Con bạch tuộc ở Progreso và lỗ hổng phân loại của dòng tin bóng đá

Con bạch tuộc ở Progreso và cái lỗi mà không VAR nào bắt được

Trong đoạn video dài chưa đầy một phút, một ngư dân ở Progreso, bang Yucatán của Mexico, đang cố gỡ một con bạch tuộc bám chặt lấy mặt mình. Con vật quấn tám vòi quanh đầu, các giác hút bám vào da, còn người đàn ông hai tay kéo mạnh về phía trước. Nước biển nhỏ giọt từ những xúc tu. Tiếng cười, tiếng thở, tiếng nói của người xung quanh trộn vào nhau. Cảnh tượng ấy không dính dáng gì đến một trận bóng: không cầu thủ, không trọng tài, không tỉ số, không thẻ phạt. Vậy mà nó đã lọt vào một dòng tin được dán nhãn “bóng đá”.

Người quay và đăng lại là nhà báo Hiram Hurtado, anh chia sẻ đoạn hình lên X, và chỉ sau một buổi, nó lan khắp các bảng tin. Những người dùng đầu tiên chia sẻ vì tò mò. Các trang tin chia sẻ vì lượt xem. Và rồi, ở một mắt lưới nào đó của hệ thống, một cỗ máy đọc chữ đã gán cho câu chuyện cái mác thể thao. Tôi đọc bản phân tích kỳ thuật này vào một buổi tối ở Berlin, và điều khiến tôi chú ý không phải con bạch tuộc. Điều khiến tôi chú ý là khoảng trống giữa cái mà sự việc thực sự là, và cái mà hệ thống nói nó là.

Tôi từng ngồi trong phòng phát thanh nghe tranh cãi về một quả bóng đã vào lưới hay chưa. Tôi từng viết về những điều khoản hợp đồng mà không ai đọc kỹ. Nhưng chưa lần nào tôi thấy một sự việc bị đặt sai chỗ đến vậy, và nghiêm trọng hơn, bị đặt sai chỗ một cách lặng lẽ, không ai phản đối, không ai bấm còi.

Bối cảnh: một cánh cửa mở nhầm trong tòa soạn số

Để hiểu vì sao một video về ngư dân lại nằm cạnh tin chuyển nhượng, cần nhìn vào cách dòng tin vận hành. Phần lớn các trang thể thao hiện nay không còn để con người làm người gác cổng duy nhất. Họ dùng một chuỗi xử lý tự động: thu thập nguồn, tách tên riêng, phân loại chủ đề, rồi đẩy nội dung về các chuyên mục. Tách tên riêng, theo cách gọi nghề, là việc máy tính nhận diện ai và cái gì xuất hiện trong câu. Phân loại chủ đề là việc máy quyết định câu chuyện thuộc về bóng đá, âm nhạc, thời sự, hay đời sống.

Khi cỗ máy ấy đọc đoạn video bạch tuộc, nó không nhìn thấy tám vòi. Nó nhìn thấy chuỗi ký tự. Và trong chuỗi ký tự ấy, có thể lẫn những từ vốn quen thuộc với bóng đá: “bắt”, “mục tiêu”, “tấn công”, “phòng ngự”, “bám”, “giằng co”. Một con bạch tuộc “bắt” lấy mặt ngư dân. Một con thú săn “mục tiêu”. Người đàn ông “tấn công” con vật để thoát. Với một hệ thống chỉ đếm từ, câu chuyện này đọc lên y hệt một bản tin về một pha tranh chấp.

Đó là cái bẫy kinh điển của phân loại tự động: xung đột từ khóa. Một từ nằm ở hai lĩnh vực hoàn toàn khác nhau. “Bắt” trong bóng đá là chặn bóng. “Bắt” ngoài đời là giữ lấy. “Mục tiêu” trong bóng đá là khung thành. “Mục tiêu” ngoài đời là đích đến. “Phòng ngự” trong bóng đá là hàng thủ. “Phòng ngự” ngoài đời là tự vệ. Chỉ cần một vài từ như vậy lọt vào, cỗ máy gật đầu và dán nhãn.

