Thuật toán dán nhãn 'bóng đá' cho một bản tin về ứng dụng hẹn hò

Tối thứ Ba, khi mở tập dữ liệu gồm 4.312 bài viết được hệ thống gán nhãn “bóng đá”, tôi dừng lại ở bài thứ 208. Tiêu đề nói về một tính năng cho phép người dùng một ứng dụng hẹn hò lập nhóm tối đa bốn người để cùng đi chơi. Trong toàn bộ bài không có đội bóng, không có tỷ số, không có lấy một cái tên cầu thủ. Nhưng dòng nhãn phía trên vẫn ghi rõ: lĩnh vực — bóng đá. Tôi đọc lại lần hai, rồi lần ba, theo đúng thói quen kiểm chứng của mình. Đến lần thứ ba, tôi hiểu vấn đề nằm ở cỗ máy đã dán nhãn cho bài viết, chứ không ở bài viết.

Tôi làm nghề phân tích dữ liệu thể thao bốn mươi mốt năm, trong đó hai mươi năm gắn với việc mã hóa tình huống trận đấu. Hệ thống mà tôi nhận bài mỗi ngày vận hành theo cách quen thuộc: một bộ phân loại đọc tiêu đề và phần thân, đối chiếu với danh sách từ khóa, rồi gán nhãn lĩnh vực để định tuyến bài về đúng mô-đun xử lý. Bóng đá có một bộ từ khóa riêng, và trong bộ từ khóa ấy có ba chữ tiếng Anh chết người: match, group, meet.

“Match” mang nghĩa trận đấu, nhưng cũng mang nghĩa ghép đôi. “Group” là nhóm, trong bóng đá là bảng đấu, trong ứng dụng hẹn hò là nhóm người dùng. “Meet” là gặp gỡ, trong thể thao là cuộc đối đầu, ngoài đời là hẹn hò. Bộ phân loại không đọc ngữ nghĩa. Nó đếm từ, cộng điểm, và ba từ khóa trùng nhau đủ để nó kéo bài về ô “bóng đá”.

Tôi đem toàn bộ bài đi phân tích theo chín chiều quen thuộc: chiến thuật và kỹ thuật, tài chính câu lạc bộ, chu kỳ kết quả và dư luận, cục diện giải đấu, tuân thủ luật, phòng thay đồ, hồ sơ rủi ro, câu chuyện truyền thông, và truyền dẫn ngành. Cả chín chiều trả về cùng một kết quả: không đủ thông tin, ngoài lĩnh vực. Không có sơ đồ đội hình để tháo gỡ. Không có bảng lương để soi. Không có một phút nào của trận đấu nào để bóc tách.

Lỗi nằm ở tầng quản trị dữ liệu, và nó nguy hiểm hơn vẻ ngoài của nó.

Trong nghề của tôi, một mẫu dữ liệu sai nhãn giống như một cầu thủ vào sân sai vị trí. Anh ta vẫn chạy, vẫn chạm bóng, vẫn xuất hiện trong bảng thống kê. Cái sai không lộ ra ngay. Nó chỉ lộ khi cả hệ thống bắt đầu ra quyết định dựa trên vị trí đó. Một bài về ứng dụng hẹn hò nằm trong tập dữ liệu bóng đá sẽ không tự nó gây hại. Nhưng nó bào mòn độ tin cậy của mọi kết luận rút ra từ tập dữ liệu ấy. Khi tôi tính tỷ lệ bài về chiến thuật phòng ngự, bài ấy nằm trong mẫu số. Khi tôi đếm tần suất xuất hiện của một thuật ngữ, nó góp một phiếu. Sai số nhỏ, nhưng sai số không bao giờ đứng yên.

Vấn đề sâu hơn nằm ở chỗ bộ phân loại được thiết kế để nhanh. Nó không có cổng kiểm tra mức liên quan trước khi phân tích. Nó tin vào từ khóa, và từ khóa là thứ dễ lừa nhất. Tôi từng chứng kiến điều tương tự trong chính công việc của mình. Năm 2026, trong trận Bồ Đào Nha gặp Tây Ban Nha ở World Cup, tôi phát âm sai tên Isco ba lần chỉ vì tin vào ghi chú của mình mà không đối chiếu nguồn. Một lần phiên âm sai, tôi học được cách đặt lại tên cho sự chính xác. Bài học khi đó giống hệt bài học bây giờ: tin vào một lớp nhãn trung gian mà không mở lớp nhãn ấy ra kiểm tra là điểm mù.

