Khi thuật toán gọi tiếng còi báo động đất là một trận bóng

Trong bảng dữ liệu tôi mở lúc hai giờ sáng, có một dòng được dán nhãn "bóng đá". Nội dung bên trong nói về 23.000 chiếc loa cảnh báo động đất, về Tổng thống Claudia Sheinbaum, về Cuộc diễn tập quốc gia lần thứ hai của Mexico dự kiến diễn ra lúc 12 giờ ngày 19 tháng 9 năm 2026. Không một cầu thủ. Không một câu lạc bộ. Không một vòng đấu. Một tiếng còi báo động đất đã được một hệ thống phân loại tự động gọi tên là bóng đá, và nó đang nằm chờ trong hàng đợi để trở thành "tin thể thao". Nếu bạn làm nghề này đủ lâu, bạn sẽ không cười. Bạn sẽ thấy sống lưng mình lạnh đi. Thứ vừa xảy ra không phải một lỗi vặt của phần mềm. Đó là một vết nứt trong nền móng của cả ngành báo chí dữ liệu thể thao — nơi một con số đặt sai chỗ có thể dẫn dắt hàng triệu độc giả đi sai hướng. Khi phòng họp báo cười nhạo xG, tôi biết mình đang đọc đúng cuốn sách mà họ chưa mở. Nhưng lần này, chính cuốn sách của tôi đang bị một thuật toán đọc sai. Mọi tòa soạn thể thao hiện đại ngày nay đều vận hành trên một đường ống dữ liệu. Tin thô đổ về từ hàng nghìn nguồn, đi qua một hệ thống phân loại tự động, rồi được gắn nhãn trước khi tới tay biên tập viên. Giai đoạn đầu của đường ống làm một việc duy nhất: dán nhãn chủ đề. "Bóng đá". "Bóng rổ". "Chuyển nhượng". Nhãn ấy quyết định bài viết sẽ rơi vào khung phân tích nào, chuyên gia nào đọc nó, và độc giả nào nhìn thấy nó. Với một hệ thống dự báo, chỉ một nhãn sai ở đầu vào cũng đủ làm lệch toàn bộ chuỗi tính toán phía sau. Vấn đề nằm ở chỗ hệ thống dán nhãn không hiểu bóng đá. Nó đếm từ khóa. Và bản tin về Mexico chứa đầy những từ khiến nó tưởng mình đã tìm thấy một bản phân tích chiến thuật: "kịch bản", "giao thức", "phản ứng", "khu vực", "ứng phó". Năm kịch bản theo vùng địa lý cho cuộc diễn tập, cùng các giao thức ứng phó khẩn cấp, đã đủ để thuật toán gật đầu. Nó không kiểm tra xem có cầu thủ nào không. Nó không hỏi có giải đấu nào không. Nó chỉ thấy "kịch bản" và "giao thức", rồi dán nhãn. Đáng chú ý hơn, quyết định giữ nguyên âm thanh quen thuộc của còi báo động — để người dân không nhầm giữa diễn tập và động đất thật — cũng là một văn bản về truyền thông an toàn cộng đồng, hoàn toàn xa lạ với bất kỳ chủ đề thể thao nào. Đây là dạng lỗi mà tôi gọi là "dương tính giả theo từ vựng". Trong một mô hình được kiểm chứng qua 10.000 trận đấu, bạn có thể tin vào xác suất. Nhưng trong một bộ quy tắc đếm từ khóa, bạn chỉ đang tin vào sự trùng hợp của ngôn ngữ. Một con số có thể nói dối, nhưng một mô hình được kiểm chứng qua 10.000 trận đấu thì không có lý do gì để giả vờ. Cùng nguyên tắc ấy áp lên đường ống dữ liệu: một nhãn chủ đề chỉ đáng tin khi nó dựa trên thực thể, chứ không phải trên động từ. Hãy nhìn vào những gì bản tin thực sự chứa, và mức độ nghiêm trọng sẽ hiện ra. Trong toàn bộ 11 điểm thông tin, không có một thực thể bóng đá nào: không câu lạc bộ, không huấn luyện viên, không giải đấu, không cơ quan quản lý. Các nhân vật được trích ra là Tổng thống Claudia Sheinbaum, giới chức bảo vệ dân sự, thành phố Mexico City, và hệ thống loa cảnh báo địa chấn. Hai con số duy nhất đáng chú ý — 80 triệu điện thoại di động và 23.000 loa — là hạ tầng cảnh báo khẩn cấp, không phải doanh thu bản quyền truyền hình, không phải quỹ lương, không