Nhãn “bóng đá” dán nhầm cho một bản tin giải trí Mexico: chỗ rò rỉ của niềm tin dữ liệu

6 giờ 40 phút sáng ở Incheon, tôi mở bảng tổng hợp tin như mọi ngày. Giữa hàng chục dòng về K-League, về lịch thi đấu vòng loại, có một mục được gắn nhãn “bóng đá” khiến tôi dừng lại: một cuộc khẩu chiến trong chương trình truyền hình thực tế La Granja VIP của đài TV Azteca. Người dẫn chương trình Adal Ramones yêu cầu các thí sinh đừng nhắc tên người ngoài cuộc. Hai thí sinh Julio Camejo và Rafael Mercadante tranh cãi về một phát ngôn liên quan đến Galilea Montijo, người dẫn chương trình của đài đối thủ. Tên tôi bị gọi sai trên loa sân tập. Có lẽ vì thế tôi luôn viết đúng tên từng người, và cũng vì thế tôi dừng lại trước những dòng bị dán nhãn sai. Tôi đọc hết 26 điểm thông tin mà bộ phận phân tích bóc tách từ bản tin ấy. Không điểm nào nhắc đến một trận đấu, một đội bóng, một cầu thủ, một bàn thắng hay một thương vụ chuyển nhượng. Toàn bộ chất liệu thuộc về truyền hình thực tế: một format của TV Azteca, cuộc ganh đua tỷ suất bạn xem giữa format này với La Casa de los Famosos México của Televisa, và một tranh cãi cá nhân xoay quanh phát ngôn về một người được cho là bị nhìn thấy khi không mặc gì. Báo cáo phân tích kết luận thẳng: đây là ca dán nhãn sai lĩnh vực. Trường “Domain Label” ghi “bóng đá”, còn nội dung thật là giải trí. Bộ phân loại tự động bắt đúng vài từ khóa quen mặt rồi gán sai toàn bộ ngữ cảnh. Trong tiếng Việt, những từ ấy mang sức nặng bóng đá không nhỏ: “gala” gợi ngay đêm trao giải và lễ bốc thăm, “elimination” gợi vòng loại trực tiếp, “host” gợi đội chủ nhà, “competition” gợi cuộc đua vô địch. Một dòng tin giải trí lọt vào đúng cái khe hở ngữ nghĩa ấy. Điều đáng nói là dòng tin này thiếu cả nguồn. Trường “Article Source” của nó chỉ ghi “không xác định”. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, một bảng dữ liệu chưa bao giờ tự nhiên sạch. Nó sạch vì có người ngồi lại sau giờ làm để đối chiếu từng dòng, và vì có người chấp nhận bị coi là chậm. Với người hâm mộ Việt Nam, phần lớn thông tin bóng đá quốc tế đến qua các trang tổng hợp, clip ngắn và bản dịch. Nhãn chính là lời hứa: bấm vào đây, bạn sẽ nhận được bóng đá. Khi lời hứa bị đánh tráo, thứ mất đi đầu tiên không phải thời gian của người đọc, mà là niềm tin vào cả bảng tin. Chỉ cần vài dòng sai nhãn mỗi tuần là đủ để người đọc bắt đầu nghi ngờ cả những dòng đúng. Trong một đường ống dữ liệu bóng đá chuyên nghiệp, mỗi dòng là một sự kiện, mỗi sự kiện có mã riêng: đường chuyền, cú sút, pha tranh chấp, pha phạm lỗi. Một cột nhãn bị đổi nghĩa sẽ kéo theo cả chuỗi. Hãy hình dung một pha phối hợp bốn đường chuyền, trong đó đường chuyền thứ hai bị mã hóa sai thành pha mất bóng. Chỉ số bàn thắng kỳ vọng của cả pha sụp đổ, rồi mô hình phòng ngự của đối thủ cũng méo theo. Một dòng dữ liệu hỏng không nằm yên một chỗ; nó lan sang mọi chỉ số được tính từ nó. Báo cáo phân tích xếp ba mức cảnh báo. Mức cao: dữ liệu dán nhãn sai lọt vào đường ống bóng đá sẽ làm hỏng mọi mô hình phía sau. Mức trung bình: bộ phân loại giai đoạn một gán sai nhãn cho nội dung giải trí dùng chung từ vựng với thể thao. Mức thấp: nhà phân tích mất thời gian để ép một bản tin không có bóng đá thành phân tích bóng đá. Cả ba nói cùng một chuyện: cái sai lớn nhất nằm ở cổng kiểm tra đã để dòng tin đi qua. Bảy năm