Khi UNAM bị xếp nhầm vào chuyên mục bóng đá: một lỗi gán nhãn và cái giá phía sau

Một bản ghi trong hệ thống dữ liệu mang nhãn “Bóng đá”. Bên trong nó là 24 điểm thông tin: không đội bóng, không tỷ số, không bản hợp đồng, không cầu thủ, không sân vận động. Thứ duy nhất trông giống bóng đá là một chuỗi bốn ký tự — UNAM.

Nội dung thật của bản ghi thuộc về một câu chuyện khác hẳn. Đó là cuộc tuần hành ngày 26 tháng 9 năm 2026, khi cha mẹ và người thân của 43 học sinh mất tích tiếp tục yêu cầu được biết điều gì đã xảy ra sau 12 năm. Họ biểu tình trước trụ sở Ủy ban Nhân quyền Quốc gia Mexico (CNDH) và Tòa án Tối cao (SCJN), gặp Chánh án Hugo Aguilar Ortiz, yêu cầu công bố tài liệu liên quan tới lực lượng vũ trang, và chờ một báo cáo của chính phủ về các đường hướng điều tra, dự kiến công bố vào thứ Hai, ngày 28 tháng 9 năm 2026.

Trong toàn bộ 24 điểm thông tin ấy, không có một chữ nào thuộc về bóng đá. Vậy mà hệ thống vẫn gán nhãn như thế. Đó là điểm khởi đầu của câu chuyện tôi muốn kể.

Cách một lỗi như vậy sinh ra không hề bí ẩn. Các hệ thống phân loại nội dung ngày nay chạy chủ yếu bằng nhận diện thực thể tự động: quét văn bản, tìm những cái tên quen thuộc, rồi suy ra chuyên mục. Trong từ điển của một bộ gán nhãn thể thao, “UNAM” là thực thể có thật. Universidad Nacional Autónoma de México là trường đại học công lập lớn nhất Mexico. Pumas UNAM là câu lạc bộ đang chơi ở Liga MX. Hai thực thể gần như trùng tên. Chỉ cần một dòng tin nhắc rằng sinh viên UNAM tham gia đoàn tuần hành, bộ gán nhãn đã có đủ cớ để kéo cả bản ghi vào ngăn bóng đá.

Phần còn lại của văn bản thì không giống bóng đá chút nào. Tiêu đề, sapo, các phát ngôn, toàn bộ dữ kiện đều thuộc lĩnh vực nhân quyền và trách nhiệm giải trình. Một cổng kiểm tra đơn giản — trong văn bản có ít nhất một thực thể bóng đá thật sự như tên giải, tên câu lạc bộ, cầu thủ hay trận đấu hay không — đã đủ chặn lỗi này trước khi nó đi vào hàng đợi phân tích.

Ở Việt Nam, tôi theo dõi hạ tầng nội dung thể thao đủ lâu để thấy vấn đề tương tự luôn có sẵn. Một trang tổng hợp, một công cụ dịch tự động, một bảng tin chuyển nhượng chạy bằng cách nhặt tên cầu thủ rồi ghép với tên câu lạc bộ: đó là môi trường lý tưởng cho lỗi gán nhãn. Khác một điều, ở ta lỗi ấy thường không hiện ra dưới dạng nhãn dữ liệu, mà dưới dạng một tiêu đề sai khiến hàng nghìn người tin rằng một cầu thủ đã rời đội.

Giá trị lớn nhất của một hệ thống dữ liệu bóng đá không nằm ở số lượng bản ghi, mà ở độ chính xác của nhãn. Độ chính xác nhãn lĩnh vực là tỉ lệ bản ghi trong một chuyên mục thực sự thuộc về chuyên mục đó. Một bản ghi mang nhãn “Bóng đá” mà không có bóng đá bên trong là một mẫu nhiễu. Nếu nó lọt vào tập huấn luyện, mô hình bắt đầu học tín hiệu sai — rằng tên một trường đại học là dấu hiệu của bóng đá, rằng từ khóa biểu tình có thể nằm trong chuyên mục chuyển nhượng. Sai một lần thì dễ sửa. Sai cả một lô thì độ chính xác của tầng dữ liệu đi xuống, và niềm tin của người đọc đi xuống theo.

Tin đồn không sai — nó chỉ đến sớm hơn sự thật. Dữ liệu sai thì khác. Nó không đến sớm, nó ở lại, vì nó nằm trong ổ cứng chứ không nằm trong trí nhớ.

Có một chi tiết khiến tôi dừng lại lâu hơn cả. Trong 24 điểm thông tin, chỉ 3 điểm có ghi nguồn: một điểm dẫn thông báo của chính phủ, một điểm dẫn lời các gia đình, một điểm dẫn phát biểu của Chánh án Tòa án Tối cao. Hai mươi mốt điểm còn lại là những khẳng định không ai chịu trách nhiệm. Không tên cơ quan báo chí, không tên người viết, không hãng tin.

