Nhãn sai: khi một tin điện ảnh được xếp vào trang bóng đá

Hôm ấy, trên bảng điều phối nội dung của tôi xuất hiện một tệp mới. Nó nằm đúng thư mục “football”, đúng cột phân loại chủ đề, đúng luồng xử lý mà tôi vẫn nhận tin về các trận đấu. Tôi mở ra. Nội dung nói về suất chiếu lúc nửa đêm của một bộ phim Marvel tại Mexico, về chuỗi rạp Cinépolis và Cinemex, về ngày bán vé trước, về việc khán giả Mexico được xem phim sớm hơn khán giả Mỹ một ngày.

Không một đội bóng. Không một cầu thủ. Không bàn thắng, không thẻ phạt, không xG, không một dòng nào về chuyển nhượng.

Tôi ngồi lại khoảng ba phút. Không phải vì tệp dữ liệu lạ — tôi đã đọc hàng nghìn tệp lạ. Mà vì cái nhãn. Nhãn ghi “bóng đá”. Nội dung ghi “điện ảnh”. Và trong nghề này, khi nhãn nói một đằng còn sự thật nói một nẻo, thì chỗ sai đầu tiên không nằm ở nội dung. Nó nằm ở hệ thống gán nhãn.

Câu chuyện bắt đầu từ một lỗi phân loại. Nhưng nó chạm tới cách chúng ta đọc bóng đá.

Hai lớp lọc và một ô trống

Cần nói rõ bối cảnh. Hệ thống tôi làm việc vận hành theo hai giai đoạn. Giai đoạn một đọc văn bản thô và gán nhãn lĩnh vực: bóng đá, bóng rổ, quần vợt, điện ảnh, kinh tế. Giai đoạn hai nhận nhãn đó rồi chạy một khung phân tích chuyên sâu gồm chín chiều: chiến thuật và kỹ thuật; tài chính câu lạc bộ và thị trường chuyển nhượng; chu kỳ kết quả và dư luận; cục diện giải đấu và định vị đội bóng; luật và tuân thủ quản trị; ban huấn luyện và phòng thay đồ; hồ sơ rủi ro; truyền thông và kỳ vọng; truyền dẫn ngành.

Khi nhãn là “bóng đá”, khung phân tích mặc định có một đối tượng bóng đá để soi. Nó đi tìm sơ đồ chiến thuật. Nó đi tìm cấu trúc lương. Nó đi tìm điều khoản giải phóng hợp đồng. Nó đi tìm áp lực lên huấn luyện viên.

Tệp này không có gì để tìm. Và đây mới là chỗ tôi muốn dừng lại lâu hơn một chút, bởi phản xạ tự nhiên của bất kỳ người làm nội dung nào là lấp đầy ô trống.

Tôi nhớ năm 2026. Đó là năm tôi rời toà soạn giấy để gia nhập một nền tảng thể thao số ở Thâm Quyến, ở tuổi 46. Trận đầu tiên tôi phụ trách là Shenzhen FC gặp Wuhan Zall tại giải hạng Nhất Trung Quốc, trên khán đài có 4.213 người. Tôi vẫn ghi sổ tay theo lối cũ, còn ban biên tập yêu cầu livestream ba phút một lần. Tôi phản đối vì thiếu dữ liệu kiểm chứng, nhưng vẫn phải tuân thủ quy trình.

Qua ba mươi vòng đấu theo dõi liên tục, tôi rút ra một kỷ luật nghề: thiết lập bộ lọc hai lớp. Lớp thứ nhất đối chiếu số liệu từ ba nguồn trước khi đăng. Lớp thứ hai đánh dấu thời điểm phát sóng. Và một nguyên tắc đứng trên cả hai lớp: khi không có dữ liệu, ghi thẳng là không có dữ liệu, tuyệt đối không viết ra một kết luận nghe có vẻ hợp lý.

Tệp tin sáng nay là phép thử cho nguyên tắc đó.

Ba khả năng cho một cái nhãn sai

Ở tầng thứ nhất, tôi phải trả lời câu hỏi vì sao hệ thống gán nhãn nhầm. Tôi xếp ba khả năng theo mức độ tin cậy mà mình tự cho phép.

