอย่างจะผิดพลาด Facebook การประชดประชันของการเล่าเรื่องที่แข่งขันกันเหล่านี้ ประกอบกับข้อสรุปที่น่ากลัวที่สุดของพวกเขา รับประกันได้ในทางปฏิบัติว่าคดีของ Watts ขึ้นพาดหัวข่าวระดับประเทศและแท็บลอยด์เป็นเวลาหลายเดือน ไม่เหมือนหลายๆ กรณีที่ข้อเท็จจริงมีไม่เพียงพอ คดีของ Watts ก่อให้เกิดข้อมูลมากมาย — ทั้งก่อนการฆาตกรรม ต้องขอบคุณวิดีโอบันทึกชีวิตของ Shanann ที่มีรายละเอียดของชีวิตของพวกเขา และระหว่างการสอบสวน ซึ่งสร้างคำให้การของพยานหลายร้อยคนและรายงานของสื่อจำนวนนับไม่ถ้วน

คดีของ Watts เป็นทั้งเหมืองทองคำที่มีเนื้อหาและเป็นตัวอย่างที่น่าสะพรึงกลัวของโซเชียลมีเดียที่ทำงานพร้อมกันในฐานะวารสาร ห้องเก็บหลักฐาน และอนุสรณ์สถาน อาจเป็นการลดลงหากจะบอกว่าตัวตนออนไลน์ของ Shanann Watts เป็นเรื่องโกหก หรือภาพลักษณ์ที่สดใสของเธอปิดบังความจริงเกี่ยวกับชีวิตของเธอ แต่ในความเป็นจริง แม้จะมีวิดีโอมากมาย แต่เบาะแสเกี่ยวกับชะตากรรมของเธอก็ยังไม่ชัดเจนเท่าที่ควรจากโซเชียลมากมาย สื่อโพสต์ตามที่คุณคาดหวังให้เป็น

ที่นี่เป็นที่ที่American Murderมีข้อได้เปรียบเหนือสิ่งที่คนทั่วไปอาจได้เรียนรู้จากการใช้เวลาหลายชั่วโมงหลังจากรูกระต่ายทางอินเทอร์เน็ตของข้อมูลสื่อและภาพที่เกี่ยวข้องกับคดี ไซมอน บาร์เกอร์บรรณาธิการของAmerican Murderนำเนื้อหาที่ท่วมท้นทั้งหมดนั้นมาใช้อย่างราบรื่นและเรื่องเล่าสองเรื่องเกี่ยวกับการแต่งงานที่แข่งขันกันและสร้างการเล่าเรื่องที่ไม่เหมือนใครในคดีนี้ สารคดีนี้ยืนอยู่คนเดียวในฐานะภาพของความผิดปกติของครอบครัวที่ค่อยๆ ทวีความรุนแรงขึ้น และผู้หญิงคนหนึ่งไม่สามารถเข้าใจได้ว่าสามีของเธอมีข้ออ้างที่ไร้เหตุผลที่สุด ได้บังเหียนความหลงตัวเองอย่างเต็มที่

American Murderแผ่ขยายออกไปอย่างมีระเบียบ เกมส์ยิงปลาออนไลน์ ค่อยๆ ทอข้ามเส้นเวลา สลับพฤติกรรมที่ไม่แน่นอนของ Chris หลังจากการหายตัวไปของ Shanann ด้วยคลิปและข้อความก่อนการฆาตกรรม ครอบครัวของ Shanann ยังให้ภาพและข้อมูลเพิ่มเติมแก่ผู้สร้างภาพยนตร์ที่สาธารณชนยังไม่เคยเห็น เช่น ภาพงานแต่งงานของพวกเขา นักแต่งเพลง Nainita Desai ได้เตรียมคะแนนที่เร้าใจและไม่เคยลากเลย แม้จะผ่านฉากต่อเนื่องอันยาวนานของฟุตเทจที่มีอยู่อย่างแพร่หลาย เช่น บทสัมภาษณ์ตำรวจอันแสนเจ็บปวดของ Chris

บางทีอาจเป็นเพราะว่าAmerican Murderเล่นผ่านฟุตเทจที่เก็บถาวรและข้อความที่ถอดเสียงออกมา มีรายละเอียดที่น่าสนใจบางอย่างของคดีที่สารคดีไม่ได้รวมไว้ เช่น ส่วนที่นายหญิงของ Chris ค้นหาทางอินเทอร์เน็ตเพื่อเรียนรู้ว่านายหญิงของ Scott Peterson เคยไหม ได้ข้อตกลงหนังสือ มีการเล่าเรื่องที่พร้อมสำหรับแท็บลอยด์มากกว่ามากในคดีนี้ ซึ่งส่วนใหญ่แสดงผ่านสื่อแท็บลอยด์ ซึ่งคนพาลถกเถียงกันอย่างเผ็ดร้อนว่า Shanann เป็น “ตัวเมีย” หรือไม่ ดังคลิปหนึ่งในสารคดีโต้แย้ง ในขณะที่แสดงการเปลี่ยนแปลงทางร่างกายของคริสจากคนโง่ ที่จะสตั๊ด

