Khi bản tin giá vàng bị gắn nhãn 'quần vợt': Bài học về dữ liệu trong báo chí thể thao

Hook

Chiều thứ Ba, tôi mở kho dữ liệu của một trang tin tổng hợp để tìm tư liệu cho bản tin quần vợt. Một dòng tít lạ lùng hiện ra: “Gold sheds Rs1,800 per tola in Pakistan”. Trường chủ đề ghi tennis. Tôi dừng lại. Một bài báo về giá vàng ở Pakistan rơi vào chuyên mục quần vợt? Tôi mở bài báo, đọc một lượt. Không có tên tay vợt nào. Không có tỷ số, không có Grand Slam, không có một cú thuận tay nào được nhắc đến. Toàn văn chỉ nói về giá vàng, giá bạc và một hiệp hội kim hoàn tên là All-Pakistan Gems and Jewellers Sarafa Association, viết tắt APGJSA. Tôi nhìn, tôi ghi, tôi giữ.

Đây không phải lần đầu tôi bắt gặp một sản phẩm báo chí sai nhãn. Trong mười hai năm quan sát ngành thể thao, tôi đã thấy vô số biến thể của cùng một căn bệnh: một video bàn thắng bóng đá nằm trong kho tư liệu quần vợt, tên một cầu thủ bóng bầu dục xuất hiện trong bài phân tích chiến thuật bóng đá, hay một cuộc phỏng vấn cựu tay vợt bị xếp vào mục ẩm thực. Nhưng bài báo về giá vàng này đặc biệt khó hiểu. Nó không đến từ một phóng viên nhầm lẫn. Nó đến từ quy trình sản xuất nội dung tự động đang thống trị các tòa soạn khắp nơi, từ Manhattan đến TP.HCM.

Context

Bài báo gốc là một bản tin tài chính hoàn toàn bình thường. Giá vàng tại Pakistan giảm 1.800 rupee mỗi tola, xuống còn 455.736 rupee. Giá vàng 10 gram giảm 1.543 rupee, còn 390.720 rupee. Giá vàng quốc tế giảm 18 USD, còn 4.332 USD mỗi ounce. Giá bạc giảm 62 rupee, còn 7.038 rupee mỗi tola. APGJSA là tổ chức đứng sau các con số này, một hiệp hội thương mại của giới kinh doanh vàng bạc đá quý tại Pakistan. Không có một chi tiết nào liên quan đến thể thao, không một cầu thủ, không một trận đấu, không một giải đấu nào được nhắc tới. Vậy mà hệ thống phân loại vẫn gắn nhãn tennis.

Để hiểu vì sao, tôi đã xem xét cách các trang tin thể thao hiện đại vận hành. Phần lớn các tòa soạn, đặc biệt là các trang tổng hợp tin tức, không còn nhập liệu thủ công. Họ kết nối với các hãng tin qua API, RSS hoặc các nguồn cấp dữ liệu tự động. Một bài báo tiếng Anh từ Pakistan được đưa vào máy chủ, chạy qua bộ lọc ngôn ngữ, trích xuất thực thể, rồi gắn nhãn chủ đề. Toàn bộ quá trình có thể diễn ra trong vài giây mà không có một con người nào đọc nội dung. Nếu bước gắn nhãn gặp trục trặc, bài báo sẽ đi sai đường ngay từ đầu.

Tôi gọi đây là “hội chứng nhãn dán”: khi một hệ thống phân loại nội dung chỉ nhìn vào bề mặt văn bản, nó sẽ nhặt nhạnh các từ vựng bắt mắt để gắn thẻ. Từ “gold” trong tiêu đề có thể khiến hệ thống nghĩ tới huy chương vàng, tới Olympic, tới thể thao. Từ “association” trong tên hiệp hội có thể khiến hệ thống nghĩ tới một hiệp hội quần vợt. Từ “Sarafa” — một từ có nguồn gốc Ấn-Pakistan — lại giống tên một tay vợt mà bộ nhớ máy không chắc chắn. Pakistan cũng có tay vợt nổi tiếng Aisam-ul-Haq Qureshi, một nhà vô địch đôi nam. Chỉ cần điều đó cũng đủ khiến thuật toán tạo ra một chuỗi liên tưởng sai. Mọi tín hiệu yếu được cộng dồn, và một bài báo về kim loại quý trở thành “tài liệu tham khảo quần vợt”. Chuyện tưởng đùa, nhưng nó đang diễn ra ở khắp các hệ thống tổng hợp tin tức trên thế giới, và Việt Nam không nằm ngoài vùng nhiễu.