phải giá trị chuyển nhượng. Chức danh cũ của bà Sheinbaum khi còn đứng đầu chính quyền Mexico City, cùng việc bà từng thử nghiệm các phương án cảnh báo khác, là một vấn đề hành chính công — không có bất kỳ tương ứng nào trong phòng thay đồ hay quản trị câu lạc bộ. Trong kiểm định chất lượng, người ta gọi một mẫu như thế này là "đối chứng âm": một đầu vào đã biết là sai, dùng để kiểm tra xem hệ thống có đủ tỉnh táo để từ chối nó hay không. Ở đây, hệ thống đã trượt. Nó không từ chối. Nó nhận, dán nhãn, và chuyển tiếp. Nếu tôi không chặn lại, dòng dữ liệu ấy sẽ đi vào một khung phân tích chiến thuật, nơi một biên tập viên sẽ buộc phải viết về "sơ đồ chiến thuật" của 23.000 chiếc loa. Đó không phải một kịch bản giả định xa vời. Đó là cách mà những bản phân tích rỗng tuếch được sinh ra mỗi ngày, và cách niềm tin của độc giả bị bào mòn từng chút một. Đây là lý do vì sao tôi không bao giờ để một nhãn tự động quyết định phán đoán của mình. Dựa trên kinh nghiệm theo dõi các trận đấu và các luồng dữ liệu của tôi suốt nhiều năm, tôi đã học được một quy tắc: trước khi phân tích bất cứ điều gì, hãy xác minh rằng thực thể trung tâm có tồn tại. Nếu không có một câu lạc bộ, một cầu thủ, hay một cơ quan quản lý bóng đá trong văn bản, thì mọi phân tích chiến thuật rút ra từ đó đều là hư cấu. Và hư cấu trong báo chí dữ liệu không phải sáng tạo — đó là sự ngụy tạo. Góc phản trực giác ở đây là: mối nguy lớn nhất không phải hệ thống phân loại sai, mà là phản xạ phân tích sai theo sau nó. Một thuật toán dán nhãn nhầm là chuyện có thể sửa. Nhưng khi một chuyên gia tiếp nhận dữ liệu đã bị dán nhãn sai, và vì áp lực phải tạo ra nội dung, anh ta bắt đầu "sáng tạo" ra ý nghĩa bóng đá từ một bản tin động đất — thì lúc đó đường ống không chỉ sai, nó đã bị nhiễm độc. Tương quan từ khóa không phải quan hệ nhân quả. Sự xuất hiện của chữ "kịch bản" trong một văn bản không biến văn bản ấy thành phân tích chiến thuật, cũng như việc một trận đấu có nhiều phạt góc không biến nó thành một trận đấu hấp dẫn. Tôi từng chứng kiến cùng một dạng lỗi này trong các mô hình dự đoán. Khi bối cảnh thay đổi — như mùa giải 2026 thi đấu trên sân trống — mọi chỉ số cũ đều trở nên nhiễu loạn, và những mô hình không cập nhật hệ số điều chỉnh đã đưa ra dự báo sai hàng loạt. Điểm chung giữa hai sự việc: một hệ thống vận hành đúng cơ chế, nhưng không còn đúng bối cảnh. Cái cần sửa không phải con số, mà là điều kiện để con số được sinh ra. Sân trống không làm mất đi sự thật. Nó chỉ lột bỏ lớp sương mù mà 40.000 tiếng hò hét từng tạo ra. Và một nhãn sai cũng vậy — nó không tạo ra sự thật mới, nó chỉ che đi việc không có sự thật nào để nói. Tín hiệu cho vòng tiếp theo rất rõ. Ngành báo chí dữ liệu thể thao cần một quy tắc xác thực dựa trên thực thể: một bài viết chỉ được dán nhãn "bóng đá" khi tồn tại ít nhất một câu lạc bộ, một cầu thủ, hoặc một cơ quan quản lý bóng đá trong văn bản. Không có thực thể, không có nhãn. Đó là hàng rào tối thiểu để bảo vệ độc giả khỏi những bản tin được gán ghép cưỡng bức. Và còn một câu hỏi tôi để lại cho chính mình, cùng những người làm nghề như tôi: nếu một tiếng còi báo động đất có thể lọt vào feed bóng đá mà không ai chặn, thì có bao nhiêu bản phân tích chiến thuật bạn đã đọc, vốn cũng chỉ là những tiếng còi đặt nhầm chỗ?