Nhãn bóng đá dán lên một cuộc điện đàm ngoại giao: sai ở tầng gắn nhãn

Trong tệp hồ sơ phân loại nội dung tôi đọc được tuần này, có một bản tin của The Express Tribune (Pakistan) tường thuật cuộc điện đàm giữa Ngoại trưởng Pakistan Ishaq Dar và Ngoại trưởng Thổ Nhĩ Kỳ Hakan Fidan về an ninh khu vực, thuộc khuôn khổ hợp tác bốn nước gồm Pakistan, Thổ Nhĩ Kỳ, Saudi Arabia và Ai Cập. Nhãn lĩnh vực gắn cho bản tin đó: bóng đá.

Phía sau nhãn ấy, một hệ thống phân tích chạy chín hạng mục chuyên môn: chiến thuật và kỹ thuật, tài chính câu lạc bộ và thị trường chuyển nhượng, kết quả thi đấu và chu kỳ dư luận, cục diện giải đấu và định vị đội bóng, luật lệ và tuân thủ, quản lý và phòng thay đồ, hồ sơ rủi ro, truyền thông và kỳ vọng, chuỗi lan tỏa ngành. Cả chín trả về cùng một kết quả: trống. Không đội bóng, không cầu thủ, không một phút bóng lăn, không một con số chuyển nhượng nào để đối chiếu.

Tôi từng ngồi hàng trăm giờ gắn nhãn thủ công 50 trận của Liverpool ở mùa 2026/20, bóc từng pha bóng cố định, để rút ra 14 bàn thắng đến từ tình huống bóng chết trong tổng số 37 bàn, trong đó 6 bàn từ những pha không chiến của Virgil van Dijk. Công việc đó dạy tôi một điều: dữ liệu hiếm khi sai ở tầng cuối. Nó sai ở tầng gắn nhãn, nơi con người và thuật toán đều bị thúc bằng chỉ tiêu tốc độ.

Dây chuyền nội dung thể thao hiện đại chạy qua bốn bước: thu thập bản tin, gắn nhãn lĩnh vực, phân phối tới tệp độc giả phù hợp, bán chỗ hiển thị. Mỗi bước có chỉ tiêu riêng, và mọi chỉ tiêu đều ép về phía nhanh hơn. Bản tin phải lên trong ngày. Nhãn phải có trước khi biên tập viên kịp đọc hết dòng đầu tiên. Vào mùa giải lớn, áp lực đó nhân lên theo cấp số: lượng truy cập tăng vọt, lịch thi đấu dày đặc, số bài phải xuất bản mỗi giờ vượt xa số biên tập viên có mặt.

Tệp độc giả thể thao là tệp đắt giá nhất trong toàn bộ danh mục tin tức: thời gian đọc cao, tỷ lệ quay lại cao, doanh thu quảng cáo cao. Nhà tài trợ toàn cầu trả tiền cho số lượt hiển thị, không trả tiền cho độ chính xác của nhãn lĩnh vực. Nên khi một bộ phân loại phải chọn giữa việc gọi một bản tin mơ hồ là bóng đá hay chính trị quốc tế, nó không chọn bằng ngữ nghĩa. Nó chọn bằng lịch sử phần thưởng.

Bản tin ngoại giao kia rơi đúng vào vùng mờ. Nó chứa tên riêng nước ngoài, chứa tên viết tắt của một khuôn khổ hợp tác bốn nước, chứa những cụm từ mô tả phối hợp khu vực. Một bộ phân loại chạy trên trùng khớp từ khóa không đọc được ý nghĩa của câu; nó đếm ký tự. Trong tiếng Anh, vô số chuỗi ký tự vô hại — tên người, tên tổ chức, tên khuôn khổ — trùng âm hoặc trùng hình với tên cầu thủ, tên giải đấu, tên sơ đồ chiến thuật. Một cái tên viết tắt bốn chữ cái đủ sức đẩy cả bản tin sang nhánh sai.

