Khi cỗ máy dán nhãn sai: lỗ hổng dữ liệu trong làng tin bóng đá

Mùa giải này, sau buổi tập lúc mười một giờ đêm, tôi mở bảng tin nội bộ của tòa soạn và bắt gặp một dòng khiến tay tôi dừng lại trên bàn phím. Một bản tin về cuộc gặp giữa hai nguyên thủ quốc gia — bàn về một thỏa thuận hòa bình và việc mở lại một eo biển chiến lược — nằm gọn trong mục "bóng đá". Không một cầu thủ. Không một câu lạc bộ. Không một sân vận động, hợp đồng, hay tỷ số nào. Chỉ có một tấm nhãn dán nhầm, và một cỗ máy lặng lẽ gọi sai tên sự thật.

Tôi từng nghĩ mình lạc chỗ vì là phụ nữ. Hóa ra tôi đến sớm hơn họ để kịp nhìn sự thật lộ ra. Và lần này, sự thật lộ ra không phải trên sân cỏ, mà trong chính đường ống dữ liệu đang nuôi sống nghề viết của chúng tôi.

Khi một bản tin chính trị đội lốt bóng đá, đó không phải trò đùa của thuật toán — đó là lời cảnh báo về toàn bộ hệ sinh thái thông tin thể thao.

Ngày nay, người viết thể thao không còn chỉ đọc báo và xem trận. Chúng tôi sống nhờ những dòng dữ liệu chảy qua hàng chục nguồn: feed thông tấn, nhà cung cấp chỉ số, bảng tỷ lệ cược, hệ thống gắn thẻ tự động. Mỗi bản tin đi vào đều được phân loại theo lĩnh vực, theo thực thể, theo thời gian. Nếu khâu phân loại ấy sai, tai họa không dừng ở một dòng tin lạc loài. Nó chảy xuống mọi sản phẩm phía sau: bảng xếp hạng cảm xúc, đồ thị thực thể, và tệ nhất — những tín hiệu được bán cho thị trường cá cược.

Tôi đã dành hai tuần sống trong ký túc xá của một đội bóng để hiểu cách dữ liệu vận hành trong im lặng. Khi ấy, sân không khán giả, nhưng tôi vẫn nghe rõ những trái tim đập. Điều tôi học được không phải là cách một trận đấu diễn ra, mà là cách người ta ghi lại nó. Một cú sút bị chặn, một đường chuyền hỏng, một lần thay người — tất cả đều trở thành con số, rồi con số ấy đi đâu, ai đọc nó, ai dùng nó để làm gì.

Vấn đề của cỗ máy này nằm ở chỗ: nó học cách nhận diện bóng đá qua những từ khóa bề mặt. "Cuộc gặp", "thỏa thuận", "kèo", "bảng" — nghe qua thì rất giống ngôn ngữ của phòng chuyển nhượng. Một cuộc đàm phán ngoại giao và một cuộc đàm phán hợp đồng chia sẻ gần như cùng một bộ từ vựng. Khi thuật toán chỉ biết bám vào mặt chữ mà không cần một cầu thủ, một huấn luyện viên, hay một giải đấu nào làm bằng chứng, nó sẽ dán nhãn "bóng đá" cho bất cứ thứ gì nghe có vẻ giống. Và thế là một bản tin về eo biển, về một thỏa thuận hòa bình, lọt vào kho dữ liệu thể thao mà không một ai chặn lại.

Cỗ máy ấy không có lỗi. Lỗi nằm ở chỗ chúng ta giao cho nó quyền phán xét mà không giao kèm trách nhiệm. Ở Việt Nam, nơi mà lượng dữ liệu bóng đá nội địa còn mỏng, áp lực phải lấp đầy các bảng tin bằng mọi giá càng khiến người ta dễ tin vào những nhãn dán sẵn có. Một trang tin thể thao lấy dữ liệu từ nước ngoài, dịch lại, đăng lên — và không ai hỏi nguồn đó được phân loại thế nào.

