Một cái tên, hai số phận: vì sao "Ochoa" khiến một bài giải trí lọt vào dữ liệu bóng đá

Trời Lyon chuyển sang màu xám, tiếng còi xe dưới phố vọng lên căn hộ nhỏ nơi tôi ngồi gõ lại ghi chú sau buổi tập sáng của một đội bóng Ligue 1. Thói quen của tôi mười hai năm nay không đổi: sau mỗi buổi tập, tôi mở kho tệp tin cá nhân, nơi hệ thống tự động gom những bài viết được gắn nhãn "bóng đá". Một tệp mở ra. Tôi tìm tên đội. Không có. Tôi dò tên cầu thủ. Không có. Tôi tìm bảng tỉ số, thương vụ chuyển nhượng, quỹ lương, hay chỉ một cái tên giải đấu. Không một dòng nào. Bài viết ấy nói về "La Casa de los Famosos México 2026", chương trình truyền hình thực tế nơi người nổi tiếng sống chung một nhà và khán giả bình chọn loại từng người. Nội dung xoay quanh bảy thí sinh còn lại trước đêm chung kết, một nhà ngoại cảm tự nhận đoán trúng người bị loại trước đó, và một tin đồn chưa ai kiểm chứng rằng kết quả năm nay đã được định sẵn cho một thí sinh tên Mariana Ochoa. Vậy vì sao nó nằm trong kho dữ liệu bóng đá của tôi? Câu trả lời nằm gọn trong một cái tên. Ochoa. Người ta bảo con gái không hiểu chiến thuật, nên tôi mang cả mùa giải ra làm bằng chứng. Nhưng lần này, bằng chứng không nằm trên sân cỏ. Nó nằm trong cách một cỗ máy đọc sai một họ người. Guillermo Ochoa là cái tên mà bất kỳ ai theo dõi bóng đá Mexico đều thuộc. Thủ môn từng khoác áo đội tuyển quốc gia Mexico qua nhiều kỳ World Cup, từng bắt cho Amiens, Standard Liège, Salernitana, và ở tuổi gần bốn mươi vẫn còn được nhắc đến trong các bản tin chuyển nhượng. Họ "Ochoa" của anh gắn chặt với bóng đá đến mức nhiều hệ thống phân loại nội dung tự động đã học nó như một tín hiệu nhận diện lĩnh vực. Phía bên kia là Mariana Ochoa, ca sĩ và nghệ sĩ truyền hình Mexico, thí sinh của một cuộc thi thực tế. Cùng họ, khác hoàn toàn thế giới. Và một cỗ máy chỉ khớp tên mà không kiểm tra ngữ cảnh đã đẩy bài viết về cô vào đúng ngăn bóng đá. Tôi đã dành ba tuần, cách đây nhiều năm, để xem lại mười một trận của một tiền vệ trẻ và thống kê tỉ lệ chuyền chính xác của cậu ấy. Tôi làm thế vì một nhóm người hâm mộ nam nói với tôi rằng phụ nữ không đủ hiểu biết để phán xét chuyện pressing. Kể từ đó, thói quen của tôi là luôn trích nguồn dữ liệu cụ thể trước khi khẳng định bất cứ điều gì. Vậy nên khi nhìn vào lỗi phân loại này, tôi không đọc nó như một câu chuyện cười. Tôi đọc nó như một tín hiệu về chất lượng của chính kho dữ liệu mà tôi đang phụ thuộc. Để hiểu vì sao lỗi này xảy ra, cần nhìn vào cấu trúc ngôn từ của một chương trình thực tế. "Finalistas" nghĩa là những người vào chung kết. "Eliminaciones" nghĩa là các vòng loại. "Gran Final" nghĩa là trận chung kết lớn. "Ganador" nghĩa là người thắng. Đây là bộ từ vựng mà cả thể thao lẫn truyền hình thi đấu đều dùng chung. Một thuật toán chỉ đếm từ khóa, không phân biệt ngữ cảnh, sẽ thấy hàng loạt dấu hiệu quen thuộc: người loại, người thắng, vòng cuối, chung kết, chức vô địch. Cộng thêm họ Ochoa, thế là đủ để bài viết nhận cái nhãn không thuộc về nó. Tôi từng theo dõi không ít dòng sự kiện mà giới truyền thông thể thao xử lý bằng hệ thống tự động. Điều tôi nhận ra là các hệ thống ấy không thực sự "hiểu" bóng đá. Chúng nhận diện mẫu. Chúng học rằng một bài viết chứa từ chung kết, người thắng, vòng loại, cùng một tên thuộc về một cầu thủ nổi tiếng, thì rất có khả năng là bóng đá. Xác suất ấy đúng phần lớn thời gian. Nhưng phần nhỏ sai vẫn tồn tại, và khi nó xảy ra trong một bộ máy không có lớp kiểm chứng, cái sai sẽ lan ra âm thầm. Dữ liệu chỉ là tấm bản đồ; con đường thật nằm trên khán đài. Một cái bản đồ vẽ sai một con phố sẽ khiến người đi đường lạc, dù mọi con phố khác đều đúng. Và cái giá của một nhãn sai trong dữ liệu không hề nhỏ. Hãy nghĩ xem điều gì sẽ xảy ra nếu hàng trăm bài viết về chương trình thực tế lọt vào kho dữ liệu bóng đá qua cùng một cơ chế. Một mô hình huấn luyện trên kho dữ liệu ấy sẽ học những tín hiệu rác. Nó sẽ bắt đầu liên hệ tên Ochoa với những câu chuyện không liên quan đến sân cỏ. Nó sẽ khiến bản tin mùa chuyển nhượng trở nên nhiễu hơn, đúng vào giai đoạn mà tín hiệu vốn đã bị tiếng ồn tin đồn lấn át. Trên thị trường chuyển nhượng, mỗi tin đồn chưa kiểm chứng đều có giá trị kinh tế nhất định, và thêm rác vào hệ thống chính là thêm giá ảo cho những tin đồn ấy. Nhưng nếu chỉ dừng ở câu chuyện kỹ thuật, tôi sẽ bỏ lỡ phần thú vị hơn của sự việc. Vì nội dung bài viết kia, khi soi kỹ, lại là một bài học khác hẳn về cách truyền thông tạo ra độ tin cậy từ hư không. Hãy nhìn vào nhà ngoại cảm. Cô này dự đoán người thắng cuộc dựa trên việc đọc bài tarot. Cô được ghi nhận là từng đoán đúng một người bị loại trước đó. Nhưng trong một vòng đề cử chỉ có vài cái tên, việc đoán trúng một người bị loại có xác suất nền khá cao. Đoán đúng một lần không chứng minh được điều gì, đặc biệt khi bài viết không hề liệt kê số lần cô đoán sai. Đây là dạng sai lệch quen thuộc: người ta nhớ những lần đúng, quên đi những lần sai, rồi từ một ký ức chọn lọc dựng nên hình ảnh về một năng lực không tồn tại. Điều đáng chú ý hơn là cách dự đoán được giăng ra. Cô nêu tên Mariana Ochoa là người có khả năng thắng cao nhất, và kèm theo đó là Ese Pérez cùng Gema Garoa trong nhóm được đánh giá mạnh. Ba cái tên trong bảy thí sinh vào chung kết. Về mặt thống kê, đó là độ phủ gần bốn mươi ba phần trăm. Một dự đoán phủ rộng như vậy sẽ có khả năng đúng khá cao ngay cả khi chỉ là ngẫu nhiên, mà người đưa ra lại chẳng phải chịu rủi ro nào nếu sai. Tôi từng thấy chính xác kiểu dự đoán này trong các bài dự báo chuyển nhượng: một danh sách ba, bốn câu lạc bộ được nêu tên, để sau đó bất kỳ kết cục nào cũng có thể được ghi công. Tôi viết bóng đá không để chứng minh mình đúng, mà để giữ nhịp cho câu chuyện. Vậy nên khi nhìn vào cách dự đoán kiểu này được định hình, tôi nhận ra nó không khác gì những tin đồn chuyển nhượng mà tôi vẫn phải xử lý mỗi tuần: mục đích không phải là chính xác, mà là giữ cho câu chuyện luôn chảy. Còn một lớp nữa bên dưới, mà nhìn kỹ mới thấy nó đáng suy nghĩ nhất. Tờ báo đăng bài dự đoán này lại chính là nơi nhà ngoại cảm thường xuyên cộng tác, xuất hiện đều đặn vào mỗi thứ Hai. Nghĩa là tờ báo đưa tin về sản phẩm của người mình đang trả