Khi thuật toán dán nhãn bóng đá cho một bản tin không có bóng đá

Ba giờ sáng, một bản tin gồm hai mươi sáu điểm thông tin đi qua đường ống phân loại nội dung và nhận về đúng một nhãn: bóng đá. Tôi đọc hết hai mươi sáu điểm ấy, theo thói quen xác minh ba lần trước khi nói ra bất cứ điều gì. Không một câu lạc bộ nào được nêu tên. Không một cầu thủ, không một huấn luyện viên, không một hợp đồng, không một bảng xếp hạng, không một chỉ số bàn thắng kỳ vọng. Bản tin kể về một cuộc điều tra hình sự ở bang Puebla, Mexico, do cơ quan công tố bang dẫn dắt, và về một gia đình vừa mất đi người thân.

Người ta thấy một pha bóng; tôi thấy một khoảng trống giữa hai điều luật. Lần này, khoảng trống ấy nằm giữa một bản tin an ninh và một nhãn nội dung.

Chỗ khiến tôi dừng lại không nằm ở bản tin. Nó nằm ở chuyện một hệ thống phân loại đủ tự tin để gọi bản tin đó là bóng đá, rồi đẩy nó vào một quy trình phân tích chín chiều được thiết kế riêng cho chiến thuật, tài chính câu lạc bộ, luật trọng tài và chuỗi truyền dẫn của ngành. Một vật thể lạ lọt qua cánh cửa ấy sẽ để lại mầm sai ở mọi thứ phía sau.

Đường ống ấy vận hành theo hai tầng. Tầng một bóc tách văn bản thành các điểm thông tin, gán nhãn lĩnh vực, đánh dấu đâu là dữ kiện và đâu là phát ngôn. Tầng hai nhận nhãn lĩnh vực rồi chạy chín chiều phân tích chuyên môn: chiến thuật và kỹ thuật, tài chính và thị trường chuyển nhượng, kết quả và chu kỳ dư luận, cục diện giải đấu, luật và quản trị, phòng thay đồ, hồ sơ rủi ro, truyền thông và kỳ vọng, chuỗi truyền dẫn của ngành.

Có thể coi chín chiều đó là bộ luật của tầng hai. Mỗi chiều có mẫu biểu riêng, thang điểm riêng, và một cột mang tên đối tượng so sánh. Khi nhãn lĩnh vực đúng, chín chiều vận hành giống một tổ VAR đọc lại băng hình: chúng tìm bằng chứng, đối chiếu tiền lệ, rồi kết luận. Khi nhãn lĩnh vực sai, chúng biến thành chín cái bàn giấy trống. Người ngồi sau bàn chỉ còn hai lựa chọn: bịa ra dữ kiện, hoặc ghi vào từng ô rằng không đủ thông tin để đánh giá.

Ở lần này, tầng hai chọn vế thứ hai. Chiều chiến thuật trả về kết quả rỗng: không có trận đấu, không có đội hình, không có dữ liệu kiểm soát bóng. Chiều tài chính cũng rỗng: phần tử tiền tệ duy nhất trong bản tin là một hành vi tống tiền, thứ không phải giao dịch thị trường và không có chỗ đứng trong bảng cân đối của bất kỳ câu lạc bộ nào. Chiều quản trị rỗng tương tự: chức danh chủ tịch thành phố là một chức vụ công quyền, khác hẳn về bản chất với chủ tịch câu lạc bộ hay giám đốc thể thao.

Điểm đáng chú ý thứ hai là phần siêu dữ liệu. Bản tin không có tên tòa soạn, không có năm xuất bản, và các mốc thời gian bên trong chỉ ghi ngày tháng mà thiếu năm. Trong nghề của tôi, một khẳng định không có ngày tháng cũng vô giá trị như một bàn thắng không có mốc thời gian: không ai kiểm chứng được nó, và không ai được phép trích dẫn nó.

Vậy vì sao một bản tin như thế lại nhận nhãn bóng đá? Câu trả lời không nằm ở trí thông minh của thuật toán. Nó nằm ở cách bóng đá Mexico tự đặt tên cho chính mình.

Điểm qua danh sách các đội bóng lớn của Liga MX: Pumas UNAM, gắn với Đại học Tự trị Quốc gia Mexico. Tigres UANL, gắn với Đại học Tự trị Nuevo León. Leones Negros UdeG, gắn với Đại học Guadalajara. Correcaminos UAT, gắn với Đại học Tự trị Tamaulipas. Lobos BUAP, gắn với Đại học Tự trị Benemérita ở Puebla. Đó là một chuỗi tên trong đó tên viết tắt của một trường đại học công lập và tên của một đội bóng chuyên nghiệp nằm chung một dòng.