trước, tôi được phân công theo chân Incheon United. Sáng đầu tiên, huấn luyện viên đọc nhầm tên tôi ba lần trong một cuộc họp báo nhỏ. Tôi không sửa, chỉ mỉm cười. Rồi tôi dành trọn một tháng xem lại băng ghi hình mùa trước của đội, và tìm ra quy luật: sơ đồ 3-5-2 của ông vỡ ở cánh trái mỗi khi tiền vệ Kim Do-hyuk dâng cao. Một cái tên bị gọi sai không làm tôi tổn thương. Nó dạy tôi rằng sự chính xác phải trả bằng thời gian, và thời gian không có đường tắt. Cái tên bị đọc sai ấy, nếu nằm trong một cơ sở dữ liệu, sẽ trỏ sang một người khác. Nguyễn Quang Hải viết lệch một dấu là thành một người khác; Nguyễn Hoàng Đức bị phiên âm sai là thành cái tên không tồn tại trong bất kỳ danh sách đăng ký nào. Trong nghề của tôi, tên và số áo là lằn ranh tôn trọng. Gọi sai tên một cầu thủ là lỗi nhỏ với hệ thống, nhưng là lỗi lớn với người bị gọi. Cùng loại lỗi ấy, ở quy mô lớn hơn, là thị trường tin đồn chuyển nhượng. Một dòng tin có tên cầu thủ, có mức phí dẫn nguồn, được gắn nhãn “chuyển nhượng” và chảy vào đường ống y như thật. Mỗi thương vụ chuyển nhượng là một cuộc chia ly âm thầm được gói trong tờ giấy hợp đồng — và một tin đồn chuyển nhượng cũng là một cuộc chia ly, chỉ khác là tờ giấy bên trong trống rỗng. Người hâm mộ đọc nhãn thay vì đọc nguồn, bởi nhãn nhanh hơn. Có một chi tiết trong bản tin Mexico khiến tôi nghĩ lâu hơn cả: người dẫn chương trình yêu cầu các thí sinh đừng kéo người ngoài cuộc vào tranh cãi của họ. Trong bóng đá, chúng ta làm điều ngược lại mỗi ngày. Một cầu thủ đá hỏng, và trong vòng vài giờ, tên mẹ cậu ấy xuất hiện trên các diễn đàn. Cuộc gọi lúc nửa đêm từ mẹ Park Yong-woo dạy tôi rằng bóng đá không bao giờ kết thúc ở tiếng còi, và cũng dạy tôi rằng người nhà cầu thủ không đăng ký làm nhân vật cho bất kỳ bài phân tích nào. Đến đây tôi muốn nói ngược lại một chút. Cách xử lý dễ nhất với một dòng tin dán nhãn sai là xóa nó đi. Tôi cho rằng cách đó tiện nhưng sai. Dòng tin ấy là một cảm biến, không phải một mảnh rác. Nó chỉ đúng chỗ nào trong bộ phân loại đang rò rỉ. Xóa nó đi, ta giữ được một bảng tin trông sạch, nhưng giữ luôn lỗ hổng đã tạo ra nó, và lần sau một bản tin Mexico khác sẽ lọt vào ở một cột khác. Nghĩ kỹ hơn, lỗi này phơi ra một điều khó chịu về chúng ta chứ không riêng về máy móc. Bộ phân loại chỉ bắt chước cách con người đọc nhanh. Chúng ta đánh giá một dòng tin bằng từ khóa quen mắt và bằng số lượt xem mà nó hứa hẹn, rồi giao phần xác minh cho người khác. Một bảng tin không có tin giải trí vẫn có thể nhiễm bẩn, nếu phần lớn nội dung trong đó là tin chuyển nhượng không nguồn khoác áo tin chính thống. Sạch về chủ đề chưa chắc sạch về sự thật. Vậy nên tín hiệu tôi theo dõi trong những tuần tới không nằm ở Mexico. Tôi theo dõi ba cột: độ chính xác của nhãn lĩnh vực, độ đầy đủ của trường nguồn, và tỷ lệ “nguồn không xác định” trong những bảng tin tự nhận là bóng đá. Một bảng tin để lọt hai mươi phần trăm dòng không nguồn là một bảng tin đang mời gọi sai sót tiếp theo. 42 tuổi, tôi đủ già để biết mọi thứ đổi thay, đủ trẻ để vẫn tin vào một đường chuyền hoàn hảo — và một đường chuyền hoàn hảo chỉ đẹp khi người nhận đứng đúng chỗ. Dữ liệu cũng vậy: nó chỉ đáng tin khi người dán nhãn chịu đứng lại đủ lâu để đọc hết dòng. Nếu bài học về sự chính xác bắt đầu từ một cái tên bị gọi sai, thì ai trong chúng ta sẽ là người gọi đúng?