Nhãn 'bóng đá' dán nhầm và một ngôi trường ở Iztapalapa: lỗ hổng nằm ở tầng phân loại dữ liệu

Trên bảng điều khiển của tôi ở Barcelona, một mục dữ liệu mang nhãn "bóng đá". Tôi mở nó ra. Không có đội bóng. Không có cầu thủ. Không có tỷ số. Không có xG. Chỉ có một ngôi trường tên Colegio de Bachilleres Plantel 6, ở Iztapalapa, phía đông thành phố Mexico. Những người đeo khẩu trang ném pháo vào khuôn viên. Một giáo viên bị thương ở vùng đỉnh đầu. Một phụ nữ lên cơn lo âu. Một cuộc sơ tán. Và một cuộc điều tra còn bỏ ngỏ. Mùa hè 2026, tôi nhìn thấy bóng ma Opta – và từ đó, mắt tôi không còn tin vào những gì mình thấy. Tôi kể lại chuyện này vì một lý do lớn hơn việc cười cợt một thuật toán. Nó chạm thẳng vào nghề của tôi: phân loại. Trong hơn năm thập kỷ làm báo dữ liệu, tôi học được rằng sai sót nguy hiểm nhất không phải là một con số sai, mà là một con số đúng bị đặt vào sai ngăn. Một dữ kiện đúng, đặt sai chỗ, sẽ đến tay đúng người vào đúng lúc không nên đến. Và khi ngăn ấy mang tên "bóng đá", người đọc có quyền tin rằng họ đang đọc về bóng đá. Thứ Sáu, ngày 9 tháng Mười – bản gốc không ghi năm, một chi tiết tôi sẽ quay lại – một nhóm người đeo khẩu trang xuất hiện quanh khu vực Colonia Unidad Habitacional Vicente Guerrero, trên đại lộ Antonio Díaz Soto y Gama. Theo các phiên bản đầu tiên, họ ném pháo vào sân trường. Trường sơ tán. Lớp học đình chỉ. Phụ huynh và hàng xóm tụ tập bên ngoài, chờ thông tin. Lực lượng của Secretaría de Seguridad Ciudadana, tức SSC, được triển khai và duy trì hiện diện. Hệ thống camera C5 của thành phố Mexico được rà soát. Một giáo viên bị chấn thương đỉnh đầu khoảng một xăng-ti-mét, được cho là không phải chuyển viện. Một phụ nữ khác trải qua cơn lo âu. Đến lúc bài gốc được viết, chưa ai bị xác định danh tính, chưa có động cơ, và chưa rõ các đối tượng vào khuôn viên bằng cách nào. Rồi tôi đọc phần nguồn. Mười ba trong hai mươi điểm thông tin không có nguồn nào. Số còn lại chỉ ghi những cụm mơ hồ: "các báo cáo đầu tiên", "các phiên bản đầu tiên", "thông tin lan truyền", "nhân viên cấp cứu". Đó là hồ sơ nguồn của những giờ đầu tiên sau một sự cố – yếu, và dễ vỡ. Với tư cách người làm dữ liệu, tôi không bận tâm nhiều đến bản thân vụ việc. Tôi bận tâm đến dòng chảy đã khiến vụ việc ấy đi lạc. Một quy trình tin tức hiện đại chạy qua ba tầng: thu thập, gán nhãn, phân phối. Tầng gán nhãn ngày nay thường được tự động hóa. Một mô hình đọc văn bản, nhận diện chủ đề, dán thẻ. Với một bài chứa những từ như "trường", "sân", "đám đông", mô hình có thể nhảy sang ngăn thể thao. Nhưng "sân" trong "sân trường" không cùng trường nghĩa với "sân" trong "sân vận động". Đó là bài toán cổ điển của xử lý ngôn ngữ tự nhiên: đồng âm khác nghĩa, và một mô hình không có mắt để nhìn thấy ngữ cảnh. Có một cái bẫy tinh vi hơn tôi muốn cảnh báo. Ở Mexico, thuật ngữ chỉ các nhóm bạo lực có tổ chức trong môi trường học đường đôi khi bị gán ghép lỏng lẻo với các nhóm cổ động viên bóng đá. Sự trùng tên ấy đủ để một mô hình – và cả một biên tập viên vội – nhảy sang ngăn thể thao. Nhưng bài gốc không hề nối hai hiện tượng này với nhau. Mọi liên hệ như vậy, nếu có, đều là suy diễn. Và suy diễn, trong nghề của tôi, là một món nợ chưa trả. Tôi đếm lại lần thứ ba. Hai mươi điểm thông tin. Không một điểm nào nhắc tới câu lạc bộ, cầu thủ, huấn luyện viên, giải đấu, trận đấu, chuyển nhượng hay chiến thuật. Không một dòng. Nếu đây