Khi thuật toán dán nhãn 'bóng đá' cho một buổi thi khiêu vũ

Một bản ghi dữ liệu bước vào đường ống phân tích với đúng một nhãn: bóng đá. Người ta mở nó ra và đếm được hai mươi hai điểm thông tin. Không câu lạc bộ nào. Không cầu thủ nào. Không một phút thi đấu nào. Điểm số bên trong là thang ba mươi của một ban giám khảo truyền hình; những cái tên bên trong thuộc về sàn nhảy chứ không thuộc về thảm cỏ. Alfonso Ribeiro, Julianne Hough, Carrie Ann Inaba, Derek Hough, Bruno Tonioli — dàn dẫn chương trình và giám khảo của cuộc thi khiêu vũ Dancing With the Stars mùa thứ ba mươi lăm, phát sóng trên kênh ABC. Vậy mà bộ phân loại tầng một vẫn dán lên toàn bộ hồ sơ ấy cái nhãn "football". Tôi đọc bản báo cáo đó chậm, hai lần, đúng cái cách tôi vẫn xem lại một trận đấu. Lần đầu như một người đọc tin. Lần thứ hai chỉ để xem có ai kịp bịa ra một hàng tiền vệ từ chỗ trống rỗng này chưa. Chuyện diễn ra ở tầng thấp nhất của một quy trình phân tích tự động. Một bài viết trên The Express Tribune, thuộc ban giải trí chứ không thuộc ban thể thao, ghi lại buổi ra mắt và phần loại thí sinh của một chương trình khiêu vũ. Bộ phân loại tự động đọc nó, tìm thấy vài mảnh ghép quen mắt — "mùa giải", "thí sinh", "điểm số", "bị loại" — rồi gán nhãn "bóng đá". Từ đó trở đi, mọi tầng phía sau đều hành xử như thể đang xử lý một trận cầu thật. Tôi muốn dừng lại ở chỗ này lâu hơn phần đông. Người ta thường nghĩ lỗi dữ liệu là chuyện của dấu phẩy, của ô trống, của định dạng ngày tháng. Không hẳn. Lỗi dữ liệu nguy hiểm nhất là lỗi dán nhãn, bởi nó không tạo ra một khoảng trống để người ta lấp vào, mà tạo ra một thực thể tưởng tượng trông có vẻ hoàn chỉnh. Một hồ sơ mang nhãn "bóng đá" sẽ được đối xử như bóng đá ở mọi bước tiếp theo: nó được đưa vào các mô hình chiến thuật, được đối chiếu với số liệu câu lạc bộ, được dùng để huấn luyện chính những công cụ mà sau này sẽ đi phân tích các trận đấu thật. Nói cách khác, đường ống đó đã sẵn sàng viết một bài phân tích chiến thuật về một thứ chưa từng tồn tại. Và điều đáng lo là nó sẽ viết rất trôi chảy. Nó sẽ nói về kiểm soát bóng, về pressing tầm cao, về khoảng trống giữa hai tuyến, bởi vì đó là những gì mô hình được huấn luyện để nói mỗi khi nhìn thấy chữ "mùa giải" và "điểm số" đứng cạnh nhau. Tôi từng phạm đúng một kiểu lỗi như thế, chỉ khác là do tay tôi viết. Năm 2026, khi hai mươi tuổi, tôi ngồi trước màn hình và khẳng định hàng tiền vệ hình kim cương của Iraq sẽ bị pressing tầm cao của Việt Nam vô hiệu hóa. Trận đấu kết thúc một đều, và Iraq tung ra hai mươi ba cú sút, gấp ba lần điều tôi dự đoán. Tôi không sai vì thiếu kiến thức về bóng đá. Tôi sai vì tin vào cái nhãn — sơ đồ 4-1-4-1 vẽ trên giấy — thay vì tin vào những gì diễn ra khi bóng lăn. Sai lầm năm 2026 không biến mất; nó trở thành thước đo cho từng dự đoán của tôi. Và cái thước đo ấy phát sáng mỗi khi tôi bắt gặp một hệ thống dám khẳng định một điều mà bằng chứng chưa từng cho phép. Ở trường hợp này, bằng chứng cho phép điều ngược lại. Trong hai mươi hai điểm thông tin của hồ sơ, không có xG, không có PPDA, không có tỷ lệ kiểm soát bóng, không có phí chuyển nhượng, không có bảng lương, không có bất kỳ cơ quan quản lý nào. Thứ duy nhất đóng vai trò "dữ liệu" là điểm số của ban giám khảo — hai mươi mốt trên ba mươi cho Harry Shum Jr., hai mươi trên ba mươi cho những người khác. Đó là thang điểm của sân khấu, không phải của sân cỏ. Người ta có thể đem nó ra so với một bảng xếp hạng nếu muốn, nhưng làm vậy là đã tự nguyện bước vào thế giới của sự bịa đặt. Tôi nhìn đội bóng như một bản vẽ, và bất ngờ lớn nhất luôn đến từ mặt phẳng tấn công. Nhưng ở đây không có bản vẽ nào cả. Không có đội hình, không có mặt phẳng, không có điểm nóng nào để dịch chuyển. Chỉ có một cái nhãn dán lên một khoảng trống. Và một khoảng trống mang nhãn bóng đá là thứ nguy hiểm hơn một khoảng trống trần trụi, bởi nó mời gọi người ta viết lên đó. Phần đông sẽ đọc câu chuyện này rồi cười. Một thuật toán ngốc nghếch, một lỗi lập trình, sửa một dòng mã là xong. Tôi không nghĩ vấn đề nằm ở dòng mã. Vấn đề nằm ở chỗ chúng ta đang đặt niềm tin vào cái nhãn nhiều hơn vào thứ được dán nhãn. Thế giới phân tích thể thao đang chạy đua để tự động hóa, để có nhiều dữ liệu hơn, để sinh ra nhiều bài viết hơn sau mỗi vòng đấu. Trong cuộc chạy đua đó, bước dán nhãn — bước rẻ nhất, nhanh nhất và ít bị soi nhất — lại là bước quyết định tất cả. Một cái nhãn sai ở tầng thấp nhất sẽ không tự biến mất; nó nhân lên qua từng tầng, mỗi tầng thêm vào một lớp tự tin mà không tầng nào chịu quay lại kiểm tra gốc. Người viết phân tích giỏi không phải người sinh ra nhiều kết luận nhất. Người viết phân tích giỏi là người dám dừng lại và nói rằng bằng chứng chưa đủ, rằng tôi treo kết luận ở đây. Trong cả bản báo cáo dài ấy, hành động dũng cảm nhất không phải là phân tích cho nhiều vào, mà là quyết định không phân tích, và gọi thẳng tên vấn đề ở tận gốc. Mỗi trận đấu là một mô hình thu nhỏ; tôi chỉ chỉ ra chỗ phát nhiệt nếu bạn chịu nhìn một cách bình tĩnh. Và đôi khi chỗ phát nhiệt không nằm trên sân, mà nằm trong chính cái máy đang mô tả sân. Trong những tuần tới, tôi sẽ theo dõi một thứ cụ thể: liệu hồ sơ này có được trả về tầng phân loại đầu tiên để dán lại nhãn, hay nó sẽ lặng lẽ trôi tiếp vào các mô hình bóng đá. Nếu nó trôi tiếp, chúng ta sẽ sớm đọc được một bài phân tích rất mượt về một trận đấu chưa từng diễn ra. Còn nếu nó bị chặn lại, có thể đấy là lần đầu tiên một đường ống dữ liệu học được bài học mà tôi đã học ở tuổi hai mươi.