Nhãn 'bóng đá' dán lên một vụ việc đời tư: lỗi hệ thống, không phải tin chuyển nhượng

Một mục tin trôi vào luồng dữ liệu của tôi với nhãn quen thuộc: bóng đá. Có địa danh, có một con số tuổi, có vài mảnh mô tả vụn. Tôi đọc theo phản xạ, vì đó là cách tôi kiểm tra mọi thứ trước khi nó kịp trở thành một dòng đăng. Đến điểm dữ liệu thứ mười sáu, tôi dừng lại. Không một dòng nào nhắc tới đội bóng, cầu thủ, huấn luyện viên, trận đấu, hợp đồng, phí chuyển nhượng hay bất kỳ con số nào của môn thể thao vua. Thứ đang nằm trong hàng đợi chờ phân tích thể thao kia là một vụ việc gia đình riêng tư, gắn với một người không phải nhân vật công chúng. Cái nhãn nói 'bóng đá', còn nội dung nói điều ngược lại hoàn toàn. Đó là lúc tôi hiểu mình đang nhìn vào hai câu hỏi khác nhau: một câu về nội dung, và một câu nghiêm trọng hơn nhiều — về hệ thống đã dán cái nhãn ấy. Ngành truyền thông thể thao hiện đại không còn vận hành bằng mắt người đơn thuần. Nó vận hành bằng đường ống. Mỗi ngày, hàng trăm nghìn mẩu nội dung — bài báo, dòng trạng thái, ảnh chụp, tiêu đề — đổ vào các hệ thống phân loại tự động. Ở tầng đầu tiên, một bộ máy quét từ khóa và nhận diện thực thể gán cho mỗi mẩu nội dung một cái nhãn: bóng đá, bóng rổ, quần vợt, đua xe. Nhãn ấy quyết định nội dung sẽ đi đâu, tới tay ai, và bị phân tích ra sao. Vấn đề nằm ở chỗ: bộ máy học từ ngôn ngữ, mà ngôn ngữ thì mơ hồ. Một địa danh có thể là nơi ở của một cá nhân, cũng có thể là tên thành phố có một câu lạc bộ bóng đá nổi tiếng. Một từ ngữ có thể xuất hiện trong bản tin thể thao, cũng có thể xuất hiện trong một bản tin hình sự. Cái bộ máy không phân biệt được ngữ cảnh với trùng hợp từ vựng. Trong nghề của tôi, nguyên tắc nền tảng là bằng chứng phải được kiểm chứng chứ không được suy ra. Đường ống tự động đã vi phạm nguyên tắc đó ở quy mô công nghiệp. Cơ chế của lỗi này đáng nói hơn bản thân vụ việc. Hãy hình dung quá trình gán nhãn như một trò ghép thẻ. Hệ thống rút ra ba loại tín hiệu: tên thực thể, địa danh, và từ vựng chuyên ngành. Với một mẩu nội dung chứa một địa danh trùng tên thành phố có đội bóng, một bộ nhận diện thực thể thiếu tinh tế sẽ ngay lập tức nối địa danh ấy với câu lạc bộ. Từ đó, cả mẩu nội dung được kéo vào không gian bóng đá, dù chủ thể thật của nó là một con người riêng tư trong một hoàn cảnh riêng tư. Đây là loại lỗi mà giới làm dữ liệu gọi là 'liên kết thực thể sai'. Nó nguy hiểm ở chỗ không phát ra tiếng động. Không ai bị báo động, không ai kiểm tra lại, vì cái nhãn trông hoàn toàn hợp lý với cỗ máy. Nhưng hậu quả thì có thật: một vụ việc đời tư bị đẩy vào một đường ống vốn được thiết kế để đếm phí chuyển nhượng, đo chỉ số đường chuyền, và xếp hạng tin đồn. Những hệ thống như vậy không có chỗ cho một bi kịch cá nhân. Khi nó lọt vào, nó sẽ bị xử lý như mọi dữ liệu khác — bị tóm tắt, bị tái đăng, bị đẩy vào bảng xếp hạng tương tác. Tôi đã sống đủ lâu trong nghề để biết một điều: thứ gì trở thành nội dung mà không qua ai kiểm duyệt thì sẽ biến thành rác rất nhanh, và khi đó là chuyện của một con người thật, rác ấy có thể gây tổn thương thật. Tôi từng dựng cả một hệ thống theo dõi tin chuyển nhượng dựa trên chuỗi bằng chứng, từ văn phòng luật ở Brazil tới ngân hàng ở Tây Ban Nha. Nguyên tắc nền tảng của hệ thống đó rất đơn giản: không có hai nguồn độc lập thì không có kết luận. Một cái nhãn, một mẩu trích dẫn, một dòng trạng thái — không thứ nào trong số đó đủ để trở thành sự thật. Chuỗi bằng chứng không bao giờ nói dối — chỉ có kẻ đọc vội mới tự lừa mình. Vậy mà đường ống gán nhãn tự động lại đang làm đúng cái việc mà tôi dành cả sự nghiệp để tránh: kết luận trước, kiểm chứng sau, và thường là không kiểm chứng gì cả. Điều đáng nói là phản ứng trước một lỗi như thế này thường đi sai hướng. Người ta đổ lỗi cho thuật toán. Nhưng thuật toán chỉ làm việc mà người ta dạy nó. Vấn đề sâu hơn nằm ở chỗ: chúng ta đã âm thầm giao phó phán đoán biên tập — thứ vốn là chuyên môn của người có nghề — cho một hệ thống chỉ biết đếm từ. Cổng biên tập, chốt kiểm duyệt, người chịu trách nhiệm cuối cùng trước khi nội dung được đăng: tất cả đang bị cắt giảm vì nó tốn thời gian và không tạo ra lưu lượng. Trong khi đó, một lỗi gán nhãn không tốn một xu quảng cáo nào, cho tới khi nó nổ. Và khi nó nổ, cái nổ không phải là một tin đồn chuyển nhượng sai — cái nổ là quyền riêng tư của một người không ai hỏi ý kiến. Nghề của tôi được xây trên giả định rằng mọi mẩu thông tin đều phải chịu được câu hỏi 'bằng chứng ở đâu'. Nhưng có một loại bằng chứng mà ngay cả chúng tôi cũng phải từ chối thu thập: đó là chuyện đời tư của người không tự nguyện bước vào ánh đèn. Cỗ máy không có khái niệm 'từ chối thu thập'. Nó chỉ có khái niệm 'có dữ liệu để xử lý'. Đó là lý do vì sao một mình cỗ máy không thể thay được người gác cửa. Tin đồn là hàng rẻ nhất chợ; bằng chứng mới là tiền tệ thật. Nhưng một mảnh đời tư bị dán nhãn sai thì không phải tiền tệ — nó là món nợ mà cả ngành phải trả. Xét cho cùng, lỗi này không nằm ở chỗ hệ thống kia kém thông minh. Nó nằm ở chỗ chúng ta đang xây những đường ống nhanh hơn khả năng tự kiểm tra của chính mình. Một ngành tin vào số liệu đến mức nào cũng phải thừa nhận điều này: trước khi hỏi 'nội dung này thuộc chủ đề gì', cần hỏi 'nội dung này có nên tồn tại trong đường ống hay không'. Cái cổng ấy, nếu được dựng lại, sẽ không làm chậm một tin chuyển nhượng nào. Nó chỉ dừng lại đúng một loại nội dung: loại lấy đi sự riêng tư của người khác để làm lưu lượng cho mình.