Sai sót kiểu này mang tính hệ thống, không phải tai nạn. Khi một bộ phân loại được huấn luyện trên tập dữ liệu mà nhãn thể thao chiếm tỷ trọng lớn, và được đánh giá bằng chỉ số doanh thu trên mỗi lượt hiển thị, việc nó nghiêng về nhãn thể thao ở vùng mờ là kết quả hợp lý. Hệ thống đang làm đúng việc nó được dạy. Lỗi nằm trong bảng chỉ tiêu đặt lên đầu nó, chứ không nằm trong dòng code.

Bộ phân loại không có tầng giải thích. Nó đưa ra phán quyết, và không ai trong dây chuyền biết vì sao phán quyết đó ra đời — giống hệt cách một quyết định VAR được công bố mà không kèm lời giải thích tại sân, để lại khán đài với cảm giác bị bỏ quên. Khi cơ chế giải thích vắng mặt, niềm tin không mất đi ở chỗ sai sót; nó mất đi ở chỗ không ai chịu trách nhiệm giải thích sai sót.

Nhãn sai không nằm im trong cơ sở dữ liệu. Nó theo bài viết vào hệ thống gợi ý, từ đó tới màn hình của người đọc đang chờ tin về đội tuyển, và cuối cùng tới một chuyên gia bị huy động để phân tích một cuộc điện đàm như thể đó là một trận derby. Chi phí thật không phải một bài viết lỗi. Chi phí thật là hàng nghìn giờ chuyên môn chảy vào chỗ trống, và một suất trong hàng đợi nội dung đáng lẽ thuộc về một trận đấu có thật.

Trong cơ sở dữ liệu, một nhãn sai còn tệ hơn một nhãn trống. Nhãn trống buộc hệ thống phải hỏi lại. Nhãn sai khiến hệ thống tin rằng nó đã biết câu trả lời.

Ở tầng dưới của phễu, tôi gặp lại đúng căn bệnh đó. Dữ liệu sự kiện tự động thường bỏ sót bàn thắng từ pha bóng hai — loại bàn thắng tôi phải ngồi bóc tay từng khung hình mới đếm nổi. Nhãn sai ở đầu phễu và dữ liệu sót ở cuối phễu là hai biểu hiện của một thói quen: ưu tiên tốc độ hơn xác minh.

Tôi có thể sai. Một trường hợp đơn lẻ chưa đủ để kết luận về cả một ngành, và chính tôi là người thường xuyên chỉ trích những nhận định dựng trên một mẩu bằng chứng. Tỷ lệ gắn nhãn sai trong các dây chuyền lớn có thể thấp hơn một phần trăm, tức sai số này nằm trong ngưỡng chấp nhận của vận hành. Cũng có khả năng nhãn sai không đến từ bộ phân loại của dây chuyền, mà từ siêu dữ liệu do chính nơi xuất bản gắn lên bài viết, và hệ thống phía sau chỉ kế thừa nguyên trạng.

Điều đáng lo hơn là phản ứng sửa lỗi. Nếu tòa soạn đáp lại bằng một bộ lọc cứng — buộc mỗi bài phải chứa ít nhất một thực thể bóng đá mới được xếp vào nhãn thể thao — họ sẽ chặn luôn những bài nằm ở vùng biên, nơi giá trị thật thường trú ngụ: một thương vụ tài trợ áo đấu, một tranh chấp bản quyền truyền hình, một cuộc tranh luận về quy trình trọng tài. Số đông nhìn ngôi sao, tôi nhìn vào khoảng trống — nhưng khoảng trống nào cũng cần một ranh giới rõ ràng, nếu không nó chỉ là đống lộn xộn.

Bóng đá hiện đại không có ngẫu nhiên, chỉ có dữ liệu chưa được đọc. Nhưng dữ liệu chưa được đọc trở nên vô dụng khi bị xếp nhầm ngăn. Trong mười hai tháng tới, tôi đặt cược vào việc các tòa soạn thể thao lớn sẽ bổ sung một tầng xác minh lĩnh vực trước khi bài viết vào hàng đợi phân tích, và chỉ số đánh giá sẽ chuyển từ độ phủ sang độ chính xác theo lĩnh vực. Từ một cú cược liều, tôi học được cách nghe thị trường thì thầm: thị trường không trả tiền cho nội dung nhanh nhất, nó trả tiền cho nội dung đúng ngăn nhất.