Tôi có thể hình dung một phòng tin thể thao ở Hà Nội hoặc TP.HCM đang vận hành bằng nguồn cấp dữ liệu tự động từ nước ngoài. Một bài báo Anh ngữ về quần vợt được dịch máy sang tiếng Việt, gắn nhãn thể thao và đăng lên trang chủ. Trong quy trình đó, không có một biên tập viên thể thao nào đọc lại bản gốc. Nếu bài báo gốc bị dán nhãn sai từ thượng nguồn, lỗi sẽ được nhân bản vô tội vạ. Người đọc Việt Nam có thể nhận được một câu chuyện về giá vàng lẫn trong chuyên mục quần vợt, và họ sẽ tự hỏi: tòa soạn này đang làm gì vậy? Niềm tin bắt đầu nứt từ một vết rạn rất nhỏ.

Core

Hãy nhìn kỹ hơn vào dữ liệu của bài báo. Mức giảm 1.800 rupee mỗi tola và mức giảm 1.543 rupee cho 10 gram là tương xứng với nhau, vì một tola xấp xỉ 11,66 gram. Con số 1.800 rupee trên 11,66 gram quy đổi ra khoảng 1.543 rupee trên 10 gram. Sự nhất quán nội tại này cho thấy số liệu được tính toán cẩn thận, và APGJSA là một nguồn tin tài chính có uy tín tại Pakistan. Bài báo cũng cho thấy giá vàng đã giảm hai phiên liên tiếp: phiên trước giảm 2.700 rupee mỗi tola, phiên hiện tại giảm 1.800 rupee. Đây là một bức tranh thị trường rõ ràng, phản ánh biến động của kim loại quý toàn cầu.

Tôi từng theo dõi quần vợt châu Á trong nhiều năm, và tôi biết rằng một phân tích thể thao có giá trị phải bắt đầu từ quan sát thực địa. Tôi từng ngồi ở sân tập Westchester United nhiều ngày trời để ghi lại quá trình hồi phục của một đội trưởng đã ba mươi tư tuổi. Tôi nhìn cách anh ấy đi bộ, cách anh siết chặt dây giày, cách anh nói chuyện với đồng đội khi bóng lăn qua. Những tín hiệu đó không bao giờ xuất hiện trong một bảng dữ liệu. Chúng cũng không thể bị gắn nhãn sai, bởi vì chúng tồn tại trong không gian, trong thời gian, trong hơi thở của con người. Thuật toán không có khả năng đó. Thuật toán chỉ có thể khớp chuỗi ký tự.

Hệ lụy của việc gắn nhãn sai không dừng lại ở một bài báo. Tôi đã làm việc với các nhóm phát triển mô hình ngôn ngữ cho lĩnh vực thể thao. Họ thu thập hàng triệu bài báo từ các nguồn khác nhau, quét vào kho dữ liệu và huấn luyện thuật toán nhận diện xu hướng, dự đoán kết quả, phân tích phong độ. Nếu kho dữ liệu chứa 0,1 phần trăm bài viết sai nhãn, mô hình có thể học những mối tương quan hoàn toàn vô nghĩa. Nó có thể kết luận rằng phong độ của Novak Djokovic suy giảm khi giá vàng tăng, hoặc dự đoán một tay vợt trẻ thất bại bởi vì APGJSA công bố giá bạc giảm. Với một người làm báo thể thao lâu năm như tôi, điều đó không chỉ buồn cười. Nó đáng sợ.

Một ví dụ khác đến từ chính giải đấu mà tôi đang theo dõi. Giả sử một hệ thống trí tuệ nhân tạo đọc bài báo giá vàng này và gắn nó vào hồ sơ của một tay vợt trẻ người Pakistan. Khi tay vợt đó thi đấu tại một giải Grand Slam, hệ thống sẽ kéo theo toàn bộ dữ liệu sai làm bối cảnh. Nó có thể làm nhiễu các chỉ số dự đoán sức khỏe, phong độ, thậm chí đề xuất cả chiến thuật dựa trên biến động tỷ giá. Nghe có vẻ xa vời, nhưng những hệ thống như vậy đang được xây dựng ngay lúc này. Ở Việt Nam, một số trang tin thể thao đã bắt đầu sử dụng trí tuệ nhân tạo để tự động viết bài dựa trên dữ liệu nước ngoài. Nếu khâu đầu vào không được kiểm soát, những bài viết đó sẽ mang những sai sót kỳ lạ nhất.

