Nhãn bóng đá dán nhầm vào một vụ án hình sự

Bảy giờ sáng ở Bắc Kinh, tôi mở bảng điều phối nội dung của tòa soạn và thấy một mục được gắn nhãn "bóng đá". Tiêu đề nói về quyết định của cơ quan công tố Hạt Los Angeles trong một vụ án hình sự. Tôi kéo xuống đọc hết mười tám điểm thông tin. Không có câu lạc bộ nào trong đó. Không có cầu thủ. Không có giải đấu, không có thương vụ chuyển nhượng, không có liên đoàn nào được nhắc tên. Danh sách thực thể gồm Nick Reiner, Rob Reiner, Michele Singer Reiner, luật sư Alan Jackson, Công tố viên Quận Nathan Hochman, Văn phòng Công tố Hạt Los Angeles, bồi thẩm đoàn lớn, lễ trao giải Emmy, series The Bear và bộ phim Being Charlie. Mười tám trên mười tám điểm đều nằm ngoài bóng đá.

Cái nhãn đó nằm ở cột đầu tiên của bảng tính. Nó nhỏ đến mức người ta lướt qua mà không đọc. Nhưng nó quyết định bản tin rơi vào đâu: vào bàn biên tập thể thao, vào mô hình phân tích thể thao, vào bản tin buổi sáng gửi cho độc giả theo dõi bóng đá. Tôi mất hai mươi phút để xác nhận điều mình nghi ngờ, và trong hai mươi phút đó, ba bản tin khác đã chạy qua đường ống với cùng một cái nhãn.

Đường ống không tự phân loại

Hầu hết tòa soạn thể thao hiện nay không đọc từng bài bằng mắt trước khi đẩy vào hệ thống. Nội dung đến từ nguồn tổng hợp, được gắn nhãn tự động theo từ khóa, theo tần suất xuất hiện của thực thể, hoặc theo phần chuyên mục mà nhà phát hành gốc đặt bài. Một bản tin nằm trong chuyên mục tin nóng của một trang giải trí Mỹ có thể đi qua ba lớp trung gian trước khi tới một bảng tin bóng đá ở Việt Nam, và mỗi lớp trung gian đều có thể thêm một nhãn mà không lớp nào kiểm tra lại.

Điều đó chỉ vô hại nếu đầu ra không ai đọc. Nhưng đầu ra được đọc, được tính, được đưa vào các chỉ số theo dõi độ phủ. Tôi đã sống cùng một đội bóng suốt nhiều mùa giải để hiểu vì sao họ thua, và tôi cũng đã sống cùng một tòa soạn đủ lâu để hiểu vì sao một bản tin có thể bị dán nhãn sai mà không ai chịu trách nhiệm: vì không có ai được giao việc kiểm tra cái nhãn.

Giá trị thương mại và giá trị thể thao là hai đường cong khác nhau, và cái nhãn là thứ trộn chúng vào một bảng tính. Vụ việc ở Los Angeles mang giá trị truy cập rất cao: án mạng liên quan người nổi tiếng, tranh luận về án tử hình, câu chuyện gia đình và quyền lực. Giá trị thể thao của nó bằng không. Khi hai con số đó bị đặt cạnh nhau mà không có cột phân loại đủ mạnh, đường cong nào lớn hơn sẽ kéo cả dòng dữ liệu đi theo.

Bài toán thẩm định nguồn

Nguyên tắc của tôi là ba nguồn trước khi viết một câu nhận định. Tôi áp dụng nguyên tắc đó lên chính bản tin đang bị dán nhãn sai, và kết quả đáng chú ý hơn cả cái nhãn.

Trong mười tám điểm thông tin, chỉ sáu điểm có nguồn được nêu tên: cơ quan công tố, Văn phòng Công tố Hạt Los Angeles, công tố viên Nathan Hochman và cáo buộc của bồi thẩm đoàn lớn. Mười hai điểm còn lại không ghi nguồn. Tỷ lệ có nguồn là một phần ba. Với một bài bóng đá thông thường, tôi sẽ dừng ở đây và trả bản thảo về. Với một bài hình sự, tỷ lệ đó nguy hiểm hơn nhiều, vì hậu quả của một câu sai không nằm ở lượt đọc mà nằm ở một con người đang chờ xét xử.

Trục thời gian nội tại thì nhất quán: các nạn nhân thiệt mạng, bị cáo bị truy tố hai ngày sau đó vào ngày 16 tháng 12, cáo buộc của bồi thẩm đoàn lớn được đưa ra vào mùa hè năm sau, phiên tòa khó có thể bắt đầu trước năm 2027. Ba mốc đó khớp với nhau. Nhưng khớp nội bộ không phải là kiểm chứng. Hai câu quan trọng nhất, về lộ trình phiên tòa và về quá trình rà soát toàn diện, đều dẫn về cùng một phát ngôn viên của một phía. Một nguồn độc lập thứ hai là điều tối thiểu, và nó không có trong dữ liệu.

