Khi dữ liệu bóng đá tự dán nhãn sai cho chính nó

Tối thứ Ba vừa rồi, tôi ngồi trước một tệp dữ liệu gồm vài nghìn mục nội dung, tất cả đều được một hệ thống phân loại tự động dán nhãn "bóng đá". Công việc của tôi không cao siêu gì: đọc lướt qua, kiểm tra xem cái nhãn ấy có khớp với phần thân bài hay không. Phần lớn trôi qua nhanh — một trận V.League, một tin chuyển nhượng, một bảng xếp hạng mùa giải thường niên. Rồi tay tôi khựng lại trên con lăn chuột. Nhãn ghi rõ ràng: "bóng đá". Thân bài kể về một vụ việc gia đình ở Guadalajara, bang Jalisco, phía tây Mexico. Hệ thống trích ra mười sáu điểm thông tin, và trong mười sáu điểm ấy không có một đội bóng, một cầu thủ, một huấn luyện viên, một giải đấu, một pha bóng, một chỉ số nào thuộc về môn thể thao này. Không có gì. Tôi đọc lại ba lần — cái thói quen tôi tự đặt ra từ sau lần viết sai tên ba cầu thủ Croatia trong một bài phân tích dài, bị cộng đồng mạng nhắc cho nhớ mặt. Rồi tôi ngồi im một lúc. Cảm giác đầu tiên không phải là giận. Đó là bối rối. Và tôi đã học cách tin vào cảm giác ấy. Tôi bắt đầu từ sự bối rối tại World Cup 2026, và hóa ra đó là cách duy nhất để hiểu trận đấu. Năm đó tôi hai mươi hai tuổi, còn là sinh viên năm cuối, ngồi mổ xẻ cách Croatia vận hành sơ đồ 4-3-3 với Luka Modrić và Ivan Rakitić. Tôi hiểu sai rất nhiều thứ. Nhưng mỗi lần nhận ra mình chưa hiểu, tôi lại tiến gần hơn một chút tới việc thực sự hiểu. Cái mục dữ liệu bị dán nhãn sai kia cũng vậy. Nó không cho tôi câu trả lời. Nó cho tôi một câu hỏi. Câu hỏi ấy là: điều gì xảy ra khi một hệ thống dữ liệu bóng đá tự lừa chính mình? Hầu hết nền tảng nội dung thể thao ở Việt Nam hiện nay — từ trang tin, ứng dụng tỷ số, cho tới những bảng chỉ số mà một số đơn vị dùng để xếp hạng đội hình — đều chạy qua một tầng gọi là phân loại chủ đề. Tầng này không đọc hiểu bài viết như một biên tập viên. Nó quét từ khóa và thực thể: tên giải, tên câu lạc bộ, tên cầu thủ, tên địa danh. Thấy "Premier League", "V.League", "Messi", nó gắn nhãn bóng đá. Thấy "Guadalajara", nó cũng gắn nhãn bóng đá — bởi vì trong kho dữ liệu huấn luyện, "Guadalajara" gần như luôn đi kèm một câu lạc bộ. Đó là điểm mù đầu tiên. Một địa danh không phải một câu lạc bộ. Guadalajara là thành phố lớn thứ hai Mexico, thủ phủ bang Jalisco, và cũng là tên một đội bóng. Trong đầu một người viết thể thao, hai thứ ấy có thể tách rời nhau. Trong đầu một bộ phân loại dựa trên xác suất, chúng chồng khít lên nhau. Tầng thứ hai là trích xuất thực thể. Hệ thống tìm tên người, tên tổ chức, con số. Nó không phân biệt được một cái tên trong bài báo về bóng đá với một cái tên trong bài báo về một vụ việc đời tư. Nó chỉ thấy một chuỗi ký tự khớp với mẫu đã học. Và vì mục nội dung ấy đã mang nhãn "bóng đá", nó được đẩy vào đúng cái đường ống dành cho bóng đá. Tầng thứ ba — chỗ tôi nghĩ nhiều nhất — là tầng phân tích. Chính cái tầng mà tôi đang ngồi trong đó. Khi một mục nội dung bước vào phòng phân tích với cái nhãn "bóng đá" dán trên trán, người phân tích có một bản năng nghề nghiệp rất khó cưỡng: tìm cho ra ý nghĩa bóng đá trong đó. Tôi đã thử làm đúng việc mà mình vẫn làm mỗi cuối tuần. Chia mục nội dung ấy ra thành tám chiều phân tích. Chiến thuật và kỹ thuật. Tài chính câu lạc bộ và thị trường chuyển nhượng. Kết quả thi đấu và vòng xoáy dư luận. Cục diện giải đấu và vị thế đội bóng. Luật lệ và tuân thủ. Ban huấn luyện và phòng thay đồ. Hồ sơ rủi ro. Truyền thông và kỳ vọng. Cả tám chiều đều trả về cùng một kết quả. Không đủ thông tin để đánh giá. Đối với một người viết, đó là cám dỗ lớn nhất. Trang giấy trống luôn kêu gọi ta lấp đầy. Có một thành phố