Tôi muốn nhấn mạnh một điểm: một sai sót về nhãn trong kho dữ liệu không phải là vấn đề của phòng kỹ thuật, mà là dấu hiệu cảnh báo sớm của một cuộc khủng hoảng niềm tin trong báo chí thể thao. Khi độc giả Việt Nam đọc một bài viết về quần vợt, họ đặt niềm tin vào tên tòa soạn. Nếu tòa soạn đó phân phối một bản tin giá vàng lẫn trong chuyên mục thể thao, niềm tin ấy sẽ nứt vỡ — dù chỉ là một vết rạn rất nhỏ. Các phòng tin thể thao, đặc biệt ở Việt Nam với lực lượng biên tập mỏng, cần đầu tư xây dựng quy trình kiểm soát chất lượng dữ liệu. Điều đó có nghĩa là đưa con người trở lại vòng lặp.

Contrarian

Điều phản trực giác ở đây là gì? Nhiều người trong phòng tin sẽ nói rằng đây là lỗi kỹ thuật, chỉ cần gọi đội ngũ công nghệ sửa lại là xong. Tôi cho rằng cách nhìn đó bỏ sót toàn bộ vấn đề. Lỗi dán nhãn này không nằm ở dòng mã nào. Nó nằm ở văn hóa tổ chức của tòa soạn hiện đại, nơi biên tập viên thể thao — người duy nhất có thể nhận ra ngay một bản tin giá vàng không phải là bài viết về quần vợt — đã bị loại khỏi quy trình xuất bản. Họ bị xem là tốn kém, chậm chạp, trong khi thuật toán được xem là nhanh và rẻ. Nhưng thuật toán không hiểu gì về thể thao. Nó không biết rằng một quả phạt đền hỏng ở phút 88 ít liên quan đến kỹ thuật mà liên quan đến áp lực tâm lý. Nó không biết rằng một tay vợt thua trận vì đau vai chứ không phải vì giá bạc ở Lahore.

Khi tôi còn làm phóng viên đồng hành cho một câu lạc bộ bóng đá hạng thấp ở ngoại ô New York, tôi học được một quy tắc: trước khi viết bất cứ điều gì, hãy đặt chân xuống sân cỏ và lắng nghe. Những bài viết hay nhất của tôi không bắt đầu từ một con số trong bảng thống kê. Chúng bắt đầu từ tiếng giày đá bóng trên mặt cỏ, từ ánh mắt của đồng đội trao nhau sau một thất bại. Đó là thứ mà tôi gọi là nhịp đập của đội bóng. Nhịp đập đó không bao giờ có thể bị đánh nhầm nhãn, bởi vì nó được cảm nhận bằng sự hiện diện, không phải bằng thuật toán. Thế nhưng, nếu một tòa soạn chỉ dựa vào hệ thống tự động, tất cả những nhịp đập đó bị thu gọn thành những dòng metadata mù mờ. Và rồi một ngày, bài báo về giá vàng kia xuất hiện trong chuyên mục quần vợt. Trái bóng lăn qua, người ở lại. Nhưng nếu người ở lại không còn đọc, trái bóng sẽ đi về đâu?

Tôi nhớ ngày sân tập Westchester im lặng, khi đội bóng tôi theo dõi phải đối mặt với chấn thương của đội trưởng. Không một thuật toán nào có thể đo được nỗi sợ trong mắt các cầu thủ trẻ khi họ nhìn đội trưởng tập tễnh bước ra ngoài. Chỉ có một người ở đó, ghi chép, lắng nghe, giữ lại những khoảnh khắc. Ngày hôm đó tôi nhận ra rằng công nghệ tốt đến đâu cũng không thể thay thế sự hiện diện của con người. Công nghệ chỉ là công cụ. Còn câu chuyện nằm ở con người.

Takeaway

Tôi không có ý định biến một câu chuyện về giá vàng thành một vở kịch. Nhưng tôi nghĩ những người làm báo thể thao ở Việt Nam có thể rút ra một bài học rất thực tế. Thị trường báo chí Việt Nam đang chứng kiến sự bùng nổ của các trang tin thể thao tổng hợp, hầu hết đều dựa vào nguồn tin nước ngoài. Nhiều trang vận hành hoàn toàn tự động: RSS, API, dịch máy, gắn thẻ, xuất bản. Chỉ cần một nguồn cấp dữ liệu bị sai nhãn ở phía đối tác, toàn bộ chuỗi xuất bản sẽ sản xuất ra những bài viết sai chủ đề với tốc độ đáng kinh ngạc. Chi phí để sửa một bài viết sai là rất nhỏ. Nhưng chi phí để khôi phục niềm tin của độc giả sau khi họ liên tục thấy những bài viết vô nghĩa trong chuyên mục thể thao là rất lớn.