Lobos BUAP là ví dụ rõ nhất cho mức độ hòa lẫn ấy. Đội bóng này lên chơi Liga MX năm 2026. Đến năm 2026, suất thi đấu của câu lạc bộ được bán và chuyển tới Ciudad Juárez, nơi nó trở thành FC Juárez, theo các bản tin thể thao Mexico công bố giữa năm 2026. Tên trường đại học và tên đội bóng tách khỏi nhau về mặt pháp lý, nhưng trong kho văn bản thì cả hai vẫn tồn tại song song, và mọi mô hình ngôn ngữ đọc kho văn bản ấy đều học được rằng BUAP là một thực thể bóng đá.

Địa danh cũng vậy. Puebla là tên một bang, tên một thành phố, và tên của một câu lạc bộ đang chơi ở giải cao nhất Mexico. Tecamachalco là tên một đô thị ở bang Puebla, đồng thời là tên một khu dân cư lớn ở Naucalpan, bang Mexico, và cũng từng xuất hiện trong hệ thống các giải bóng đá hạng dưới của nước này. Một mã chữ như thế không có một nghĩa. Nó có ba hoặc bốn nghĩa xếp chồng lên nhau, và mô hình không có cách nào phân biệt nghĩa nào đang được dùng nếu không đọc hết ngữ cảnh.

So sánh với nước Anh, nơi tôi sống và làm việc, để thấy sự khác biệt mang tính cấu trúc. Bóng đá Anh đặt tên đội theo quận, theo khu phố, theo một thương hiệu do con người nghĩ ra. Không câu lạc bộ nào ở Premier League mang tên viết tắt của một trường đại học trong tên chính thức. Vì thế một mô hình huấn luyện trên kho ngữ liệu bóng đá Anh không hề có định kiến rằng tên một trường đại học có thể là tên một đội bóng. Một mô hình huấn luyện trên ngữ liệu Mexico thì có, và nó có đầy đủ lý do để có.

Đến đây thì phép tính trở nên dễ hiểu. Bộ phân loại chấm điểm trên cơ sở trùng khớp mã chữ, liên kết thực thể và khoảng cách ngữ nghĩa. Trong hai mươi sáu điểm thông tin của bản tin, có một tên viết tắt trường đại học từng gắn với một câu lạc bộ Liga MX, có một địa danh trùng với tên một câu lạc bộ hạng cao nhất, và có thêm một địa danh từng xuất hiện trong hệ thống giải hạng dưới. Ba mã chữ mang trọng số bóng đá cao, cộng thêm một bang được nhắc tới như địa bàn điều tra, đủ để điểm tổng vượt ngưỡng.

Đây là lỗi có tính cấu trúc, sinh ra từ một nền bóng đá đã gắn tên trường đại học vào tên câu lạc bộ: ở Mexico, bất kỳ bản tin nào nhắc tới một trường đại học công lập đều mang sẵn vài mã bóng đá trong túi, kể cả khi nội dung chẳng liên quan gì tới trái bóng.

Bộ phân loại làm đúng việc nó được huấn luyện để làm. Cái sai nằm ở ngưỡng quyết định, và ở chỗ ngưỡng ấy không được công bố cho ai.

Tôi đã nhìn thấy đúng cái ngưỡng ấy một lần, trong một buổi tối tháng Sáu năm 2026. Trận Pháp gặp Australia ở vòng bảng World Cup tại Nga, phút thứ năm mươi lăm, VAR lần đầu tiên trong lịch sử giải đấu đảo ngược một quyết định để thổi phạt đền. Năm ấy tôi mười bảy tuổi, vừa thi xong kỳ thi tú tài, và dành trọn hai tháng hè để xem đủ sáu mươi tư trận. Sau đó tôi tải toàn bộ dữ liệu chính thức của FIFA về, ngồi phân loại hai mươi mốt tình huống VAR can thiệp trong cả giải. Tám trong số đó vẫn còn gây tranh cãi, bởi tiêu chí rõ ràng và hiển nhiên được áp dụng không nhất quán.

Dựa trên kinh nghiệm theo dõi các trận đấu của tôi ở kỳ World Cup ấy, tôi rút ra một điều theo tôi suốt nghề: một ngưỡng chỉ có giá trị khi nó được áp dụng giống nhau ở mọi tình huống. Mùa hè nước Nga dạy tôi rằng VAR không cướp đi sự hồn nhiên của bóng đá; nó cướp đi quyền được sai.

