Một bài gắn nhãn bóng đá, 13 điểm dữ liệu, không một dòng bóng đá

Trong buổi kiểm kho dữ liệu đầu tuần, tôi mở một bản tin được hệ thống gắn nhãn "bóng đá". Mười ba điểm thông tin. Không một điểm nào nhắc tới một đội bóng, một cầu thủ, một huấn luyện viên, một trận đấu, một bản hợp đồng hay một giải đấu. Nhân vật chính là một nữ diễn viên; bối cảnh là hai bộ anime; đích đến là một vai diễn trong vũ trụ điện ảnh Marvel. Tôi ngồi im vài giây, rồi làm đúng việc mình vẫn làm suốt ba mươi sáu năm qua: đặt câu hỏi "Vì sao?" trước khi ghi bất cứ con số nào vào sổ. Nhãn thì ghi "bóng đá", còn ruột thì rỗng. Với một người giữ kho dữ liệu tuyển trạch như tôi, đó là tiếng động đáng sợ nhất trong phòng lưu trữ. Cái tiếng động ấy không đến từ một trận thua, cũng không đến từ một bản hợp đồng hớ. Nó đến từ chính cái nhãn — thứ tưởng như vô hại mà lại là nền móng của mọi thứ phía sau. Trong làng bóng đá hiện đại, gần như không ai xem trực tiếp toàn bộ dòng chảy thông tin nữa. Chúng ta xem qua nhãn. Nhãn "chuyển nhượng", nhãn "chấn thương", nhãn "chiến thuật", nhãn "bóng đá". Một khi nhãn sai, mọi thứ ăn theo nó đều sai dây chuyền: bảng tổng hợp sai, mô hình dự đoán sai, và cuối cùng là niềm tin nơi khán đài bị bào mòn. Tôi đã theo dõi 250 ngày trong một mùa giải, dự 34 buổi tập và 18 trận sân khách, để hiểu rằng một kho dữ liệu không sập vì thiếu tin, mà sập vì lẫn tin. Bản tin kia có nguồn gốc rõ ràng: một cuộc phỏng vấn đăng ngày 14 tháng 10, được một trang tin tổng hợp dẫn lại từ một tạp chí giải trí có uy tín. Về mặt kỹ thuật, đó là một sản phẩm giải trí tử tế, có nguồn, có người thật, việc thật. Nó chỉ không thuộc về kho bóng đá. Vậy mà nó đã lọt vào, và nằm đó, sẵn sàng bị một cỗ máy nào đó đọc lên rồi gán cho nó một ý nghĩa thể thao mà nó không hề có. Ở Việt Nam, nơi mỗi vòng đấu V.League kéo theo hàng nghìn bản tin, ảnh, clip và bài tổng hợp chạy qua các nền tảng số, một hạt bụi lẫn vào dòng chảy có thể đi rất xa trước khi có người phát hiện. Điều đáng nói là chuyện này xảy ra trong im lặng. Không ai cố tình. Chính vì không ai cố tình, nó mới nguy hiểm. Khi một bài viết sai nhãn được đăng, nó không gây ra tranh cãi; nó chỉ tồn tại, chờ được đếm, chờ được tổng hợp, chờ trở thành một phần của bức tranh mà độc giả tưởng là bóng đá. Chuyện lẫn nhãn này tôi từng bắt gặp, nhưng đây là lần tôi thấy rõ cơ chế của nó đến vậy. Hệ thống phân loại hiện đại làm việc bằng từ khóa. Nó thấy một nữ diễn viên nói về việc phát trực tuyến trò chơi điện tử để trang trải cuộc sống, thấy chữ "hợp đồng", thấy chữ "thu nhập", thế là nó gắn thẻ tài chính; rồi từ thẻ tài chính, một mắt lưới rộng hơn kéo nó sang lãnh địa thể thao. Từ khóa không hiểu ngữ cảnh. Nó chỉ khớp chuỗi ký tự. Và khi chuỗi ký tự trùng nhau, ranh giới giữa một phòng thu và một phòng thay đồ biến mất. Tôi nhớ đến cái lần một tuyển trạch viên