Một bản quy hoạch cấp nước nằm trong luồng dữ liệu bóng đá: ghi chép về một lỗi phân loại

Sáng thứ Hai, tôi mở một tệp dữ liệu được gắn nhãn "bóng đá" và đọc trọn 32 điểm thông tin bên trong. Không một đội bóng. Không một cầu thủ. Không một trận đấu. Thứ duy nhất hiện ra là biên bản ghi nhớ về quy hoạch cấp nước, thoát nước và xử lý nước thải cho Vùng Thủ đô Islamabad, ký giữa Cơ quan Phát triển Thủ đô và Cơ quan Hợp tác Quốc tế Nhật Bản.

Người đặt bút bên phía Pakistan là Sohail Ashraf, Chủ tịch Cơ quan Phát triển Thủ đô kiêm Ủy viên trưởng Islamabad. Bên phía Nhật Bản là Miyagawa Masahito, trưởng nhóm khảo sát. Danh sách còn có Sardar Khan Zimri, Tổng cục trưởng cơ quan cấp nước Islamabad, và Fakhryia Anjum, Thư ký liên hợp phụ trách Nhật Bản thuộc Cục Kinh tế. Khảo sát thực địa chạy từ ngày 24 tháng 8 đến ngày 14 tháng 9. Thời lượng dự án là 36 tháng. Mốc quy hoạch là năm 2050. Phạm vi chia theo năm vùng hành chính của lãnh thổ thủ đô.

Tôi đọc lại lần thứ hai. Rồi lần thứ ba. Vẫn không có gì thuộc về bóng đá.

Điểm cốt lõi nằm ở đó, và nó không nằm ở bản thân hồ sơ: một bản ghi mang nhãn bóng đá với hàm lượng bóng đá bằng không chỉ trở nên nguy hiểm khi hệ thống phân tích phía sau được thiết kế để lấp đầy mọi ô trống.

Mục đích của bài viết là nói rằng lỗi kỹ thuật này thuộc loại lỗi mà phần lớn chúng ta sẽ không bao giờ nhìn thấy, bởi nó không hề ồn ào.

Bối cảnh: cách tôi đọc dữ liệu trước khi đọc bóng đá

Tôi làm nghề này mười một năm, tính từ những ngày còn ngồi ở bộ phận thể thao của một đài truyền hình, và cách tôi làm việc khá đơn điệu. Tôi không đọc tin để viết. Tôi đọc tin để dựng lại chuỗi nhân quả. Chỉ khi chuỗi đó đứng vững, tôi mới viết.

Tôi từng viết một bài không ai đọc. Ba năm sau, nó thành giáo án của tôi. Bài đó phân tích trận tứ kết AFC Champions League năm 2026 giữa Guangzhou Evergrande và Shanghai SIPG. Tôi chỉ ra rằng việc dâng cao hai hậu vệ biên trong sơ đồ 4-3-3 khiến Evergrande thua 0-4 ở lượt đi, với 38 pha mất bóng ở khu vực giữa sân, và đề xuất chuyển sang 3-5-2 với hậu vệ cánh đảo ngược. Ba ngày sau khi đăng, bài có bảy lượt xem. Một tháng sau, khi Evergrande thắng 2-0 tại giải quốc nội bằng sơ đồ tương tự, các diễn đàn chia sẻ lại và bài thu về 12.000 lượt đọc.

Từ đó tôi giữ một nguyên tắc duy nhất: không viết câu khẳng định nào mà phía sau không có dữ liệu. Nguyên tắc đó buộc tôi phải áp dụng cả trong trường hợp khó chịu nhất, khi dữ liệu nói rằng tôi không có gì để nói.

Hệ thống tôi đang vận hành gồm hai tầng. Tầng một bóc tách một bài báo thành các điểm thông tin rời rạc, rồi gán cho bài báo đó một nhãn lĩnh vực. Tầng hai nhận các điểm thông tin ấy và áp một khung phân tích chuyên môn lên chúng. Hồ sơ tôi đang cầm mang nhãn lĩnh vực ghi rõ hai chữ "bóng đá". Khung phân tích được chọn sẵn là khung bóng đá. Chín chiều phân tích mở ra cùng lúc và chờ dữ liệu đổ vào.

Cả chín chiều trả về cùng một câu trả lời: không đủ thông tin để đánh giá.

Tôi không xem đó là một sự trống rỗng buồn tẻ. Tôi xem đó là ca kiểm thử sạch nhất tôi từng gặp trong nhiều năm, bởi một khung phân tích chỉ thực sự lộ điểm yếu khi nó bị buộc phải chạy trên dữ liệu sai nhãn.