Điểm đáng ghi nhận về mặt biên tập: bản tin gốc dùng ngôn ngữ điều kiện. Cáo buộc nằm chờ và danh sách các tình tiết đặc biệt được viết ở dạng có thể, có khả năng, chứ không khẳng định. Quyết định không theo đuổi án tử hình được nêu rõ là kết quả của việc tham vấn gia đình nạn nhân. Mức án tối đa được mô tả là tù chung thân không có khả năng được ân xá. Đó là cách viết cẩn thận, và nó đáng được giữ nguyên khi bản tin đi qua bất kỳ đường ống nào, kể cả đường ống sai.

Chuyện xảy ra tiếp theo mới là phần tôi quan tâm với tư cách người làm dữ liệu. Ba lớp nội dung chồng lên nhau trong cùng một vụ việc: tranh luận pháp lý về án tử hình, ký ức điện ảnh Hollywood với giải Emmy truy tặng và phần tưởng niệm trong lễ trao giải, và câu chuyện gia đình gắn với chứng nghiện và tình trạng vô gia cư. Ba lớp đó tạo ra một chu kỳ tin kéo dài nhiều năm, dù tiến trình tố tụng gần như đứng yên. Phiên tòa chưa bắt đầu, nhưng dòng tin không dừng.

Nếu một mô hình phân tích bóng đá đọc khối lượng đưa tin theo chủ đề để tìm tín hiệu chú ý, nó sẽ ghi nhận một đỉnh tăng vọt trong giai đoạn này. Đỉnh đó không đến từ sân cỏ. Nó đến từ một thẻ gắn sai, đi qua một hệ thống không có cổng kiểm tra thực thể. Và khi đỉnh giả xuất hiện trong dữ liệu, nó không tự biến mất: nó nằm lại trong đường cơ sở, làm lệch mọi so sánh về sau.

Góc phản trực giác

Phản ứng đầu tiên của tòa soạn là đổ lỗi cho thuật toán. Tôi không đồng ý với phản ứng đó, và đây là chỗ tôi tách khỏi phần lớn đồng nghiệp.

Thuật toán không tự nghĩ ra tiêu chí bài này thuộc bóng đá. Nó học từ hành vi có trước: bàn biên tập thể thao từ lâu đã chấp nhận những bài không có bóng đá, miễn là có lượt đọc. Một tin người nổi tiếng ly hôn, một vụ tai nạn của một huấn luyện viên, một câu chuyện tài chính của một ông chủ câu lạc bộ, tất cả từng nằm trên trang thể thao vì chúng tạo lưu lượng, và tất cả đều được biện minh bằng câu độc giả thể thao vẫn quan tâm. Cái nhãn tự động chỉ là phiên bản công nghiệp hóa của một thói quen biên tập đã có sẵn. Máy không nói dối. Người ta dán nhãn trước, máy chỉ chép lại nhanh hơn.

Cũng cần nói ngược lại một điều mà giới phân tích dữ liệu thường bỏ qua. Số liệu ở đây không sai; số liệu ở đây đúng và vô nghĩa, vì chúng đo một đối tượng nằm ngoài phạm vi. Mười tám điểm thông tin được trích xuất chính xác, đếm đúng, gắn dấu thời gian đúng. Không có lỗi số học nào. Lỗi nằm ở câu hỏi đã không được đặt ra trước khi trích xuất: bản tin này có thực thể bóng đá nào không. Và đây là ranh giới tôi giữ trong nghề: tin vào con số, nhưng không tin con số có thể tự bảo vệ mình khỏi một câu hỏi bị bỏ sót.

Điều cần làm tiếp

Đường ống nội dung thể thao cần một cổng kiểm tra cứng: muốn đi vào nhánh bóng đá, bản tin phải chứa ít nhất một thực thể bóng đá được nhận diện, gồm câu lạc bộ, cầu thủ, giải đấu, liên đoàn, hoặc một thương vụ. Không có thực thể đó thì nhãn bị hạ xuống mức chờ, và một người đọc lại. Một cổng như vậy tốn vài giây cho mỗi bản tin và chặn được loại lỗi tốn nhiều năm để sửa.

Mùa giải trống rỗng, nhưng ghế đá vẫn còn lõm chỗ ngồi, và bảng tin thì vẫn đầy những thứ không ai ngồi xem. Sân cỏ không nói dối, nhưng người ta thì có; lần này người ta chỉ gõ sai một ô trong bảng tính.