Nhãn 'bóng đá' dán nhầm lên một bản tin chính trị: lỗ hổng ở thượng nguồn đường dây dữ liệu thể thao

Trong nhóm chat nội bộ của ban thể thao, một đường dẫn được đẩy vào lúc 7 giờ 12 phút sáng. Nhãn gắn kèm: bóng đá. Tiêu đề: một thượng nghị sĩ sẽ tạm quyền chủ tọa phiên họp. Tôi đọc lại ba lần. Không đội bóng. Không cầu thủ. Không tỷ số. Không một cái tên nào thuộc về sân cỏ. Thứ duy nhất mang hơi bóng đá trong đường dẫn đó là dòng nhãn. Tôi từng tin vào những dòng nhãn như thế. Mười lăm năm trước, khi mới bước vào nghề, tôi tin rằng thứ gì được xếp vào ngăn thể thao thì mặc nhiên thuộc về thể thao. Tin vào bảng tổng hợp, tin vào bản tin đẩy sẵn, tin vào danh mục có sẵn. Rồi tôi ngồi đủ lâu ở một hành lang vắng để hiểu ra rằng nhãn không đảm bảo điều gì. Nhãn là phỏng đoán — của người dán, hoặc của cỗ máy được lập trình để dán thay người. Buổi sáng hôm đó, phỏng đoán ấy sai. Ở Việt Nam, các ban thể thao cũng đang dựng đường dây dữ liệu riêng, và cũng đang học cách tin vào nhãn. Nên câu chuyện này không ở đâu xa. Bản tin gốc đến từ The Express Tribune, một nhật báo tiếng Anh có trụ sở tại Pakistan. Nội dung gọn trong bảy điểm thông tin. Phó Chủ tịch Thượng viện Syedaal Khan Nasar sẽ điều hành phiên họp khi Chủ tịch Thượng viện Yousaf Raza Gilani rời Pakistan để dự kỳ họp thứ 153 của Liên minh Nghị viện Quốc tế tại Tanzania. Tại diễn đàn đó, Gilani dự kiến trình bày lập trường của Pakistan về Kashmir và về các căng thẳng toàn cầu. Bảy điểm. Không điểm nào nhắc đến bóng đá. Hệ thống phân loại của đường dây dữ liệu vẫn gắn cho bản tin này nhãn bóng đá. Nó trôi vào đúng ngăn mà nó không thuộc về. Và rồi một bộ khung phân tích chín chiều — chiến thuật và kỹ thuật, tài chính câu lạc bộ, thị trường chuyển nhượng, kết quả và chu kỳ dư luận, cục diện giải đấu, quy tắc và quản trị, ban huấn luyện và phòng thay đồ, hồ sơ rủi ro, chu kỳ truyền thông — được chạy trên nó. Cả chín chiều trả về cùng một câu: không đủ thông tin để đánh giá. Đó là câu trả lời trung thực nhất mà một hệ thống có thể đưa ra. Và cũng là câu trả lời đắt nhất, vì nó buộc người vận hành phải nhìn vào thứ đáng lẽ không ai muốn nhìn: chính cái nhãn. Điều đáng nói nằm ở cách hệ thống xử lý khoảng vênh giữa nhãn và nội dung. Nó có thể đã bịa. Một cỗ máy được huấn luyện để luôn trả về kết luận sẽ thấy áp lực phải nói gì đó về hàng thủ của một thượng viện, về ngân sách của một đoàn đại biểu, về phong độ của một chủ tịch luân phiên. Nó đã không làm thế. Nó dừng lại, ghi rõ ngoài phạm vi, rồi làm nốt việc còn lại: chỉ ra thứ thực sự có thể phân tích. Rủi ro lớn nhất là toàn vẹn dữ liệu. Một nhãn sai không nằm yên tại chỗ. Nó lan xuống hạ nguồn. Bất kỳ bảng tổng hợp nào lấy dữ liệu từ đường dây này đều sẽ đếm bản tin chính trị Pakistan vào danh mục bóng đá. Bất kỳ mô hình nào học từ đó đều sẽ học sai, và cái sai ấy sẽ lặp lại âm thầm cho tới khi có người mở bản gốc ra đọc. Cái tên cũng gây ô nhiễm theo cách riêng. Hai cái tên trong bản tin, Gilani và Nasar, có thể bị hút vào đồ thị thực thể bóng đá. Một đồ thị như vậy dùng để tra cứu cầu thủ, huấn luyện viên, câu lạc bộ, giải đấu. Nếu nó nhận nhầm hai chính khách thành nhân sự thể thao, mọi truy vấn đi qua nó đều lệch. Cách xử lý được đề xuất rất dứt khoát: tách riêng các thực thể đã trích xuất và giữ chúng ngoài đường dây cho tới khi phân loại lại. Còn một tầng nữa, ít ai để ý: chất lượng nguồn. Cả bảy điểm thông tin đều được đánh dấu là không nêu nguồn. Bản tin dựa vào uy tín của tòa soạn chứ không dựa vào nguồn có tên. Với một tin thủ tục như thế, cách làm này phổ biến và chấp nhận được. Nhưng khi bản tin được tái sử dụng ở hạ nguồn, nó trở thành một nguồn