Tôi dựng lại cơ chế lỗi thành ba bước. Bước một, bộ phân loại đọc tiêu đề, gặp từ “match”, cộng điểm bóng đá. Bước hai, nó đọc phần thân, gặp “group” và “meet”, cộng thêm điểm. Bước ba, điểm vượt ngưỡng, bài được định tuyến sang mô-đun bóng đá. Không bước nào kiểm tra xem chủ thể của bài là câu lạc bộ, giải đấu, hay một ứng dụng hẹn hò. Toàn bộ quá trình mất chưa đến một giây.

Đặt cạnh bảng mã 47 tình huống mà tôi xây dựng, sự tương phản rất rõ. Bảng mã của tôi cũng dùng con số và mã hiệu, nhưng mỗi mã đều gắn với một bối cảnh không gian và một quyết định của huấn luyện viên. Mã 23 chỉ có nghĩa khi biết bóng mất ở đâu và ai là người phản công. Bộ phân loại kia thì cắt mã khỏi bối cảnh. Nó giữ lại từ, bỏ đi nghĩa. Một cái nhãn tách khỏi bối cảnh chỉ còn là một cái tên được dán lên cho gọn mắt. Và cái tên dán sai sẽ ám cả hệ thống phía sau. Bảng mã không cần nhớ, nó tự nhớ người đã tạo ra nó — còn bộ phân loại tồi thì tự quên người đã giao việc cho nó.

Điều đáng chú ý là bài viết gốc hoàn toàn lành mạnh. Nó tường thuật trung tính về một tính năng sản phẩm, có ngày tháng, có trạng thái thử nghiệm ở một số thị trường, có điều kiện độ tuổi. Nếu đặt đúng chỗ, nó là một bản tin công nghệ tử tế. Tội của nó chỉ là nằm nhầm ngăn kéo. Nguồn tin cũng vậy: mọi thông tin đều đến từ chính công ty sở hữu sản phẩm, tức nguồn nhất phương mang tính quảng bá. Với một bản tin công nghệ, điều đó bình thường. Với một bản tin bóng đá, đó là lá cờ đỏ. Cùng một nguồn, hai cách đánh giá trái ngược, chỉ vì khác nhãn.

Ở đây tôi muốn đi ngược lại phản xạ thường thấy. Khi phát hiện một bài sai nhãn, người ta có xu hướng đổ lỗi cho thuật toán rồi đòi thay nó bằng một thuật toán thông minh hơn. Tôi cho rằng đó là cách sửa sai bề mặt. Vấn đề nằm ở chỗ chúng ta đã giao cho một lớp nhãn trung gian quyền định đoạt nội dung, rồi thôi không kiểm tra nữa.

Trong bóng đá, tôi gặp thói quen này mỗi tuần. Người ta tin vào tỷ lệ kiểm soát bóng vì nó là một con số gọn gàng, dễ trích dẫn, trong khi thứ thực sự kể câu chuyện lại là những đường chuyền ngang vô nghĩa đứng sau nó. Một đội cầm bóng sáu mươi phần trăm bằng cách luân chuyển bóng qua lại giữa các trung vệ vẫn được gọi là làm chủ thế trận. Nhãn “kiểm soát” được dán lên, và không ai mở ra xem bên trong có gì. Bộ phân loại dán nhãn “bóng đá” cho bài về ứng dụng hẹn hò cũng theo đúng logic đó: dán cho xong, tin cho nhanh.

Cách sửa đúng là đặt một cổng chặn trước khi phân tích. Nếu điểm liên quan lĩnh vực dưới ngưỡng, hệ thống phải dừng lại và gắn cờ, thay vì cứ thế sinh ra kết luận. Một cái dừng đúng lúc rẻ hơn nhiều so với một kết luận sai được lan truyền. Sai số 0,1 giây có thể đổi màu một danh hiệu, nhưng tôi vẫn thích đo ba lần. Trong bóng đá, tôi luôn yêu cầu xem lại băng ghi hình ít nhất ba lần trước khi kết luận điều gì. Băng ghi hình là cổng chặn của tôi. Hệ thống dữ liệu cũng cần một cổng như vậy, và cần nó trước tiên.

Tối nay tôi sẽ ghi vào sổ một dòng: bài thứ 208, sai nhãn, đã định tuyến lại. Nhưng tôi biết nó không đơn độc. Nếu từ khóa “match” đủ sức kéo một ứng dụng hẹn hò vào ngăn bóng đá, thì trong cùng tập dữ liệu ấy còn bao nhiêu cái tên bị dán nhầm mà tôi chưa mở ra. Câu trả lời nằm ở lần kiểm tra tiếp theo, và ở một quyết định tôi tự hứa với mình: sẽ không tin một cái nhãn nào mà chưa tự tay mở nó ra.