Tôi nhớ đến mùa hè mà tôi theo dõi một tiền đạo người Hàn Quốc chỉ được ra sân hai trận ở một kỳ World Cup. Tôi bắt gặp người nhà của cậu ấy gọi điện cho người đại diện bên ngoài khách sạn, nhắc đến việc cân nhắc rời câu lạc bộ. Tôi đã chờ đến khi có xác nhận từ hai nguồn độc lập rồi mới đăng tin. Một bản hợp đồng trị giá hai mươi hai triệu euro đã được xác nhận theo cách như vậy. Tôi kể câu chuyện ấy không phải để khoe một cuộc gọi ngầm, mà để nói rằng: tin tức thể thao đáng giá nằm ở bằng chứng, không nằm ở tốc độ. Và một cỗ máy không biết chờ đợi xác minh thì không thể thay thế được sự cẩn trọng của con người.

Tôi luôn nói với các phóng viên trẻ rằng tác dụng phụ đen tối nhất của việc số hóa thể thao không phải là VAR, mà là dòng dữ liệu trực tiếp chảy vào tay các công ty cá cược. Ở đó, mỗi giây đều được định giá, và một nhãn sai có thể trở thành một biến số giả trong một mô hình không ai kiểm chứng.

Điểm mù lớn nhất của ngành không phải là thiếu dữ liệu, mà là quá tin vào nhãn dán của dữ liệu.

Chúng ta thường mặc định rằng dữ liệu là khách quan, trung lập, không thiên vị. Nhưng một nhãn phân loại là một phán đoán — và phán đoán thì có thể sai, có thể lệch, có thể bị định hình bởi người viết ra thuật toán. Khi tôi bị một phóng viên lớn tuổi hỏi "em gái, em có chắc mình hiểu luật việt vị không?", tôi không tranh cãi. Tôi ghi lại toàn bộ sơ đồ chiến thuật, chép lại từng số liệu, để dữ kiện tự lên tiếng. Bài học ấy áp dụng y hệt cho một cỗ máy: nếu không có bằng chứng cụ thể — một thực thể, một con số, một ngày tháng — thì tấm nhãn chẳng có giá trị gì.

Nghịch lý nằm ở chỗ, chúng ta xây những hệ thống dữ liệu ngày càng tinh vi để bắt lỗi sai của con người, nhưng lại quên tự kiểm tra lỗi sai của chính cỗ máy. Người hâm mộ không thấy lỗi này. Họ chỉ thấy một bài báo lạc đề, hoặc tệ hơn, một tỷ lệ cược vô lý. Nhưng phía sau, đó là một chuỗi những phán đoán sai được truyền đi mà không ai chịu trách nhiệm. Dữ liệu không tự nói dối, nhưng người ta có thể dạy nó nói dối mà không cần cố ý — chỉ bằng cách lười kiểm tra.

Nếu bóng đá là một thành phố, tôi sống ở khu bình dân — nơi tin tức lên tiếng trước khi thành tượng đài. Và ở khu bình dân ấy, tôi học được rằng một tấm nhãn dán sai, nếu bị bỏ qua đủ lâu, sẽ trở thành một thứ sự thật giả. Đội bóng không mất đi chỉ vì máy gọi nhầm tên. Nhưng lòng tin của người đọc thì có thể mất, và nó mất âm thầm hơn nhiều so với một trận thua.

Người viết thể thao không tạo ra chiến thắng. Chúng tôi chỉ giữ lại cho mùa sau những gì mùa này muốn quên. Vấn đề là cỗ máy không biết mùa nào để quên, mùa nào để giữ.

Tín hiệu tôi đang theo dõi trong những tuần tới rất đơn giản: hãy để ý xem có bao nhiêu bản tin phi bóng đá lọt được vào các feed thể thao. Một lần là lỗi. Hai lần là nghi vấn. Còn nếu nó thành thói quen, thì vấn đề không nằm ở cỗ máy, mà ở những người đã ngừng kiểm tra nó. Sân có thể vắng khán giả. Nhưng một đường ống dữ liệu rò rỉ thì không có băng ghế nào để ngồi chờ.