Khả năng thứ nhất, và theo tôi là cao nhất: va chạm từ khoá. Ngôn ngữ của ngành điện ảnh và ngôn ngữ bóng đá dùng chung một số từ. “Opening” nghĩa là mở màn. “Premiere” nghĩa là ra mắt. “Screening” nghĩa là suất chiếu. “Kick-off” nghĩa là khởi động. Một tiêu đề tiếng Anh kiểu “midnight opening draws crowds” hoàn toàn có thể bị bộ phân loại đọc thành tin về một sự kiện thể thao có giờ bắt đầu rõ ràng. Bộ phân loại không đọc ý nghĩa. Nó đếm mẫu.

Khả năng thứ hai: tín hiệu đám đông. Hệ thống học từ dữ liệu lớn rằng cấu trúc “vé bán trước, cháy vé, website sập, khán giả xếp hàng” thường thuộc nhóm thể thao. Một phim bom tấn tạo ra đúng cấu trúc đó. Máy không phân biệt được đám đông mua vé xem phim với đám đông mua vé xem bóng đá, vì cả hai đều là nhu cầu tiêu dùng bùng nổ trước một sự kiện có thời điểm cố định.

Khả năng thứ ba, thấp nhất nhưng đáng lo nhất: một lỗi định tuyến đơn thuần. Tệp bị đẩy sang nhánh sai vì hàng đợi nghẽn, vì ai đó đổi tham số, vì một quy tắc cũ chưa được xoá. Loại lỗi này không mang tính hệ thống, nhưng khó truy vết vì nó không để lại dấu vết ngữ nghĩa.

Ba khả năng dẫn tới một kết luận: hệ thống không hiểu bóng đá. Nó nhận diện các mảnh ghép quen thuộc.

Chín chiều và một chữ N/A

Bây giờ đến phần khó hơn, phần tôi cho là có giá trị thật với người đọc bóng đá.

Khung phân tích chín chiều, khi bị áp lên một đối tượng không phải bóng đá, sẽ trả về kết quả gì? Câu trả lời đúng về mặt phương pháp là: N/A — không đủ thông tin. Không phải “cần thêm dữ liệu”. Không phải “tạm thời chưa xác định”. Mà là không đủ.

Hãy thử tưởng tượng một hệ thống không có kỷ luật ấy. Nó sẽ làm gì?

Nó sẽ thấy “suất chiếu lúc nửa đêm” và gọi đó là giờ bắt đầu trận đấu. Nó sẽ thấy “Mexico chiếu sớm hơn Mỹ một ngày” và gọi đó là lợi thế lịch thi đấu, đội chủ nhà được nghỉ nhiều hơn 24 giờ. Nó sẽ thấy “Cinépolis và Cinemex xác nhận lịch chiếu” và gọi đó là hai đơn vị tổ chức đã chốt thể thức. Nó sẽ thấy “website sập vì lượng truy cập” và gọi đó là chỉ số cuồng nhiệt của cổ động viên, dự báo sức ép lên đội khách.

Mỗi câu trong số đó đọc lên đều trôi chảy. Mỗi câu đều có cấu trúc của một nhận định chuyên môn. Và mỗi câu đều sai hoàn toàn.

Đó là bản chất của lỗi phân loại. Nó không tạo ra văn bản vô nghĩa. Nó tạo ra văn bản có nghĩa nhưng gắn vào sai đối tượng.

Trong nghề chuyển nhượng, tôi gặp đúng căn bệnh này mỗi ngày. Một tài khoản đăng “nguồn thân cận cho biết”, ba trang tin dẫn lại, một diễn đàn mở chủ đề, và trong vòng sáu giờ, một cái tên trở thành “mục tiêu hàng đầu” của một câu lạc bộ mà nó chưa từng nói chuyện. Không ai kiểm chứng nguồn gốc, vì ai cũng trích dẫn “theo truyền thông”. Vòng lặp tự xác nhận ấy là một bộ phân loại tồi mang hình dạng con người.

Tôi từng nói ở một buổi toạ đàm nội bộ rằng một tin chuyển nhượng chỉ có giá trị khi tồn tại ít nhất một trong ba thứ: tiền đã chuyển, hợp đồng đã ký, giấy tờ đã đăng ký với cơ quan quản lý. Một đồng nghiệp trẻ phản bác: “Nhưng nếu không đưa tin đồn thì lấy gì đọc?” Tôi trả lời: “Đọc ít hơn. Đọc ít mà đúng vẫn hơn đọc nhiều mà sai.”

Điều tôi muốn nói là: lỗi gán nhãn trong một hệ thống dữ liệu không khác gì tin đồn chuyển nhượng không nguồn. Cả hai đều lấp một khoảng trống bằng một câu chuyện nghe hợp lý. Và cả hai đều phá hoại theo cùng một cách: chúng làm hỏng nền tảng mà người đọc dùng để ra quyết định — dù quyết định ấy là đặt cược, là chọn mua vé, hay chỉ là tin vào một bản tin.