người Đức nhờ tôi đánh giá một tiền vệ trung tâm người Việt. Anh ta xem đúng một trận, thấy cầu thủ ấy dính thẻ và chơi mờ nhạt, rồi kết luận tốc độ chỉ 27 km/h, dưới chuẩn châu Âu, và hủy một bản hợp đồng trị giá 1,8 triệu euro. Người Đức gõ cửa một lần, tôi mở ra cả kho hồ sơ tuyển trạch chưa từng công bố. Tôi lần theo dữ liệu và phát hiện thiết bị GPS trên sân hôm ấy bị lỗi. Tốc độ thật là 33 km/h. Bài vạch trần của tôi sau đó đạt 1,2 triệu lượt đọc. Nhưng thứ tôi nhớ nhất không phải con số lượt đọc, mà là bài học: một con số sai, nếu không bị bắt, sẽ giết một sự nghiệp. Chuyện gắn nhãn cũng y hệt. Một điểm dữ liệu sai lọt vào kho bóng đá chẳng khác nào một chỉ số GPS lỗi lọt vào hồ sơ cầu thủ. Nó không la lên. Nó chỉ nằm đó, lặng lẽ, và chờ được đếm. Ở tuổi 52, tôi vẫn giữ nhịp bằng đôi tai — thứ duy nhất chưa ai số hóa được. Và đôi tai ấy nói với tôi rằng thứ vừa lọt vào kho không phát ra âm thanh bóng đá nào cả. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, bóng đá thật luôn có nhịp. Nhịp ấy nằm ở tiếng bóng, tiếng thở, tiếng dép lê trên hành lang phòng thay đồ. Tôi có thể nghe ra một đội đang căng hay đang rời rạc chỉ qua cách họ chuyền ngang. Vậy mà cái bản tin kia, khi tôi đọc lên, không có lấy một nhịp nào như thế. Nó đúng ngữ pháp, đúng nguồn, nhưng sai nhịp. Và trong kho dữ liệu, sai nhịp nghĩa là sai tất cả. Phần lớn đồng nghiệp sẽ nói: cứ để thuật toán lo. Càng nhiều dữ liệu càng tốt, máy sẽ tự sàng lọc. Tôi không tin. Một cái nhãn chưa qua kiểm chứng còn tệ hơn không có nhãn, bởi cái nhãn sai tạo ra cảm giác an tâm giả tạo. Người đọc thấy chữ "bóng đá" thì tin; cỗ máy thấy chữ "bóng đá" thì học. Cả hai đều không kiểm tra lại. Và khi một mô hình bóng đá học từ nội dung của một nữ diễn viên nói về anime, nó không sập. Nó chỉ âm thầm tạo ra những liên tưởng sai, rồi nhả chúng ra dưới dạng một bảng xếp hạng, một dự đoán, một bản tin. Lỗi thật không nằm ở cỗ máy. Lỗi nằm ở chỗ chúng ta đã giao việc gác cổng cho máy rồi quên mất mình từng là người gác cổng. Ngày trước, một tin đồn chuyển nhượng phải qua tay biên tập viên, qua nguồn, qua đối chiếu. Bây giờ nó qua một bộ lọc từ khóa. Số hóa không làm tôi nhanh hơn, nhưng buộc tôi trung thực hơn với từng con số. Còn hệ thống thì được thiết kế để nhanh, chứ không được thiết kế để trung thực. Đó là khoảng trống mà không một mô hình nào tự lấp được. Tôi không kêu gọi bỏ thuật toán. Tôi kêu gọi một cánh cửa nhỏ trước kho: một bước kiểm tra xem nội dung có thật sự thuộc về bóng đá hay không, trước khi nó được phép mang nhãn ấy. Khi công nghệ đổi cách kể chuyện bóng đá, tôi chỉ lặng lẽ đổi cách lắng nghe. Và câu hỏi tôi để lại cho những người xây kho dữ liệu: nếu chữ "bóng đá" không còn bảo chứng cho bóng đá, thì khán đài sẽ dựa vào đâu để tin? Khán đài có thể trống, nhưng nhịp tim của một cộng đồng thì không bao giờ ngừng đập.