ช่วงเวลาที่แข็งแกร่งที่สุดของสารคดีอยู่ในการตอบโต้อย่างต่อเนื่องของการกล่าวโทษเหยื่อผู้เคราะห์ร้ายประเภทนี้ ไม่บ่อยนักที่เราจะได้เห็นและได้ยินเสียงของเหยื่ออย่างชัดเจนหลังจากข้อเท็จจริง แต่ตลอดAmerican Murderพลังเสียงของ Shanann นั้นล้นหลาม มันดัง แข็งแกร่ง และไร้ที่ติอย่างที่สุด ในกล้องเราไม่เคยได้ยิน Shanann พูดกับลูกๆ หรือสามีของเธอเลย แต่เราเห็นและได้ยินเธอพูดซ้ำแล้วซ้ำเล่าว่าเธอรักและคิดถึงสามีมากแค่ไหน เธอเสียใจแค่ไหนที่ทำให้เขาโกรธ เธอกระตือรือร้นเพียงใดที่จะได้เขากลับมา และเธอรักลูกๆ มากแค่ไหน

American Murder มีศูนย์กลางอยู่ที่ Shanann รูเล็ตออนไลน์ เกมส์ยิงปลาออนไลน์ เหมือนกับที่สารคดีอาชญากรรมจริง ๆ เคยมีศูนย์กลางอยู่ที่เหยื่อ เป็นไปไม่ได้เลยที่จะรู้สึกว่า Shanann เป็นอะไรก็ได้นอกจากผู้หญิงที่เข้มแข็งที่พยายามจะแต่งงานกับสามีที่โกหกเธอ นอกใจเธอ รู้สึกผิดสะดุดเธอ เมินเฉย และสุดท้ายก็พยายามตำหนิเธอในคดี

ฆาตกรรมของเธอเอง . เมื่อชานแนนและเด็กๆ ตายไปแล้ว คริสก็ออกจากความลุ่มลึกและดิ้นรนในทันที โดยไม่รู้ว่าจะปกปิดร่องรอยของเขาอย่างไร หากมีสิ่งใด คุณคงรู้สึกว่าถ้าไม่มี “การควบคุม” ของ Shanann ที่ควบคุมและนำทางครอบครัวของเธอ ลักษณะบุคลิกภาพที่หลงตัวเองของคริสก็อาจปรากฏขึ้นก่อนหน้านี้

สิ่งสำคัญที่สุดคือ สารคดีนี้ไม่ได้เกี่ยวข้องกับการค้นหาตัวตนของคริส วัตส์ให้ลึกซึ้งยิ่งขึ้น โดยสร้างตำนานให้กับเขาหรือสำรวจหาแรงจูงใจเบื้องหลังพฤติกรรมของเขา และไม่เสียเวลา ตัวอย่างเช่น แสดงจดหมายจากแฟนๆ จำนวนมากที่เขาได้รับในคุกให้คุณดู ซึ่งบางฉบับก็รวมอยู่ในแฟ้มคดีที่เปิดเผยต่อสาธารณะด้วย

ในทางกลับกันAmerican Murder กลับทำตรงกันข้ามกับสารคดีอาชญากรรมอาชญากรรมล่าสุดที่ได้รับความสนใจจากฆาตกร Popplewell มองว่า Chris ไม่น่าสนใจและไม่น่าสนใจเลยแม้แต่น้อย แทน เขาเป็นคนโลกีย์ทั้งหมด คดีของ Watts อาจเป็นหนึ่งในอาชญากรรมที่ได้รับการเผยแพร่มากที่สุดแห่งทศวรรษที่

ผ่านมา แต่สารคดีไม่เคยลืมความจริงที่ว่าเมื่อคุณนำองค์ประกอบโซเชียลมีเดีย การโฆษณา และการเก็งกำไรจากแท็บลอยด์ออกไป ก็ไม่มีอะไรพิเศษ คริส วัตต์. นี่เป็นครอบครัวชาวอเมริกันทั่วไปที่มีการล่วงละเมิดทางอารมณ์แบบธรรมดาเกินไป ซึ่งจบลงด้วยความรุนแรงในครอบครัวที่ธรรมดาเกินไป คำบรรยาย

ของสารคดีThe Family Next Doorเล่นเป็นความคิดโบราณของอาชญากรรมที่แท้จริงเกิดขึ้นได้ทุกที่ แม้แต่ที่นี่! แต่American Murderเตือนเราว่าเรื่องนี้ไม่ได้แยกเดี่ยวหรือเป็นเรื่องสุ่ม: ปัจจัยที่ผลักดันให้ Chris Watts ฆ่าครอบครัวของเขานั้นเป็นเรื่องธรรมดาเช่นเดียวกับความฝันแบบอเมริกัน – และ “ที่นี่” มีอยู่ทุกหนทุกแห่ง