Cái nhãn ấy, một khi đã dán, sống dai hơn câu chuyện. Video kết thúc, lượt xem nguội đi, nhưng dữ liệu thì ở lại. Nó đi vào bảng thống kê về tỉ lệ nội dung bóng đá của tuần. Nó được đếm cùng những bản tin chuyển nhượng thật. Nó làm nhiễu bức tranh mà biên tập viên dùng để quyết định ngày mai sẽ đưa gì. Một lỗi nhỏ ở đầu vào trở thành một sai số ở đầu ra, và không ai phát hiện, bởi không ai đi kiểm lại từng cái nhãn.

Phân tích: giải phẫu một lỗi không có tiếng còi

Trong nghề trọng tài, tôi học một điều đầu tiên: một quyết định sai không gây hại bằng một quyết định sai không bị ai kiểm tra. Trên sân, ít nhất còn có bốn trọng tài biên, một tổ VAR, mười hai máy quay, và bảy vạn khán giả hét vào mặt bạn khi bạn sai. Trong dòng tin, lỗi phân loại không có ai hét. Nó trôi qua trong im lặng.

Hãy bắt đầu bằng việc xác định đúng bản chất sự việc. Nguồn tin gồm mười ba điểm thông tin. Đọc hết mười ba điểm, người ta không tìm thấy một đội bóng nào, một cầu thủ nào, một giải đấu nào, một cơ quan quản lý nào, một thương vụ nào, một báo cáo tài chính nào. Đối tượng duy nhất được nói tới là một ngư dân và một con bạch tuộc. Bối cảnh địa lý duy nhất là Progreso, một thị trấn ven biển của Yucatán, nơi đánh bắt hải sản là sinh kế. Nhân vật truyền thông duy nhất là Hiram Hurtado, người đăng tải hình ảnh. Không có gì trong số đó thuộc về bóng đá.

Vậy mà nhãn “bóng đá” vẫn tồn tại. Điều đó dạy ta ba bài học về dữ liệu.

Thứ nhất, một nhãn không phải là một sự thật, mà là một giả định chưa bị phản bác. Khi hệ thống dán nhãn “bóng đá” cho video bạch tuộc, nó không khẳng định sự việc là bóng đá; nó chỉ nói rằng chưa có ai đứng ra nói ngược lại. Mặc định của cỗ máy là tin vào chính mình, và mặc định ấy chỉ bị phá vỡ khi có người kiểm tra. Nếu quy trình không có người kiểm tra, mặc định trở thành thực tế.

Thứ hai, sai số ở đầu vào lớn hơn sai số ở đầu ra, và khó thấy hơn. Nếu một bảng tin có một bài viết về bạch tuộc lẫn trong mười bài bóng đá, mắt người đọc có thể bỏ qua. Nhưng nếu đó là một trong mười nghìn mục dữ liệu, và cỗ máy dùng dữ liệu ấy để dự đoán xu hướng, thì sai số nhân lên. Biên tập viên không sai. Cỗ máy không nói dối. Chỉ là một mắt lưới rách, và cả tấm lưới bị kéo lệch.

Thứ ba, nội dung nổi loạn chảy vào đâu cũng được, còn nội dung thể thao phải chiến đấu để được chú ý. Video bạch tuộc lan truyền vì tính mới lạ. Một bản phân tích chiến thuật chuẩn mực thì khó lan truyền như vậy. Kết quả là các dòng tin thể thao, vốn dĩ đã đầy rẫy tin đồn và cảm xúc, lại càng bị đẩy về phía những thứ dễ câu người xem. Cánh cửa mở nhầm không chỉ để lọt một con bạch tuộc; nó để lọt cả một thói quen.

Để đánh giá đúng mức độ nghiêm trọng, cần đặt cạnh nhau hai con số. Một: giá trị thể thao của video bạch tuộc, bằng không, tuyệt đối không. Hai: giá trị tham chiếu của nó như một tín hiệu kiểm tra chất lượng dữ liệu, ở mức cao, bởi nó là bằng chứng cụ thể, có thể xác minh, về một khiếm khuyết trong pipeline. Video này vô giá trị với tư cách tin bóng đá, nhưng có giá trị với tư cách một bản báo lỗi. Đó là nghịch lý khiến tôi ngồi viết bài này.

Khi điều khoản 17 nằm trên bàn nghị án, tôi nhớ cái cách Neymar bước qua luật mà không cần nhìn xuống chân. Ở đây cũng vậy: cỗ máy bước qua định nghĩa bóng đá mà không cần nhìn xuống, bởi định nghĩa ấy không nằm trong bảng từ khóa của nó. VAR không sai. Sai là cái cách ta tin nó có thể thay một đêm trọng tài phạm sai lầm. Và phân loại tự động cũng không sai theo cái nghĩa ta thường gán. Sai là niềm tin rằng một cái nhãn tự động có thể thay một biên tập viên ngồi đọc.