Cái giá của việc lấp đầy

Một bảng dữ liệu sai nhãn không nằm yên. Nó đi vào tập huấn luyện. Nó đi vào bảng tổng hợp ngày. Nó đi vào các bản tin tóm tắt tự động gửi cho đối tác. Nếu trong một nghìn tệp có mười tệp như thế này, thì tới cuối quý, hệ thống đã học được rằng phim bom tấn và trận cầu lớn là cùng một loại sự kiện. Nó sẽ bắt đầu gợi ý tin điện ảnh cho người hâm mộ bóng đá, và ngược lại, gợi ý bảng thống kê cho người xem phim.

Tôi từng chứng kiến một biến thể nhẹ hơn của lỗi này trong công việc biên tập. Năm 2026, tại World Cup ở Nga, tôi phân tích trận Bỉ gặp Brazil và dự đoán Brazil thắng dựa trên con số kiểm soát bóng 78%. Bỉ thắng 2-1 bằng phản công. Bài của tôi bị sửa tiêu đề thành “Brazil trả giá vì sự ngạo mạn”. Tôi không phản đối tiêu đề. Tôi phản đối việc mình đã dùng một chỉ số để nói thay một trận đấu. Sau đó tôi thu thập dữ liệu vật lý của mười hai trận vòng loại trực tiếp và nhận ra kiểm soát bóng không tương quan với tỉ lệ thắng. World Cup 2026 dạy tôi: dữ liệu có thể dự báo tương lai, nhưng không thể dự báo trái tim.

Từ đó, mỗi luận điểm tôi viết ra đều phải kèm bối cảnh trận đấu, không được đứng trần trụi một mình. Số liệu là tấm bản đồ; trận đấu là lãnh thổ chưa từng được đo đạc. Một con số tách khỏi lãnh thổ là một con số đang nói dối theo cách lịch sự nhất.

Mùa hè năm 2026 dạy tôi điều ngược lại với mọi bản tin. Giữa đại dịch, ở tuổi 49, tôi là một trong ba phóng viên được vào khu tập luyện khép kín của Guangzhou Evergrande. Sân Titan 58.000 chỗ không một bóng người. Tôi ghi lại cảnh Zhang Linpeng sút phạt 47 lần dưới nắng 38 độ C, không một tiếng cổ vũ. Ban huấn luyện muốn tôi viết về tinh thần chiến đấu. Tôi chỉ viết về sự cô đơn. Cuối cùng ban biên tập đứng về phía tôi, vì dữ liệu sức khoẻ tâm lý trong bài rất cụ thể.

Rồi đến Euro 2026. Khi Christian Eriksen đổ gục trên sân ở phút 43 trận Đan Mạch gặp Phần Lan, tôi ở lại Copenhagen hai mươi ngày. Tôi phỏng vấn bác sĩ đội tuyển bốn lần, ghi lại quy trình hồi sức sáu phút như một bản nhạc căng. Khi truyền thông gọi đó là câu chuyện thần kỳ, tôi viết một bài phân tích hệ thống y tế của đội: thiết bị, thời gian phản hồi, sự phối hợp giữa các tuyến. Bài bị chê khô khan. Thủ tướng Đan Mạch trích dẫn nó tại quốc hội. Với tôi, đó là xác nhận cho một lối viết điềm tĩnh.

Bài học ở đó nằm ở chỗ khác: có những thứ chỉ hiện ra khi bạn ở đúng chỗ, đúng lúc, và không có màn hình nào ở giữa. Suốt 47 cú sút của Zhang Linpeng, không có bảng thống kê thời gian thực nào ghi lại việc anh ấy không quay lại nhìn khán đài trống một lần nào.

Sau mùa hè đó, tôi tự đặt một quy tắc gọi là “một trận, một cảnh”. Sau mỗi trận, tôi buộc mình chọn đúng một khoảnh khắc có thể kiểm chứng bằng mắt, không phải bằng bảng số. Một cầu thủ đứng lại sau tiếng còi. Một hàng rào trước khung thành bật dậy sớm nửa nhịp. Một huấn luyện viên không nhìn vào sân mà nhìn xuống đất trong ba giây. Nếu bài viết không có khoảnh khắc ấy, tôi biết mình đang viết từ màn hình, chứ không phải từ khán đài.

