Khi hệ thống dán nhãn 'bóng đá' cho một bản tin chính trị

Ngày 21 tháng 9, một dòng trạng thái ngắn xuất hiện: một nữ chính trị gia ở Mexico tuyên bố ý định tranh chức người đứng đầu thủ đô. Bốn giờ sau, dòng trạng thái ấy nằm trong hàng đợi của một hệ thống phân loại tự động. Khi bước ra, nó mang theo đúng một nhãn — "bóng đá".

Tôi đọc bản báo cáo ấy vào một buổi chiều ở Seoul, tay vẫn còn cầm bản phác thảo trận đấu cuối tuần. Hai mươi bảy điểm dữ liệu. Không một đội bóng. Không một cầu thủ. Không một huấn luyện viên. Không một tỉ số. Chỉ có một cuộc đua vào ghế người đứng đầu thủ đô Mexico, một lịch bầu cử 2027 và 2030, và một án phạt hành chính đang treo lơ lửng.

Chiếc máy quay không bao giờ nói dối, nhưng nó biết kể một câu chuyện từ nhiều góc. Cái máy dán nhãn thì không. Nó chỉ chọn một góc — và đôi khi chọn sai.

Tôi lớn lên ở Pháp, đến Hàn Quốc làm nghề, và học cách kiểm tra dữ liệu từ những ngày còn tự quay video phân tích ở giải hạng hai, khi khán đài chỉ có hơn bốn trăm người. Hôm ấy tôi quay một trận trước bốn trăm ba mươi tám khán giả, dựng một video tám phút, và nhận lại một trăm hai mươi bảy lượt xem cùng ba bình luận từ những người hâm mộ ruột. Ba người. Nhưng ba người ấy đủ để tôi hiểu một điều: dữ liệu không tự nói. Phải có ai đó gọi tên nó, và cái tên ấy phải đúng.

Sau World Cup 2026, khi một đồng nghiệp lớn tuổi cười khẩy trước câu hỏi của tôi trong phòng họp báo và bảo rằng đấy là "câu hỏi kiểu fan nữ mới tập xem bóng đá", tôi không tranh cãi. Tôi mở sổ, đọc chỉ số pressing của cầu thủ tôi hỏi trong ba trận giao hữu, và buộc người trả lời phải giải thích. Cú sốc năm ấy không phải trên sân, mà là căn phòng họp báo chỉ toàn tiếng nói đàn ông. Từ đó, nguyên tắc của tôi đơn giản: mỗi con số tôi đưa ra phải chịu được một lần bị chất vấn, và mỗi cái tên tôi viết phải chịu được một lần bị kiểm tra lại.

Trong ngành thể thao hôm nay, phần lớn cái tên được gọi bởi máy. Mỗi ngày, hàng nghìn bản tin, thông báo và dòng trạng thái chảy qua các hệ thống phân loại tự động trước khi tới tay biên tập viên. Nhãn quyết định mọi thứ phía sau: một bản tin được gắn "bóng đá" sẽ đi vào đúng luồng xử lý, được đối chiếu với cơ sở dữ liệu đội bóng, cầu thủ và thành tích đối đầu. Một bản tin gắn sai nhãn sẽ kéo theo một chuỗi sai — hoặc bị vứt bỏ, hoặc tệ hơn, được dùng làm căn cứ cho những phân tích sai.

Đó là lúc một cái tên như "Cuauhtémoc" trở nên nguy hiểm. Trong bản tin gốc, nó là tên một quận ở Mexico City. Nhưng với một hệ thống gắn nhãn không kiểm tra chéo, một chuỗi ký tự quen thuộc có thể bị kéo nhầm vào đồ thị tri thức bóng đá — và sinh ra một "câu lạc bộ Cuauhtémoc" không hề tồn tại. Sai một lần, rồi sai mãi.

Sai sót lớn nhất của hệ thống gắn nhãn không nằm ở chỗ nó đọc sai chữ, mà ở chỗ nó không có quyền nói "tôi không biết". Báo cáo tôi đọc nói thẳng điều đó: hai mươi bảy điểm dữ liệu, không điểm nào thuộc về bóng đá, và đúng ra thì mọi chiều phân tích phải được đánh dấu "thiếu thông tin" thay vì được lấp bằng phỏng đoán. Nhưng cái khung phân tích lại đòi hỏi mỗi chiều phải có ít nhất ba kết luận và hai suy luận ẩn. Một khung như thế, đặt lên một nguồn rỗng, chỉ có hai lối ra: hoặc trả về "không đủ dữ liệu", hoặc bịa ra bóng đá.

Tôi từng thấy điều tương tự ngay trên sân cỏ, chỉ là ở dạng khác. Một bài tường thuật được viết xong trước khi trận đấu bắt đầu; một bảng thống kê được chọn sau khi đã có kết luận; một cầu thủ bị gọi là "mắt xích yếu" vì một chỉ số bị tách khỏi bối cảnh của nó. Khi người viết không được phép nói "tôi chưa đủ dữ liệu để kết luận", anh ta bắt đầu nói những điều nghe có vẻ chắc chắn.