Chín chiều, chín lần trả về cùng một câu trả lời

Chiều chiến thuật và kỹ thuật không có gì để đọc. Không đội hình, không cấu trúc pressing, không vai trò cầu thủ, không bàn thắng kỳ vọng, không số đường chuyền mỗi pha phòng ngự. Cụm từ "kế hoạch ngắn hạn, trung hạn và dài hạn" xuất hiện trong văn bản nguồn, nhưng đó là kế hoạch vốn hạ tầng, không phải chu kỳ huấn luyện theo giai đoạn. Đánh đồng hai thứ đó là một lỗi phạm trù, và nó là lỗi phạm trù mà hệ thống phân loại dựa trên từ khóa dễ mắc nhất.

Chiều tài chính câu lạc bộ cũng trống. Dụng cụ pháp lý trong văn bản là biên bản ghi nhớ hợp tác kỹ thuật song phương, không phải hợp đồng chuyển nhượng, không phải hợp đồng lao động. Thời hạn duy nhất được nêu, 36 tháng, là chu kỳ dự án hạ tầng và không được phép đọc thành độ dài hợp đồng cầu thủ. Mốc năm 2050 là mốc quy hoạch công, không phải tầm nhìn đội bóng. Sự hiện diện của Cục Kinh tế trong danh sách ký kết cho thấy đây là kênh tài chính phát triển cấp nhà nước, một cơ chế tách biệt hoàn toàn với dòng tiền câu lạc bộ.

Chiều kết quả thi đấu và chu kỳ dư luận không có gì để đo. Không lịch thi đấu, không bảng xếp hạng, không đường phong độ, không áp lực thành tích.

Chiều bối cảnh giải đấu cũng vậy. Thứ được gọi là bối cảnh trong văn bản nguồn là địa lý hành chính đô thị: năm vùng của lãnh thổ thủ đô. Các đơn vị được nêu tên là cơ quan cấp nước, cơ quan quản lý đô thị và nhà phát triển bất động sản tư nhân. Không có thăng hạng, xuống hạng, suất dự cúp châu lục, hệ số liên đoàn hay sở hữu đa câu lạc bộ.

Chiều luật và quản trị là chiều duy nhất có thể khiến người đọc nhầm. Văn bản nguồn đúng là có nội dung quản trị, nhưng đó là quản trị tài chính phát triển và hành chính đô thị, cụ thể là phân bổ trách nhiệm giữa Cơ quan Phát triển Thủ đô, cơ quan cấp nước Islamabad và các nhà phát triển tư nhân. Không có FIFA, không có AFC, không có liên đoàn quốc gia nào xuất hiện. Các nghiên cứu trước đó của phía Nhật Bản được dẫn như đầu vào của quy hoạch mới, và đó là cơ chế liên tục quy hoạch, không phải tiền lệ kỷ luật hay cơ chế kháng nghị.

Chiều ban huấn luyện và phòng thay đồ trống hoàn toàn. Bốn cá nhân được nêu tên đều giữ chức vụ hành chính và ngoại giao. Không ai là huấn luyện viên, giám đốc thể thao, chủ sở hữu hay cầu thủ. Thẩm quyền ký kết nằm ở một cơ cấu thể chế song phương, không phải ở một hệ thống phân cấp câu lạc bộ.

Chiều truyền thông và kỳ vọng có nội dung, nhưng không phải nội dung bóng đá. Văn bản nguồn là một bản tin công bố một chiều dựng quanh một lễ ký kết. Giọng điệu trang trọng, chính thức. Danh sách chức danh tham dự dài. Không có tiếng nói thứ ba, không có phản biện, không có nguồn đối chứng. Đây là đặc điểm thứ hai của hồ sơ, độc lập với lỗi nhãn: độ xác thực đối kháng rất thấp.

Chiều truyền dẫn trong ngành bóng đá không có đường nào để vẽ. Dòng vốn duy nhất được mô tả là viện trợ phát triển song phương chảy vào hạ tầng đô thị. Các bên liên quan ở hạ nguồn là nhà phát triển bất động sản chịu yêu cầu tối thiểu về hạ tầng và dịch vụ. Đó là kênh bất động sản, không phải kênh bóng đá.

Còn chiều hồ sơ rủi ro thì đây, và đây là chỗ tôi dừng lại lâu nhất. Rủi ro cao nhất trong hồ sơ này không thuộc về bất kỳ thực thể bóng đá nào, bởi không có thực thể bóng đá nào tồn tại trong đó. Rủi ro nằm ở chính đường ống dữ liệu: một bản ghi vào sai cửa, mang nhãn sai, và đi kèm ba trường siêu dữ liệu bỏ trống gồm nguồn bài, độ nhạy thời gian và chất lượng nguồn.