là một bài bóng đá, nó là bài bóng đá trống rỗng nhất tôi từng đọc – và tôi đã đọc hàng nghìn bài trong đời. Điều đáng chú ý thứ hai nằm ở cách người viết bản gốc tự sửa. Ban đầu, có một khung diễn đạt nghi ngờ về "các thiết bị nổ" và một cuộc ẩu đả. Về sau, chính tác giả thu hẹp lại: thông tin hiện có chỉ cho thấy pháo, chưa xác nhận thiết bị nổ nào khác. Một người viết dám rút lại một khung diễn đạt là người viết đáng tin hơn, không phải kém tin hơn. Nhưng việc tự sửa ấy cũng xác nhận một điều: ở thời điểm đăng bài, đã có ít nhất hai phiên bản cạnh tranh cùng lưu hành giữa các nguồn địa phương. Khi hai phiên bản cùng tồn tại, cái được xuất bản trước thường chỉ là cái nhanh nhất, không phải cái đúng nhất. Và đây là chỗ tôi muốn dừng lại lâu hơn một chút. Khi dạy lớp phóng viên trẻ, tôi luôn nhắc một câu: tương quan không phải nhân quả. Ở đây, biến thể của câu đó là: nhãn không phải sự thật. Một mục được dán thẻ "bóng đá" không vì thế mà trở thành bóng đá. Nhưng trong guồng máy xuất bản, nhãn có một quyền lực âm thầm. Nó quyết định ai nhìn thấy nội dung, ở ngăn nào, cùng với những gì. Dán nhầm, và bạn không chỉ đưa tin sai chỗ; bạn còn tạo ra một loại sự thật giả, được xác nhận bởi chính hệ thống đã dán nhãn. Người đọc không kiểm tra lại nhãn. Họ tin vào nó. Điều trớ trêu là nghề của tôi, nghề dữ liệu, lớn lên nhờ một niềm tin đơn giản: con số không biết nói dối. Nhưng thứ biết nói dối, như tôi từng viết, là người đọc con số. Và giờ đây, "người đọc con số" đôi khi là một mô hình không đọc, chỉ khớp mẫu. Nó không hiểu "trường" khác "sân vận động" ở đâu; nó chỉ biết rằng hai từ ấy từng xuất hiện gần nhau trong hàng triệu văn bản khác. Đó là một cách học rất giỏi về tần suất, và rất dở về ý nghĩa. Tôi từng tin vào cảm giác. Sau Opta, tôi tin vào xác suất. Sau COVID, tôi tin vào cấu trúc. Cấu trúc ở đây là gì? Là một quy trình không có người gác cổng ở tầng gán nhãn. Là một hệ thống tin rằng phân loại là việc của máy, còn kiểm chứng là việc của người – nhưng người thì đã bị dồn sang tầng cuối, nơi sản phẩm đã lên kệ. Mùa hè 2026, khi sân vận động vắng lặng, tôi có đặc ân hiếm hoi được truy cập dữ liệu thời gian thực của một đội hạng hai ở Catalunya. Tôi học được rằng khi khán giả biến mất, một số chỉ số tăng, một số giảm, và không chỉ số nào tự giải thích mình. Dữ liệu chưa bao giờ tự nói. Nó chỉ nói khi có người đặt nó vào đúng ngữ cảnh. Một nhãn sai chính là ngữ cảnh bị đánh tráo. Dựa trên kinh nghiệm theo dõi các trận đấu của tôi, tôi rút ra một nguyên tắc trước khi tin bất kỳ bảng thống kê nào: phải biết nó được lấy mẫu thế nào, bởi ai, và với mục đích gì. Một con số tách khỏi cách nó ra đời là một con số vô chủ. Một mục dữ liệu tách khỏi đúng miền nội dung của nó cũng vậy. Tôi đã 68 tuổi, nhưng dữ liệu thì trẻ hơn tôi từng thấy – mỗi mùa nó lại mọc thêm một lớp răng. Tôi không để lại câu hỏi ai đã dán nhãn sai. Tôi để lại một câu hỏi khác: trong một ngành đang nuốt dữ liệu nhanh hơn khả năng tiêu hóa của chính nó, chúng ta đặt người kiểm tra ở đâu? Nếu câu trả lời là "ở cuối dòng", thì những vụ như ở Iztapalapa sẽ còn tái diễn – âm thầm, ở những ngăn ít ai nhìn, cho đến khi một người đọc kỹ phát hiện ra rằng thứ họ đang đọc không thuộc về nơi nó được xếp. Và có lẽ, trong một mùa mà tin đồn chuyển nhượng át tín hiệu thật, việc giữ đúng nhãn cho đúng nội dung là một dạng kỷ luật dữ liệu khiêm tốn nhưng cần thiết nhất.