tiền để sản xuất nội dung. Mối quan hệ này không làm nội dung trở thành sai, nhưng nó khiến bài viết không thể được coi là nguồn xác nhận độc lập. Tờ báo không kiểm chứng dự đoán; tờ báo đang quảng bá cho cây viết của chính mình, đúng vào tuần cao điểm của cả mùa. Và rồi là tin đồn rằng kết quả đã được định sẵn cho Mariana Ochoa. Bài viết ghi rõ tin này chưa có bằng chứng nào. Nó cũng tự thừa nhận dự đoán kia không phải là thông tin rò rỉ, không phải là kết quả chính thức được báo trước, mà chỉ là cách diễn giải của nhà ngoại cảm. Điều đó nói lên rằng ngay cả tờ báo cũng tự đặt giới hạn cho câu chuyện mình đăng. Tôi có nguyên tắc khi xử lý những câu chuyện kiểu này: trích dẫn nguyên văn ý kiến trái chiều thay vì gạt bỏ nó. Một phần khán giả ở lại với tin đồn dàn xếp kết quả, một phần khác xem tất cả chỉ là trò giải trí. Tôi nghe cả hai phía. Hai phía này không phải là đúng và sai; họ là hai cách cảm nhận khác nhau về cùng một chương trình. Và chính sự tồn tại song song của họ mới là điều đáng chú ý. Đêm chung kết sẽ được phát sóng vài ngày sau bài viết. Nghĩa là dự đoán kia sẽ sớm được kiểm chứng, không phải bằng phương pháp mà bằng kết quả. Và đây là điểm tôi muốn dừng lại. Nếu Mariana Ochoa thắng, nhà ngoại cảm sẽ có một lần nữa được ghi nhận, dù việc đoán đúng ba trong bảy cái tên không chứng minh được điều gì về tarot. Nếu cô ấy thua, tôi chắc chắn sẽ không thấy ai nhắc lại dự đoán sai ấy. Kiểu trách nhiệm bất đối xứng này là đặc sản của dòng nội dung dự đoán, và tôi đã quá quen với nó từ những cột bình luận chuyển nhượng. Có một điểm tôi muốn nhấn mạnh, bởi nó là điều mà cách diễn đạt thông thường hay bỏ qua. Rủi ro lớn nhất của một bài viết như vậy không nằm ở việc nó dự đoán đúng hay sai. Nội dung dự đoán kiểu này có thể bị dùng để cá cược vào kết quả của một chương trình truyền hình. Trên một vài nền tảng, người ta thật sự đặt tiền vào chuyện ai thắng một cuộc thi thực tế. Tôi không đưa ra bất kỳ lời khuyên đặt cược nào, và bản thân bài viết gốc cũng không có giá trị dự báo nào. Nhưng ranh giới giữa tin giải trí và tin có thể quy đổi thành tiền đang ngày càng mỏng, và đó là điều cần được nói ra rõ ràng. Trước khi viết, tôi nghe cả hai phía khán đài, kể cả khi họ hát trái nhịp. Nguyên tắc này đúng cả khi khán đài ấy không phải là một sân vận động, mà là một trường quay. Giờ hãy quay lại chuyện cái nhãn. Nếu đây chỉ là một bài giải trí bị dán nhãn sai, thiệt hại có vẻ nhỏ. Một tệp rác trong kho dữ liệu, xóa đi là xong. Nhưng vấn đề nằm ở chỗ cơ chế gây ra lỗi này không hề hiếm. Bất kỳ chương trình trao giải nào cũng dùng từ "người vào chung kết" và "người thắng cuộc". Bất kỳ giải đấu thể thao điện tử nào cũng dùng bộ từ vựng về đội, cầu thủ, chuyển nhượng. Bất kỳ cuộc bầu cử sơ bộ nào cũng có "ứng viên" và "vòng loại". Tất cả những lĩnh vực ấy đều có thể lọt vào kho dữ liệu bóng đá nếu hệ thống thiếu một lớp loại trừ theo ngữ cảnh. Và tôi đã thấy điều gì xảy ra khi kho dữ liệu bị nhiễm rác. Những người làm phân tích như tôi bắt đầu trích dẫn nhầm. Các bản tổng hợp tin trở nên lẫn lộn. Những mô hình