đơn lẻ, không định danh. Hệ thống khuyến nghị gắn cờ và tìm nguồn đối chiếu trước khi dùng lại. Đọc ba điểm này, tôi thấy quen. Dựa trên kinh nghiệm theo dõi các trận đấu và các phòng họp báo suốt nhiều năm, phần lớn sai sót trong nghề không đến từ chỗ ta nói dối. Nó đến từ chỗ ta tin một thứ chưa được kiểm. Một dòng nhãn. Một bảng số. Một danh mục có sẵn trong hệ thống mà không ai buồn mở ra xem. Có một dữ kiện đáng đặt cạnh chuyện này. Liên minh Nghị viện Quốc tế ra đời năm 1889 và hiện quy tụ hơn 180 nghị viện quốc gia cùng các tổ chức nghị viện khu vực, với trụ sở tại Geneva. Gần một trăm bốn mươi năm tồn tại, danh mục thành viên rõ ràng, thủ tục giấy tờ chặt chẽ. Vậy mà khi nó đi qua một đường dây dữ liệu thể thao, nó bị gọi là bóng đá. Bộ khung phân tích còn đưa ra một bảng đánh giá giá trị thông tin. Giá trị thể thao: một trên năm sao. Giá trị ngành: một trên năm sao. Giá trị thời điểm: ba trên năm sao, vì sự việc chỉ có nghĩa trong lúc Gilani còn ở nước ngoài. Giá trị tham chiếu: hai trên năm sao, và chỉ ở đúng một khía cạnh — dùng làm ca cảnh báo về chất lượng dữ liệu và phân loại lĩnh vực. Một bản tin không có giá trị bóng đá lại có giá trị cho nghề làm bóng đá. Đó là nghịch lý duy nhất đáng giữ lại ở đây. Bảng rủi ro của bộ khung gồm sáu nhóm — thể thao, tài chính, nhân sự, quy tắc, dư luận, hệ thống — và cả sáu đều trống. Mức rủi ro tổng thể: không áp dụng. Ngoài một dòng cảnh báo về toàn vẹn siêu dữ liệu. Chỗ dễ hiểu nhầm nhất là ai chịu trách nhiệm. Phản xạ đầu tiên là đổ cho cỗ máy. Máy dán nhãn sai thì máy phải sửa. Nhưng cỗ máy chỉ lặp lại điều con người đã bỏ qua từ trước. Nó không tự nghĩ ra rằng chính trị là bóng đá. Nó khớp từ khóa, và khi từ khóa khớp, nhãn được gán. Nỗi lo thường thấy là cỗ máy sẽ viết một bài phân tích bóng đá sai. Nỗi lo đó đặt nhầm chỗ. Sai sót thật nằm ở thượng nguồn, ở khâu gán nhãn — chỗ không ai nhìn, không ai kiểm, không ai chất vấn. Khi nhãn đã sai, mọi thứ phía sau đều đúng quy trình và sai kết quả. Quy trình đúng không cứu được kết quả sai; nó chỉ làm cho kết quả sai khó bị phát hiện hơn. Bộ khung phân tích đưa ra một gợi ý nghe rất đời: thêm một bước kiểm tra của con người ở thượng nguồn. Một người ngồi lại, mở bản tin ra, đọc, rồi tự hỏi câu hỏi đơn giản nhất. Bản tin này có phải bóng đá không? Lão Châu không hỏi đội bóng ma có thật không. Ông chỉ hỏi: mấy người ăn cơm? Cỗ máy không hỏi câu đó. Nó hỏi: từ khóa có khớp không? Hai câu hỏi, hai nghề, hai kết cục. Một bên nuôi sống con người bằng câu hỏi đúng. Một bên làm hỏng dữ liệu bằng câu hỏi gần đúng. Ở phòng thay đồ, người ta để lại giày, mùi mồ hôi và những câu nói bỏ lửng. Trong đường dây dữ liệu, người ta để lại nhãn, dấu thời gian và những trường trống. Cả hai đều cần một người chịu cúi xuống nhặt. Bộ khung xếp bản tin này vào loại tin thủ tục, mức nhiệt thấp, độ chắc chắn cao, không hô hào, không suy đoán, không gán nguồn. Nó kết thúc khi Gilani trở về nước và Nasar rời ghế tạm quyền. Tín hiệu cần theo dõi tiếp không nằm ở Pakistan. Nó nằm ở chính đường dây phân loại. Nếu cùng một nguồn tin, cùng một kiểu văn bản thủ tục, lại bị dán nhãn bóng đá thêm một lần nữa, thì đó là lỗi hệ thống, chứ không phải tai nạn đơn lẻ. Lúc đó, việc cần làm không phải sửa một nhãn, mà là mở toàn bộ đường dây ra kiểm. Hành lang Hồng Khẩu dạy tôi một điều: tin tức cũng có nhịp thở. Một dòng nhãn sai không có nhịp thở. Nó chỉ có tốc độ. Và tốc độ thì không tự sửa được mình. Người đưa tin giỏi không phải người đến sớm, mà người ở lại sau cùng. Trong một đường dây chạy bằng tốc độ, ở lại sau cùng nghĩa là chịu mở bản tin ra đọc, dù dòng nhãn đã nói sẵn rằng không cần đọc.