Trong hồ sơ này còn một chi tiết đáng để ý: việc con bạch tuộc không gây thương tích nghiêm trọng cho ngư dân, và người đàn ông vẫn tiếp tục ngày đánh cá của mình. Đây là điểm dữ liệu duy nhất có thể coi là “kết quả”, và nó thuộc về an toàn lao động ven biển, không thuộc bảng tỉ số. Điều đó càng khẳng định: mọi chiều phân tích thể thao trong hồ sơ này đều trống rỗng. Không có thế trận. Không có đội hình. Không có phong độ. Không có thứ hạng. Không có thị trường chuyển nhượng. Không có thương vụ nào, không có điều khoản giải phóng nào, không có quỹ lương nào. Không có luật thi đấu nào bị vi phạm. Không có phòng thay đồ nào bị xáo trộn. Tất cả những ô ấy đều nằm ở trạng thái không có thông tin, và trung thực mà nói, đó mới là kết luận đúng.

Điều tôi muốn nhấn mạnh với người làm nghề: một cái nhãn sai không chỉ làm bẩn một bảng tin. Nó làm hỏng khả năng đo lường của cả một hệ thống. Nếu tuần này bạch tuộc được tính là bóng đá, tuần sau một video nấu ăn có từ “phòng ngự” cũng sẽ được tính là bóng đá. Tỉ lệ nhiễu tăng. Độ tin cậy của báo cáo giảm. Và người đọc, vốn đã mệt mỏi vì tin giả, sẽ có thêm một lý do để không tin bất cứ thứ gì. Một lỗi kỹ thuật nhỏ, tích tụ đủ lâu, trở thành một vấn đề niềm tin.

Có một câu tôi từng viết về việc xây dựng lòng tin nơi khán giả: cứu một đội bóng không phải vì bóng đá, mà vì một thành phố từng mất niềm tin vào tiếng còi. Ngày nay, tiếng còi đã chuyển sang nằm trong tay các thuật toán. Và khi thuật toán thổi sai, không ai còn nghe thấy gì để mà tranh cãi.

Góc nhìn ngược: cỗ máy không cô đơn trong lỗi này

Nếu chỉ đổ lỗi cho thuật toán, ta bỏ qua sự thật rằng con người đã đặt thuật toán ở đó. Một hệ thống chỉ dán nhãn tự động khi có người quyết định rằng việc dán nhãn không cần người. Cỗ máy làm đúng việc nó được bảo làm: phản ứng với từ khóa. Nó không biết bóng đá là gì, cũng chẳng cần biết. Người bảo nó rằng biết hay không biết đều không quan trọng — đó mới là người mắc lỗi.

Ở đây có một áp lực kinh tế mà giới làm tin thể thao ít khi nói thẳng. Lượt xem là tiền. Một video bạch tuộc mang lại nhấp chuột nhanh hơn một bản phân tích điều khoản hợp đồng, dù bản phân tích ấy có ích hơn gấp trăm lần. Khi tốc độ đăng bài trở thành thước đo năng suất, người ta có xu hướng thả lỏng khâu kiểm tra. Và khâu kiểm tra chính là khâu duy nhất có thể bắt được lỗi phân loại. Cắt nó đi để chạy nhanh hơn là tự bịt mắt mình trong một hành lang đầy cửa mở nhầm.

Ở chiều ngược lại, có một cách biện minh nghe rất hợp lý: khán giả muốn xem video bạch tuộc, nên đưa nó vào là phục vụ khán giả. Tôi không mua lập luận này. Khán giả muốn xem nhiều thứ, và phần lớn trong số đó không thuộc về một trang bóng đá. Phục vụ khán giả không có nghĩa là đưa cho họ bất cứ thứ gì khiến họ bấm vào. Nó có nghĩa là giữ đúng lời hứa về chuyên mục. Một trang bóng đá hứa rằng khi bạn mở nó, bạn sẽ nhận được tin bóng đá. Phá vỡ lời hứa ấy để đổi lấy vài giây chú ý là một thương vụ lỗ, dù bảng quảng cáo có xanh.