Ba trường bỏ trống đó là chi tiết tôi muốn giữ lại trong đầu. Tôi đã theo dõi hàng nghìn hồ sơ trong nhiều năm, và dựa trên kinh nghiệm theo dõi của tôi, những bản ghi bị gán nhãn sai thường đi kèm siêu dữ liệu thiếu. Hai hiện tượng không độc lập với nhau. Chúng là hai triệu chứng của cùng một nguyên nhân: bản ghi bị đẩy vào đường ống mà không qua bước kiểm tra nào. Điều đó có nghĩa là ta có thể dùng chính sự thiếu hụt siêu dữ liệu làm bộ lọc sớm.

Vấn đề thật sự: phần thưởng dành cho việc lấp ô trống

Khung phân tích tầng hai được thiết kế để mỗi chiều có một mục kết luận riêng. Mục đó tồn tại để buộc người phân tích phải có ý kiến. Trên dữ liệu đúng, đây là một thiết kế tốt. Trên dữ liệu sai, nó là một cái bẫy.

Nếu một người phân tích tuân thủ nghiêm chỉ dẫn điền vào mọi ô, họ sẽ không viết không đủ thông tin chín lần. Không ai muốn nộp một bản báo cáo có chín khoảng trắng. Họ sẽ bắt đầu điền. Họ sẽ mượn thời lượng 36 tháng để viết về độ dài hợp đồng. Họ sẽ mượn mốc năm 2050 để viết về tầm nhìn dài hạn của một dự án thể thao. Họ sẽ mượn năm vùng hành chính để dựng một mô hình phân tầng giải đấu. Họ sẽ mượn cụm từ nhà phát triển tư nhân chịu yêu cầu tối thiểu để nói về học viện và chuỗi cung ứng tài năng.

Mỗi bước như vậy đều hợp lý ở phạm vi cục bộ. Cộng lại, chúng tạo ra một bài phân tích bóng đá hoàn chỉnh về một thứ không tồn tại. Không có câu nào trong đó sai về mặt ngữ pháp. Không có số nào trong đó bị bịa ra từ hư không. Tất cả đều được suy ra từ một văn bản có thật. Và toàn bộ bài phân tích là rác.

Ba năm trước, tôi từng chứng kiến một phiên bản nhẹ hơn của chuyện này. Một bảng tin tự động chạy trên dữ liệu chuyển nhượng gán nhãn sai một bản tin về tài trợ áo đấu thành tin chuyển nhượng, rồi sinh ra một dòng về việc câu lạc bộ đang đàm phán với một tiền đạo, từ một câu vốn nói về nhà tài trợ. Dòng đó được chia sẻ lại rất nhanh trước khi có ai kiểm tra. Không ai cố ý nói dối. Hệ thống chỉ đơn giản là lấp ô trống, đúng như nó được thiết kế để làm.

Bài học từ đường hầm: sự im lặng trước trận nói nhiều hơn mọi cuộc họp báo. Trong trường hợp này, sự im lặng của các trường dữ liệu trống là tín hiệu rõ nhất, và nó là tín hiệu duy nhất đáng tin trong cả hồ sơ.

Có một chi tiết nữa. Quy hoạch này không tự nhiên xuất hiện. Nó nối tiếp các nghiên cứu trước đó, có khảo sát thực địa, có thời lượng dự án, có mốc dài hạn, có phân vùng địa lý, có cơ quan chịu trách nhiệm. Về mặt từ vựng, nó dùng đúng bộ từ mà một bài phân tích về tái thiết đội bóng cũng dùng: kế hoạch, lộ trình, phân kỳ, đầu tư, trách nhiệm, giám sát. Nếu bộ phân loại tầng một đọc theo từ khóa ở tiêu đề hoặc theo chuyên mục trang, thì việc gán nhãn bóng đá cho nó không khó hiểu chút nào. Nó chỉ sai.

Góc nhìn ngược: chúng ta đang lo sai thứ

Cả ngành đang lo về việc trí tuệ nhân tạo bịa ra một vụ chuyển nhượng không tồn tại. Nỗi lo đó dễ hình dung, dễ kể, dễ lan truyền. Nhưng thất bại nguy hiểm hơn lại im lặng hơn nhiều.