Ở Thâm Quyến, tôi học được rằng màn hình không thể thay thế khán đài. Tệp tin sáng nay là một minh chứng nữa: một cái màn hình đã kể cho tôi một câu chuyện rất trôi chảy, rất đầy đủ, về một thứ không hề tồn tại.

Một dạng mất dữ liệu khác

Có một dạng mất dữ liệu khác mà tôi quan sát suốt hai thập kỷ, và nó chẳng liên quan gì tới máy móc: bóng đá đang đồng nhất hoá. Cầu thủ chạy cánh đảo vào trong trở thành tiêu chuẩn, còn cầu thủ cánh truyền thống dần bị coi là lỗi thời. Mỗi lần một mẫu cầu thủ biến mất khỏi sân, chúng ta mất một cách chơi, và mất luôn một cách để đọc trận đấu. Dữ liệu không cứu được điều đó, vì dữ liệu chỉ đo cái đang tồn tại.

Điều tương tự đúng với thể thao điện tử, nơi tôi theo dõi khá sát. Tuổi nghề của một tuyển thủ ngắn hơn cầu thủ bóng đá rất nhiều, nhưng hạ tầng dữ liệu và hệ thống hỗ trợ hậu giải nghệ gần như bằng không. Một nền công nghiệp non trẻ dễ mắc lỗi gán nhãn hơn một nền công nghiệp già. Nên việc hệ thống phân loại nội dung gặp lỗi ở vùng biên giữa các môn không làm tôi ngạc nhiên. Nhưng không ngạc nhiên không có nghĩa là chấp nhận.

Chỗ tôi đi ngược lại

Đây là chỗ tôi muốn đi ngược lại phản xạ chung.

Phản xạ chung là coi lỗi gán nhãn này như một sự cố kỹ thuật. Có một tệp lạc đường, tìm ra nó, sửa nó, xong. Một báo cáo chất lượng dữ liệu, một dòng trong nhật ký hệ thống.

Tôi không nghĩ đó là vấn đề lớn nhất.

Vấn đề lớn hơn nằm ở chỗ khung phân tích chín chiều kia được thiết kế sao cho luôn có thứ để nói. Nó có sẵn ô cho sơ đồ chiến thuật, cho cấu trúc lương, cho áp lực dư luận, cho hồ sơ rủi ro. Cấu trúc ấy hữu ích khi có dữ liệu. Nhưng chính cấu trúc ấy tạo ra áp lực phải lấp đầy. Và áp lực ấy, chứ không phải lỗi từ khoá, mới là thứ sinh ra tin giả một cách có hệ thống.

Một cỗ máy được lập trình để luôn trả lời sẽ luôn trả lời. Kể cả khi câu trả lời đúng là “tôi không biết”.

Trong bóng đá, chúng ta gọi đó là chuyên gia. Người luôn có ý kiến. Người luôn có một đội hình dự đoán, một tỉ số dự đoán, một nguyên nhân dự đoán cho mọi thất bại. Và chúng ta thưởng cho họ bằng lượt xem.

Sau 39 năm quan sát ngành này, tôi tin người đáng tin không phải người trả lời được nhiều câu hỏi nhất. Mà là người dám nói “chỗ này tôi không có dữ liệu” — và nói đúng lúc.

Tôi giữ nhịp cho những mùa giải đã qua, kể cả khi chúng không còn ai lắng nghe. Và tôi không bao giờ chạy nhanh hơn trận đấu; tôi chỉ giữ nhịp cho đến phút cuối cùng. Nhịp đúng, đôi khi, là một khoảng lặng.

Điều tôi để lại

Một tệp lạc đường không làm hỏng nền bóng đá. Nhưng hàng nghìn tệp lạc đường, cộng với một hệ thống luôn sẵn sàng lấp đầy ô trống, có thể làm hỏng cách chúng ta tin vào dữ liệu.

Tôi sẽ theo dõi ba tín hiệu: liệu có thêm tệp không phải bóng đá nào lọt vào nhãn “football”; bộ từ khoá gây va chạm có được rà lại hay không; và khi một bài bóng đá thật được nạp vào, hệ thống còn trả về kết luận đúng hay không.

Và điều tôi muốn hỏi người đọc, để lại ở cuối bài: nếu một cỗ máy có thể viết cho bạn một bản phân tích bóng đá hoàn chỉnh từ một tin điện ảnh, thì bản phân tích ấy của bạn — bao nhiêu phần trăm là thật?