Giải pháp tôi muốn đề xuất không phức tạp. Đó là đưa con người trở lại vòng lặp: một biên tập viên thể thao có đủ kiến thức để nhận ra rằng đơn vị “tola” là đơn vị cân vàng của Nam Á, chứ không phải một đơn vị tính điểm nào đó. Một biên tập viên thể thao biết rằng APGJSA là một hiệp hội kim hoàn, không phải một liên đoàn quần vợt quốc tế. Một biên tập viên thể thao biết rằng nếu tiêu đề có chữ “gold” nhưng nội dung nói về kim loại quý, thì đó không phải là tin thể thao. Đơn giản vậy thôi. Nhưng để làm được điều đó, các tòa soạn cần đầu tư vào con người trước khi đầu tư vào thuật toán. Họ cần coi chất lượng dữ liệu là một phần của chất lượng báo chí, không phải là một việc vặt của phòng kỹ thuật.

Tôi thường nói với các sinh viên báo chí thể thao rằng hãy giữ cho mình một cuốn sổ tay. Trong cuốn sổ đó, ghi lại những chi tiết nhỏ nhất mà camera không bắt được: cái cách một tay vợt chạm vào dây đan vợt trước khi giao bóng, khoảng lặng giữa hai điểm, hơi thở dồn dập của một cầu thủ sau khi sút hỏng phạt đền. Khi công nghệ thay đổi, thuật toán thay đổi, những ghi chép của con người vẫn còn đó. Bởi vì chúng ghi lại nhịp đập thật của trận đấu, không phải nhãn dán do máy tạo ra. Đó là cách duy nhất để tránh xa những sai sót như bài báo giá vàng kia: trở lại với câu hỏi đầu tiên — tôi đang lắng nghe điều gì?

Một nhịp, một ngày, một mùa bóng. Nếu chúng ta để một thuật toán quyết định thế nào là quần vợt, thế nào là bóng đá, thế nào là tin tài chính, thì chúng ta sẽ mất dần khả năng phân biệt. Ngày ấy, một bài báo về giá vàng không phải là chuyện cười. Nó trở thành một chuẩn mực. Tôi không muốn điều đó xảy ra với nền báo chí thể thao Việt Nam, một nền báo chí đang tràn đầy năng lượng và nhiệt huyết. Tôi tin rằng các biên tập viên thể thao Việt Nam hoàn toàn có thể xây dựng một quy trình kiểm soát dữ liệu đáng tin cậy, nơi không một bài báo nào có thể lọt vào chuyên mục sai chỉ vì một từ khóa mơ hồ. Hãy lắng nghe tiếng tim của đội bóng, của giải đấu, của những con người đang chơi thể thao — trước khi nghe bất kỳ một hệ thống phân loại nào.

Khi tôi viết những dòng này, bài báo về giá vàng Pakistan vẫn nằm trong kho dữ liệu với nhãn tennis. Có thể ngay lúc này, một mô hình trí tuệ nhân tạo nào đó đang đọc nó và “học” được rằng APGJSA là một tổ chức quần vợt. Tôi không thể sửa toàn bộ quá trình xử lý dữ liệu của thế giới. Nhưng tôi có thể cảnh báo những người đang xây dựng hệ thống thể thao tại Việt Nam: hãy dành thời gian kiểm tra nguồn dữ liệu, xây dựng quy trình phản hồi, và trên hết, giữ con người trong vòng lặp biên tập. Đó là tấm khiên duy nhất bảo vệ sự thật trong một thời đại mà máy móc viết ngày càng nhiều. Tôi nhìn, tôi ghi, tôi giữ. Và tôi vẫn sẽ ở lại phòng thay đồ, lắng nghe, ghi chép, kể lại câu chuyện thật của thể thao. Bởi vì có một ngọn lửa trong phòng thay đồ — ngọn lửa không thể bị gắn nhãn sai.

Trước khi khai cuộc, hãy lắng nghe. Đó là tất cả những gì tôi muốn gửi đến những người đang giữ nhịp đập cho thể thao Việt Nam.