Một bản ghi có nhãn sai, có lược đồ siêu dữ liệu đầy đủ về mặt hình thức, và có hàm lượng đúng bằng không. Không ai chia sẻ nó. Không ai tranh cãi nó. Nó chỉ nằm đó, trong một luồng dữ liệu, chờ được cộng vào một chỉ số tổng hợp nào đó. Một chỉ số sắc thái dư luận. Một chỉ số dòng chảy chuyển nhượng. Một bảng theo dõi tài chính câu lạc bộ. Không ai phát hiện ra, vì nó không tạo ra tiêu đề.

Chúng ta đã dành rất nhiều năng lượng tranh luận về bàn thắng kỳ vọng, về việc chỉ số nào phản ánh đúng quyết định của một trận đấu. Tôi đã nói nhiều lần rằng bàn thắng kỳ vọng bị lạm dụng: nó không giải thích được quyết định của trận đấu, phong độ cầu thủ, hay tiêu chuẩn trọng tài. Nhưng còn một tầng sâu hơn nữa, và tầng đó ít ai muốn nhìn. Đó là đường ống dưới sân vận động. Hệ thống gán nhãn. Bước bóc tách thực thể. Cách một bản ghi được đưa từ nguồn vào kho.

Nếu nước chảy vào đường ống đã bị nhiễm, thì việc tranh luận về chất lượng nước ở vòi là vô nghĩa.

Giữa mùa giải hỗn loạn, người quân sư cần nhất là sự tỉnh táo của kẻ đứng ngoài. Trong trường hợp này, tỉnh táo nghĩa là từ chối viết bài phân tích bóng đá mà tôi được yêu cầu viết. Tôi có thể làm điều đó một cách dễ dàng. Khung đã có sẵn. Tôi chỉ cần đổ đầy chín ô. Và tôi sẽ có một bài viết trông rất chuyên nghiệp, trông rất có dữ liệu, về một đội bóng không tồn tại ở một giải đấu không tồn tại.

Tôi từ chối, vì một lý do rất cụ thể. Nếu tôi viết bài đó, tôi sẽ là mắt xích đầu tiên biến một lỗi vận hành thành một kết luận bóng đá. Và một khi nó đã thành kết luận, nó sẽ được trích dẫn. Người sau sẽ đọc bài của tôi và tin rằng có thật.

Điều cần theo dõi từ đây

Tỷ lệ bản ghi không có thực thể bóng đá nào trong luồng dữ liệu mang nhãn bóng đá là tín hiệu dễ đo nhất. Nếu tỷ lệ đó vượt mức một phần trăm, vấn đề không còn là vài hồ sơ lẻ, và toàn bộ luồng cần được lấy mẫu lại.

Nguồn gốc của trường nhãn lĩnh vực cũng đáng soi. Nhãn đó được sinh từ nội dung bài báo, từ tiêu đề, từ chuyên mục trang, hay từ đường dẫn? Nếu nó sinh từ những thứ không phải phần thân bài, thì lỗi gán nhãn là lỗi hệ thống chứ không phải lỗi ngẫu nhiên, và nó sẽ tái diễn.

Tần suất siêu dữ liệu bỏ trống liên quan trực tiếp tới một bộ lọc sớm khả dụng. Tôi đã nói ở trên rằng thiếu siêu dữ liệu và sai nhãn đi cùng nhau. Nếu điều đó đúng trên diện rộng, các trường trống trở thành công cụ rà soát đáng dùng trước khi dữ liệu vào kho.

Điều đáng theo dõi lâu nhất là số phận của bản ghi này ở hạ nguồn. Nếu nó xuất hiện trong một bản tóm tắt bóng đá, một điểm sắc thái, hay một mục chỉ số nào đó, thì lỗi đã lan ra ngoài. Kiểm tra bản ghi này trong ba tháng tới là một phép thử nhỏ nhưng có ý nghĩa.

Tôi không có đội bóng nào để nhận xét trong bài này. Không có trận đấu nào để mổ xẻ. Không có cầu thủ nào để đánh giá. Thứ tôi có là một ghi chép về cách một hệ thống có thể sai mà không hề ồn ào, và một lần nữa, về việc vì sao người viết phải giữ quyền được nói rằng mình không biết.

Năm 2026, mọi thứ sụp đổ. Tôi đứng dậy và xây lại từ đống gạch vụn. Kinh nghiệm đó dạy tôi rằng khi hệ thống đổ, thứ cứu được mình không phải là sự tự tin, mà là thói quen kiểm tra lại nền móng trước khi dựng tường. Bản ghi này là một vết nứt ở nền móng. Điều tôi muốn biết là còn bao nhiêu vết nứt khác đang nằm trong cùng một lô dữ liệu, và liệu có ai đó đang xây tường lên trên chúng ngay lúc này hay không.