Sự cố lần này có ba lớp. Lớp thứ nhất là phân loại: một bản tin chính trị nhận nhãn thể thao, không có bước kiểm tra chéo giữa nhãn và thực thể. Lớp thứ hai là áp lực mô hình: một khung phân tích chín chiều bị đẩy lên một nguồn không có nội dung tương ứng. Lớp thứ ba là rủi ro lan truyền: nếu bản tin sai nhãn này chảy vào một mô hình bóng đá, nó có thể làm lệch việc nhận diện thực thể, chỉ số cảm xúc và phân cụm chủ đề của cả một lô dữ liệu.

Với một phóng viên theo đội, lớp thứ ba là lớp đáng sợ nhất. Tôi không sợ một dòng tin sai bị bỏ đi. Tôi sợ một dòng tin sai được tin.

Hai mươi bảy điểm dữ liệu ấy, đọc kỹ, kể một câu chuyện hoàn toàn khác: một chính trị gia tuyên bố ý định tranh cử, đối mặt với chỉ trích và những kẻ thù tích lũy, rồi một án phạt hành chính có thể khiến bà mất quyền ứng cử trong một năm. Ở đó có áp lực dư luận, có chu kỳ truyền thông, có rủi ro pháp lý. Có tất cả những thứ mà ngôn từ phân tích thể thao quen dùng — nhưng không có một bóng đá nào. Điều đó tự nó đã là một cảnh báo: ngôn từ phân tích thể thao dễ bị dùng cho bất cứ thứ gì có cấu trúc giống nó. Áp lực, chu kỳ, rủi ro, đối thủ — những từ ấy đúng với một đội bóng đang đua trụ hạng, và cũng đúng với một chiến dịch tranh cử.

Cùng logic ấy áp vào thị trường chuyển nhượng. Ở đó, tiếng ồn lớn nhất thường đến từ những người đại diện, và nghề của phóng viên là tách tiếng ồn khỏi tín hiệu. Khi một bản tin bị dán nhãn sai được đưa vào một mô hình chuyển nhượng, nó chẳng khác gì một tin đồn do người đại diện tung ra: nghe rất chắc, nhưng không có gì phía sau.

Nếu tôi viết về chuyện này như một bài tường thuật trận đấu, tôi sẽ phải bịa ra một sân vận động không tồn tại, một đội hình chưa từng ra sân, một tỉ số chưa từng được ghi. Tôi chọn không làm thế. Và tôi nghĩ đó là lựa chọn mà mọi hệ thống làm việc với dữ liệu thể thao cũng phải học cách đưa ra.

Cách phản ứng dễ nhất là đổ lỗi cho thuật toán. Nhưng thuật toán chỉ làm điều mà người thiết kế nó yêu cầu: chọn một nhãn trong danh sách khép kín, ngay cả khi nhãn đúng nhất là "không thuộc lĩnh vực nào". Điểm mù nằm ở chỗ khác. Chúng ta xây những cỗ máy buộc phải chọn, rồi ngạc nhiên khi chúng chọn sai.

Trong bóng đá, điểm mù ấy có tên riêng. Đó là thói quen lấp chỗ trống bằng một câu chuyện nghe hợp lý, thay vì để chỗ trống trống. Mùa dịch, tôi học cách nghe tiếng vỗ tay từ những khán đài trống, khi tôi gọi điện cho hai mươi ba người hâm mộ và ghi lại cảm giác mất mát của họ. Không ai trong số họ cần tôi bịa thêm một khán đài đầy ắp. Họ cần tôi kể đúng rằng khán đài đang trống. Sự im lặng, hóa ra, là dữ liệu trung thực nhất mà tôi từng có.

Một khung phân tích không có quyền nói "tôi không biết" sẽ sớm học cách nói dối thay vì im. Và khi một cỗ máy dán nhãn "bóng đá" cho một bản tin chính trị Mexico, cái sai không nằm riêng ở cỗ máy. Cái sai nằm ở chỗ chúng ta đã trao quyền gọi tên cho một hệ thống không biết im lặng.

Người hâm mộ không cần biết tên của hệ thống phân loại phía sau. Họ chỉ cần biết rằng khi họ đọc một bài về đội bóng của mình, con số trong đó là thật, cái tên trong đó là thật, và người viết đã tự mình kiểm chứng chứ không giao phó cho một dòng lệnh. Niềm tin ấy được xây từng trận, và nó có thể sụp chỉ vì một nhãn sai.

Tôi vẫn giữ lời hứa với khán đài từ chiếc máy quay đầu tiên — mỗi bàn thắng là một lời cảm ơn. Nhưng trước khi ghi lại một bàn thắng, tôi phải chắc rằng đó là bàn thắng thật, ghi bởi người thật, trong một trận đấu thật.

Câu hỏi tôi để lại, cho cả người viết lẫn người xây máy: khi nguồn dữ liệu không có gì để nói, ai trong chúng ta đủ dũng cảm để im lặng?