Tiêu chí rõ ràng và hiển nhiên là một ngưỡng. Ngưỡng ấy chỉ có nghĩa nếu nó được ghi lại, giải thích và lặp lại được. Áp dụng nó theo tám cách khác nhau trong cùng một giải đấu, bạn sẽ có tám phiên bản công lý khác nhau ngồi trên cùng một điều luật. Bộ phân loại nội dung mắc đúng căn bệnh đó: nó có một ngưỡng, nhưng ngưỡng ấy không có biên bản, không có tầng phúc tra, và không ai bên ngoài được quyền biết nó nằm ở đâu.

Phản xạ đầu tiên của số đông là đổ hết cho thuật toán. Tôi không đi theo phản xạ ấy, vì nó bỏ qua phần khó hơn của câu chuyện.

Người biên tập cũng mắc lỗi này, và mắc vì lý do thương mại. Trong một bảng tin thể thao, nội dung bóng đá là tài sản có mức độ tương tác cao nhất. Một ban biên tập bị đo bằng lưu lượng sẽ tìm ra góc bóng đá trong cả một bản tin thời tiết, nếu góc ấy tồn tại. Lỗi gán nhãn vì thế không phải hiện tượng riêng của máy móc. Nó là hệ quả của một hệ thống khuyến khích việc ép nội dung vào khuôn có sẵn.

Thêm một chi tiết về kiến trúc: nếu bộ phân loại không có lớp nào mang nghĩa nằm ngoài phạm vi, nó buộc phải chọn lấy nhãn ít sai nhất, và cái thùng lớn nhất luôn là bóng đá. Một danh mục không có cửa thoát sẽ dồn mọi thứ lạ vào căn phòng rộng nhất.

Cùng cơ chế ấy vận hành trong thị trường chuyển nhượng, nơi tôi làm việc hằng tuần. Một tin đồn chỉ cần nhắc tới tên một câu lạc bộ lớn là đủ điểm để lọt vào bảng tin, bất kể bên trong có gì thật. Sự chú ý chảy về phía thương hiệu, còn nội dung thì đứng ngoài chờ được xác minh.

Công bằng không nằm ở luật đúng; nó nằm ở người đọc luật sẵn sàng nhìn sâu. Với riêng bản tin này, đầu ra đúng về mặt chuyên môn là một kết quả rỗng kèm một phiếu chuyển cấp tới người quản trị bộ phân loại. Bịa ra một góc bóng đá để lấp đầy chín chiều sẽ tạo ra tiếng ồn phân tích, và tiếng ồn ấy sẽ chảy vào mọi mô hình huấn luyện trên nguồn cấp này.

Còn một tầng nữa mà tôi muốn nói thẳng. Bản tin gốc nói về cái chết của một người và nỗi đau của một gia đình. Không sản phẩm phân tích nào nên được dựng lên trên tuần lễ tồi tệ nhất của một gia đình. Ràng buộc ấy không phải chuyện đạo đức suông; nó là một quy tắc nghề nghiệp, đứng ngang hàng với quy tắc không trích dẫn nguồn ẩn danh khi đưa tin về một con người cụ thể.

Ba việc sửa được, và đều nằm trong tầm tay. Cần một lớp nằm ngoài phạm vi trong danh mục, để bộ phân loại có chỗ đặt những thứ không thuộc về nó. Cần một ngưỡng tự tin tối thiểu được công bố theo cách các giải đấu công bố tiêu chí VAR: rõ ràng, viết ra được, lặp lại được. Cần một chốt người ở đúng nơi nhãn lĩnh vực xung đột với bộ phân loại nội dung, vì đó là điểm giao nhau giữa hai hệ thống chưa từng nói chuyện với nhau.

Trong trường hợp cụ thể này, bước sửa đầu tiên đã xảy ra: bản tin được đánh dấu nằm ngoài phạm vi, và một phiếu lỗi được mở cho bộ gán nhãn. Nhưng giá trị thật của vụ việc không nằm ở một dòng nhãn được sửa. Nó nằm ở chỗ vụ việc buộc chúng ta nhìn vào chỗ nối giữa hai hệ thống, nơi một bên tin rằng mình đang phân loại văn bản còn bên kia tin rằng mình đang phân tích bóng đá.

Một nhãn sai không thổi bay một trận đấu. Nó chỉ làm mòn dần thứ khó tái tạo nhất trong nghề này: niềm tin rằng dữ liệu bóng đá đáng để đọc. Khi khán đài trống, tôi nghe rõ tiếng thở của trận đấu. Khi đường ống im lặng, tôi nghe rõ tiếng của những nhãn sai đang xếp hàng chờ tới lượt mình. Bản tin gây ra lỗi lần này đã bị chặn lại. Bản tin tiếp theo thì chưa, và nó sẽ trông rất giống một câu chuyện bóng đá cho tới khi có ai đó chịu đọc hết hai mươi sáu dòng.