học máy được huấn luyện trên nguồn nhiễu sẽ kế thừa chính cái nhiễu ấy, và đến lượt chúng, chúng lại tạo ra thêm những nhãn sai mới. Đây là vòng lặp mà tôi gọi là ô nhiễm chuỗi cung ứng dữ liệu, và nó không dừng lại ở một tệp tin đơn lẻ. Tôi từng nghĩ chất lượng dữ liệu là chuyện của bộ phận kỹ thuật. Nhưng sau nhiều năm đứng ở khán đài và đọc lại ghi chú của chính mình, tôi hiểu rằng chất lượng dữ liệu là câu chuyện của người viết. Người viết quyết định tin gì, bỏ gì, gắn nhãn thế nào cho từng chi tiết. Khi người viết dựa vào một hệ thống không kiểm chứng, người viết đang chuyển giao quyền quyết định của mình cho một cỗ máy chỉ biết đếm mẫu. Có một điều trùng hợp đáng nghĩ. Nhiều năm trước, người ta bảo tôi rằng phụ nữ không hiểu bóng đá, và tôi đáp lại bằng cách đưa ra số liệu cụ thể cho từng trận. Giờ đây, một cỗ máy cũng bảo rằng một bài viết về ca sĩ là bóng đá, chỉ vì một cái tên. Cả hai lỗi này có chung một cơ chế: đánh giá một thứ dựa trên bề mặt quen thuộc thay vì kiểm tra nội dung thật. Người giữ nhịp ít khi xuất hiện trên màn hình lớn, nhưng cả trận nhảy theo bước chân anh ta. Trong câu chuyện này, người giữ nhịp không phải là nhà ngoại cảm, mà là những người đặt nhãn cho dữ liệu. Một cái nhãn đặt đúng sẽ giữ cho toàn bộ chuỗi thông tin chảy đúng hướng. Một cái nhãn đặt sai sẽ kéo cả dàn nhạc lệch tông, dù không ai trong số họ nghe thấy tiếng lệch ban đầu. Vậy cần làm gì với những cái nhãn như thế? Không cần những giải pháp vĩ mô. Tôi nghĩ đến những việc nhỏ mà bất kỳ ai làm nghề này cũng có thể áp dụng. Một là tách bạch giữa từ vựng thể thao và nội dung thể thao. Việc một bài viết chứa từ chung kết không biến nó thành bài về bóng đá; cần kiểm tra xem có đội, giải, cầu thủ, hay cơ quan quản lý nào thật sự xuất hiện hay không. Hai là ghi rõ mối quan hệ khi một cơ quan truyền thông đưa tin về cây viết của chính mình, để độc giả biết họ đang đọc ai. Ba là với nội dung dự đoán, luôn đặt lại câu hỏi về xác suất nền trước khi gán cho nó bất kỳ trọng lượng nào. Sân vắng không làm trận đấu im lặng, nó chỉ đổi tông để tôi nghe rõ hơn. Trường hợp này cũng vậy. Khi kho dữ liệu bị lấp đầy bởi những bài viết lệch nhãn, tiếng ồn tăng lên và tín hiệu thật trở nên khó nghe hơn. Việc của người viết là lọc lại tiếng ồn ấy, không phải để làm hài lòng cỗ máy, mà để giữ cho độc giả nghe đúng câu chuyện. Tôi đã có thói quen kiểm tra lại mọi con số trước khi xuất bản. Có lẽ giờ là lúc thêm một thói quen nữa: kiểm tra lại cả cái nhãn mà hệ thống gán cho bài viết của mình. Bởi một cái tên đúng đặt vào đúng chỗ có thể mở ra cả một câu chuyện, còn một cái tên đúng đặt vào sai chỗ có thể khiến cả một kho dữ liệu tin vào một câu chuyện chưa từng tồn tại. Ngày mai, khi Mariana Ochoa bước vào đêm chung kết của một chương trình truyền hình thực tế, kết quả của cô ấy sẽ không nói lên điều gì về bóng đá. Nhưng cái cách mà câu chuyện của cô ấy lọt vào kho dữ liệu của tôi lại nói lên rất nhiều về cách chúng ta đang hiểu thế giới này. Tôi sẽ tiếp tục mở những tệp tin ấy mỗi sáng, và lần này, tôi sẽ đọc cái nhãn trước khi đọc tiêu đề.