Tôi đã nhìn thấy đúng cấu trúc này ở một nơi rất khác: các bảng tin chuyển nhượng. Một bài đăng nói cầu thủ X sang câu lạc bộ Y với mức phí Z tỷ đồng. Không nguồn. Không mốc thời gian. Không điều khoản. Ba ngày sau, mười trang khác dẫn lại. Một tuần sau, người hâm mộ tranh nhau bảo vệ một con số chưa từng tồn tại.

Dựa trên kinh nghiệm theo dõi các trận đấu và các kỳ chuyển nhượng của tôi, tôi luôn tách một bản tin thành hai câu hỏi riêng. Dữ liệu này thực sự nói điều gì? Và ai được lợi khi nó lan ra? Với bản ghi mang nhãn sai kia, câu trả lời đầu tiên là “không nói gì về bóng đá”. Câu trả lời thứ hai thú vị hơn: không ai được lợi. Không có thương vụ nào, không có cuộc đàm phán nào, không bên nào thắng. Chỉ có một cỗ máy đang chạy nhanh hơn khả năng kiểm tra của chính nó.

Mbappé đã dạy tôi một điều: nhìn tốc độ là hay, nhìn hướng di chuyển mới là giỏi. Ở đây, tốc độ là số bản ghi mà hệ thống xử lý mỗi ngày. Hướng di chuyển là việc bản ghi đó đi tới đâu và bị dùng để làm gì. Một bản ghi nhân quyền bị xếp vào ngăn bóng đá không gây hại cho bóng đá. Nó gây hại cho chính câu chuyện bên trong nó: một vụ việc có thật, có người thật, có nỗi đau thật, bị biến thành nhiễu.

Viết cho người bị bỏ quên là nhắc họ rằng tôi chưa bao giờ thôi nhìn. Một bản ghi bị gán nhãn sai cũng là một dạng bị bỏ quên — bị bỏ quên bởi chính hệ thống sinh ra nó.

Chi phí của lỗi này chia thành ba tầng. Chi phí tính toán đến trước: mỗi bản ghi sai vẫn ngốn tài nguyên xử lý, và trong một lô lớn thì đó là tiền thật. Chi phí mô hình nặng hơn: mỗi mẫu nhiễu kéo độ chính xác xuống, và khi độ chính xác xuống thì phải gán nhãn lại từ đầu, công việc đắt hơn nhiều so với việc chặn lỗi ngay ở cổng vào. Tầng khó sửa nhất là chi phí niềm tin. Khi một sản phẩm dữ liệu bóng đá công bố kết luận, người đọc không kiểm tra được nó. Họ chỉ có thể tin hoặc không tin. Mỗi lỗi công khai làm phần “không tin” lớn thêm một chút.

Phản ứng đầu tiên của số đông sẽ là gán nhãn lại, thêm từ khóa, siết bộ lọc. Tôi cho rằng cách sửa ấy đồng thời là cách bỏ sót vấn đề.

Nếu một bộ phân loại tự động không phân biệt nổi bản tin bóng đá với bản tin nhân quyền, thì vấn đề cần hỏi không nằm ở chỗ bộ phân loại hỏng, mà ở chỗ vì sao bản tin bóng đá lại trở nên dễ nhầm đến vậy. Nhìn vào phần lớn nội dung bóng đá được sản xuất hằng ngày — bản tin chuyển nhượng một dòng, clip biên tập lại, danh sách cầu thủ ghi bàn, bài điểm tin theo mẫu — chúng gần như không còn đặc trưng lĩnh vực. Cùng một cấu trúc câu, cùng một kiểu tiêu đề, cùng một cách đặt con số ở đầu. Một cỗ máy đọc hàng nghìn bài như thế sẽ học được rằng “bóng đá” là một khuôn định dạng, chứ không phải một chủ đề. Khi khuôn định dạng trống rỗng, bất cứ nội dung nào vô tình khớp khuôn đều lọt vào.

Điểm mù thứ hai nằm ở niềm tin vào quy trình. Không ai phát hiện lỗi này ở tầng biên tập, vì ở tầng biên tập chẳng có ai. Lỗi chỉ lộ ra khi có người thực sự đọc bản ghi và tự hỏi trong đó có gì. Cổng kiểm tra đáng tin nhất vẫn là một con người chịu đọc.

Điều tôi sẽ theo dõi không phải là bản ghi bị gán nhãn sai kia, mà là hai thứ phía sau nó. Báo cáo dự kiến công bố ngày 28 tháng 9 năm 2026 sẽ nói gì — một mốc kiểm chứng cụ thể, có ngày, có người chịu trách nhiệm. Và liệu các sản phẩm dữ liệu bóng đá có dựng được một cổng kiểm tra ở đúng chỗ cần dựng hay không. Khán đài trống không có nghĩa là không ai đang lắng nghe, nhưng một cái nhãn sai thì luôn có nghĩa là chưa ai đọc kỹ.