có đội bóng. Có một độ tuổi được nhắc tới. Có một câu chuyện. Người ta hoàn toàn có thể bắt đầu dệt nên một lập luận nghe rất hợp lý, rất "chuyên môn", về một thứ không hề tồn tại. Tôi biết, vì tôi từng làm thế. Không phải vì tôi muốn lừa ai, mà vì tôi sợ sự im lặng. Nhưng có một nguyên tắc mà dân phân tích dữ liệu vẫn dùng: khi không có thông tin, hãy ghi thẳng "không đủ dữ liệu, không thể đánh giá". Nghe thì đơn giản. Thực hành mới khó, bởi nó buộc bạn phải chấp nhận rằng đôi khi hiện thực nhỏ hơn, nhạt hơn, kém hào hứng hơn cái mà bạn có thể bịa ra. Điều đúng ở đây rất đơn giản và cũng rất phũ phàng. Trong mười sáu điểm thông tin ấy không có bóng đá. Không một chiến thuật gia nào được nhắc tới. Không một khoản chuyển nhượng nào được trao đổi. Không một bảng đấu nào bị ảnh hưởng. Bất kỳ câu kết luận nào về một đội bóng Mexico hay về một con người cụ thể nào đó đều là sản phẩm của trí tưởng tượng, chứ không phải của băng ghi hình. Và hậu quả không dừng lại ở một bài viết. Khi một mục nội dung mang nhãn sai đi vào hệ thống, nó không tự biến mất. Nó chảy xuống hạ nguồn. Chỉ số cảm xúc của giải đấu hấp thụ nó. Đồ thị thực thể nối "Guadalajara" với một câu lạc bộ. Một công cụ tổng hợp tự động có thể nhặt nó lên và đăng lại ở một chuyên mục bóng đá. Vài tháng sau, một người đọc nào đó đang tìm thông tin về trận đấu cuối tuần sẽ gặp một bài viết chẳng liên quan gì, và có thể tin rằng nó có liên quan. Mùa giải thường niên là mùa của những cái nhãn được dán với tốc độ chóng mặt. Mỗi vòng đấu, hàng trăm bài viết đổ về: nhận định trước trận, thống kê sau trận, tin chuyển nhượng, phân tích trọng tài. Không một newsroom nào ở Việt Nam đủ người để đọc tay từng bài. Tự động hóa không phải một lựa chọn, nó là điều kiện sống còn. Chính vì thế mà một cái nhãn sai lại nguy hiểm hơn ta tưởng: nó không phải ngoại lệ hiếm gặp, nó là hệ quả tất yếu của một hệ thống vận hành ở tốc độ con người không theo kịp. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, một cái nhãn sai giống như một cầu thủ bị bắt việt vị khi bóng còn chưa được chuyền. Cả hệ thống chạy theo một giả định sai, và tới khi nhận ra thì đã muộn một nhịp. Trong bóng đá, một nhịp là đủ để thủng lưới. Trong dữ liệu, một nhịp sai có thể tồn tại trong nhiều năm. Lấy ví dụ từ chính lịch sử. Năm 2026, Manchester United thắng Bayern Munich 2-1 trong trận chung kết Champions League, với hai bàn thắng trong khoảng thời gian bù giờ. Nếu một hệ thống chỉ ghi lại kết quả cuối cùng và bỏ qua bối cảnh, nó sẽ nói rằng United thắng dễ. Nó sẽ bỏ qua việc Bayern dẫn trước gần như suốt trận, bỏ qua ba sự thay đổi người trong mười phút cuối, bỏ qua việc Sir Alex Ferguson đọc được thế trận đúng lúc. Một kết luận đúng về mặt con số có thể là một kết luận sai về mặt bản chất. Cái nhãn "bóng đá" dán lên một bài không có bóng đá cũng thuộc loại sai ấy — chỉ khác là nó sai ngay từ đầu. Hoặc lấy Euro 2026. Đan Mạch mất Christian Eriksen ngay trận đầu, và Kasper Hjulmand chuyển từ 3-4-3 sang 3-5-2, đưa đội vào tới bán kết. Nếu ai đó chỉ đọc dòng kết quả "Đan Mạch vào bán kết" mà không xem lại băng hình, họ sẽ không hiểu vì sao. Bối cảnh không phải phần trang trí của dữ liệu. Bối cảnh là dữ liệu. Quay lại cái mục mang nhãn sai. Ở đây không có bối cảnh bóng đá nào để hiểu. Có một vụ việc con người, có thật, nghiêm trọng, và nó bị kéo nhầm vào một cái máng mà nó không thuộc về. Đó là lúc tôi nhận ra vấn đề không nằm ở cái nhãn. Vấn đề nằm ở chỗ cái đường ống được thiết kế để luôn luôn đưa ra câu trả lời. Không có chỗ cho sự im lặng. Một hệ thống như vậy, về bản chất, không bao giờ nói "tôi không