Đối với một người như tôi, từng theo dõi các trận đấu từ khán đài và từ phòng thu, lỗi này còn mang một nghĩa nghề nghiệp. Tôi quen với việc một tình huống bị đọc sai trong tích tắc, nhưng luôn có cách sửa: xem lại, hỏi ý kiến, thừa nhận. Ngành dữ liệu thể thao cần học chính thói quen đó. Một cỗ máy thừa nhận sai và sửa nhãn không phải là cỗ máy yếu. Đó là cỗ máy có khả năng tự sửa. Sự trung thực về lỗi đã, đang, và sẽ là thứ quyết định độ tin cậy của bất kỳ hệ thống thông tin nào.

Người ta từng nói với tôi rằng một quyết định trọng tài tệ hại nhất là quyết định không dám đổi ý sau khi đã nhìn thấy màn hình. Một hệ thống phân loại tệ hại nhất là hệ thống đã nhìn thấy lỗi mà không dám gỡ nhãn. Lỗi nằm ở chỗ ta tin rằng dữ liệu đã đúng thì không cần kiểm lại. Đêm đối đầu với VAR, tôi học được rằng công nghệ không có lỗi. Người vận hành nó mới có. Câu đó đúng với màn hình trong phòng VAR, và nó cũng đúng với màn hình trong phòng tin.

Đề xuất: cách để con bạch tuộc không lọt vào bảng tin lần nữa

Có những sửa chữa nhỏ, làm được ngay, không cần đợi một cuộc cải tổ. Thứ nhất, đặt một ngưỡng kiểm tra cho mọi nội dung được hệ thống dán nhãn tự động trước khi xuất bản: nếu không có một thực thể bóng đá nào được nhận diện — không đội, không cầu thủ, không giải — thì nhãn phải bị treo chờ người duyệt. Một danh sách thực thể tối thiểu đủ để chặn phần lớn lỗi kiểu này. Thứ hai, tách các từ khóa đa nghĩa thành trường riêng theo ngữ cảnh, chứ không dùng chung một kho từ. “Bắt” trong bóng đá và “bắt” trong đời sống không nên nằm cạnh nhau trong cùng một bảng. Thứ ba, định kỳ lấy mẫu ngẫu nhiên các mục đã dán nhãn và kiểm lại bằng mắt người; chi phí nhỏ, nhưng nó là lưới an toàn cho cả dây chuyền.

Ngoài công cụ, cần một nguyên tắc nghề. Nhãn không phải để trang trí chuyên mục; nhãn là một lời hứa với người đọc. Khi đã hứa, phải giữ. Một bài đăng sai chuyên mục, dù nhỏ, là một lần bội tín với độc giả — không phải bội tín lớn lao gì, nhưng lặp lại đủ nhiều thì niềm tin bào mòn như bờ cát.

Và cuối cùng, tôi đề nghị điều mà trong nghề trọng tài chúng tôi gọi là báo cáo sau trận. Mỗi tuần, người làm nội dung thể thao nên có một bản ghi lại những lỗi phân loại đã xảy ra, đã sửa thế nào, và rút ra bài học gì. Không để nó thành một nghi lễ hành chính, mà thành một thói quen học nghề. Các trọng tài đều xem lại băng sau trận, kể cả khi trận đấu diễn ra trôi chảy. Người làm tin cũng nên xem lại đường đi của dữ liệu, kể cả khi biểu đồ trông đẹp. Bởi thứ nguy hiểm nhất không phải là sai, mà là sai mà không biết mình sai.

Suy nghĩ để ngỏ

Con bạch tuộc ở Progreso đã rời khỏi mặt ngư dân từ lâu. Nhưng cái nhãn dán nhầm thì vẫn còn đó, nằm trong một cơ sở dữ liệu nào đó, chờ được đếm vào một báo cáo nào đó. Câu hỏi đúng đắn không phải là câu hỏi về con vật, mà là câu hỏi về người đã gán nhãn cho nó, và về những người đã tin cái nhãn ấy mà không nhìn lại. Khi dòng tin thể thao đủ dài và đủ nhanh để chứa cả một con bạch tuộc, đó là lúc ta nên tự hỏi: nếu một ngày cả một trận bóng thật bị dán nhãn sai và biến mất khỏi tầm nhìn, liệu ta có đủ chậm lại để nhận ra không?

Cứu một dòng tin không phải vì dữ liệu. Mà vì một độc giả từng tin rằng mở trang bóng đá ra thì sẽ thấy bóng đá.