biết". Nó chỉ chọn phương án gần đúng nhất và trình bày phương án ấy với vẻ chắc chắn. Đó là kiểu ngôn ngữ của một chuyên gia tưởng mình đã thấy hết — thứ ngôn ngữ mà tôi cố tránh trong chính những bài viết của mình. Một sơ đồ chiến thuật không phải là câu trả lời, nó chỉ là cách đặt câu hỏi về không gian. Một nhãn chủ đề cũng vậy. Nó chỉ là cách đặt câu hỏi về nội dung. Nếu ta biến nó thành câu trả lời cuối cùng, ta đã đánh mất chính thứ mình cần. Còn một điều nữa, và tôi muốn nói thẳng. Cái mục nội dung kia nhắc tới một cá nhân riêng tư có tên tuổi, và mô tả những hành vi bạo lực. Những thứ như vậy cần một vị trí riêng trong hệ thống xử lý nội dung — một cái cổng an toàn, nơi nội dung nhạy cảm bị giữ lại, không được tổng hợp tự động, không được tối ưu cho lượt tương tác, không được đem ra xếp hạng. Tôi không thấy cái cổng ấy trong đường ống mà mình đang kiểm tra. Đó là một thiếu sót nghiêm trọng hơn cả lỗi dán nhãn. Bóng đá không bao giờ nói dối, nhưng nó chỉ thì thầm với những ai chịu ngồi im. Dữ liệu cũng vậy. Nó chỉ đáng tin với những ai chịu dừng lại và hỏi: cái nhãn này có thật sự đúng không? Người ta thường nghĩ vấn đề của dữ liệu là thiếu dữ liệu. Với trường hợp này, tôi cho rằng ngược lại. Vấn đề là thừa dữ liệu và thiếu sự thận trọng. Một bộ phân loại được nuôi bằng hàng triệu bài báo sẽ rất giỏi tìm ra mẫu, và rất kém trong việc nhận ra rằng có những lúc không nên tìm mẫu. Càng giỏi tìm mẫu, nó càng dễ tạo ra một mẫu không có thật. Đó là nghịch lý của mọi hệ thống mạnh: sức mạnh của nó và điểm mù của nó là cùng một thứ. Mỗi đường chuyền là một lựa chọn, mỗi pha pressing là một lời từ chối. Một hệ thống dán nhãn cũng thực hiện hàng nghìn lời từ chối mỗi giây — nó từ chối khả năng rằng "Guadalajara" có thể là một thành phố, rằng một bài viết có thể không thuộc về bóng đá, rằng câu trả lời đúng có thể là "không biết". Những lời từ chối ấy không được ghi lại ở đâu cả. Và cái không được ghi lại thì không thể sửa. Ở Việt Nam tôi học được rằng một đội bóng có thể đá bằng trái tim trước khi đá bằng sơ đồ. Tôi nghĩ dữ liệu cũng vậy. Một hệ thống dữ liệu thể thao chỉ đáng tin khi nó được xây bằng sự tôn trọng con người trước khi được xây bằng thuật toán. Bởi vì phía sau mỗi dòng dữ liệu — kể cả những dòng sai — luôn có một con người thật. Sân vận động trống rỗng đã lột trần những gì ta tưởng là quan trọng, và chỉ còn lại tiếng giày trên cỏ. Tôi từng nghĩ mình hiểu câu ấy trong những ngày dịch bệnh, khi các giải đấu tạm dừng và tôi ngồi phục dựng lại những trận kinh điển. Giờ tôi hiểu nó theo một nghĩa khác. Khi mọi tiếng ồn bị gạt đi, cái còn lại là những thứ cơ bản nhất: một cái tên viết đúng, một con số có nguồn, một quyết định biết dừng lại. Cái mục dữ liệu bị dán nhãn sai kia đã dạy tôi điều đó. Nó không phải một bài học về bóng đá. Nó là một bài học về cách chúng ta đối xử với sự thật khi sự thật không vừa với cái khuôn mình đã đóng sẵn. Tôi không còn tin vào chiến thắng, tôi tin vào những khoảnh khắc trận đấu hé mở trước mắt mình. Khoảnh khắc mà tôi muốn giữ lại từ tối thứ Ba ấy không phải là lúc tôi phát hiện ra lỗi. Đó là lúc tôi quyết định không điền thêm bất cứ thứ gì vào chỗ trống. Tôi để nó trống. Tôi ghi vào báo cáo đúng một dòng: "Nhãn sai, nội dung không thuộc lĩnh vực bóng đá, đề nghị chuyển hướng xử lý." Có lẽ câu hỏi đúng cho những ai đang xây dựng dữ liệu thể thao ở Việt Nam không phải là làm sao để hệ thống thông minh hơn, mà là làm sao để hệ thống biết im lặng đúng lúc. Bởi vì một hệ thống không biết im lặng thì rồi sẽ có ngày nói sai về một người thật, và không có thuật toán nào sửa được điều đó.