Nhãn 'quần vợt' dán lên bản tin dầu thô: một pha việt vị ở tầng dữ liệu

Đồng hồ ở Hải Phòng chỉ 2 giờ 04 phút sáng. Tôi mở lô bài cuối cùng trong ngày, đúng cái khung giờ mà mọi người đã về nhà và chỉ còn người ngồi trước màn hình với tách cà phê nguội từ lâu. Tệp đầu tiên mang nhãn "quần vợt". Dòng đầu tiên bên trong ghi: dầu Brent giao tháng gần nhất 105,64 USD một thùng, giảm 19 xu; dầu WTI 102,10 USD một thùng, giảm 33 xu, chốt lúc 03 giờ 47 phút GMT.

Tôi đọc lại nhãn lần thứ hai, rồi lần thứ ba. Nhãn vẫn nguyên chữ "quần vợt".

Trong hai mươi sáu điểm thông tin được trích ra từ bản tin ấy, không có một cái tên cầu thủ, một giải đấu, một bảng xếp hạng, một trận đấu, một cú giao bóng, một ban tổ chức, một điều luật, một án phạt. Chỉ có đường ống dẫn dầu, tàu chở dầu, cảng biển, và những cuộc không kích.

Có những lỗi việt vị không ai nhìn thấy, nhưng máy quay thì không bao giờ chớp mắt. Lần này, thứ chớp mắt lại là hệ thống dán nhãn.

Bản tin tôi đang cầm là một bản tin hàng hóa thô. Nội dung xoay quanh việc Ả Rập Xê Út cung cấp thêm các chuyến dầu thô đi vòng qua Oman, khiến nỗi lo gián đoạn nguồn cung dịu bớt, trong khi giá vẫn đứng trên mốc 100 USD một thùng vì rủi ro xung đột chưa tan. Brent từng chạm vùng cao nhất bốn tháng hồi đầu tuần rồi giảm khoảng 3 USD trong phiên trước đó. Ngân hàng DBS đưa ra kịch bản cơ sở cho quý tới là Brent dao động 85 đến 95 USD một thùng, còn kịch bản xấu là giá vọt lên 120 USD rồi mới hạ nhiệt về quanh 100 USD.

Những cái tên được nêu trong bài đều thuộc thị trường tài chính: Hiroyuki Kikukawa, chiến lược gia trưởng của Nissan Securities Investment, và Suvro Sarkar, trưởng bộ phận nghiên cứu năng lượng của DBS Bank. Nguồn tin gồm Saxo Bank, DBS, cùng ba nguồn dầu khí và an ninh giấu tên. Phía sau là các cuộc không kích của Ả Rập Xê Út vào Yemen, các vụ drone và tên lửa của lực lượng Houthi nhắm vào thành phố Ả Rập Xê Út, việc dừng bốc dỡ hàng tại cảng Yanbu, hủy các chuyến giao hàng tới châu Âu, và hai trạm bơm trên tuyến đường ống Đông-Tây bị hư hại với thời gian sửa chữa chưa xác định.

Khung phân tích mà tôi phải áp cho tệp này có chín tầng: kỹ chiến thuật, dữ liệu và phong độ, hệ thống giải đấu, cục diện nhà nghề, luật và quản trị, quản lý đội và vận động viên, rủi ro, truyền thông và kỳ vọng, cùng chuỗi lan tỏa của ngành quần vợt. Cả chín tầng đều trả về giá trị rỗng.

Điểm mấu chốt nằm ở chỗ hệ thống đọc đúng nội dung nhưng dán sai nhãn.

Điều khiến tôi phải ngồi lại là chất lượng của khâu trích xuất. Tên riêng đầy đủ, chức danh đầy đủ, cơ quan đầy đủ, giá có đơn vị, thời điểm có múi giờ, các nguồn tin được phân tầng rõ ràng từ nguồn định danh tới nguồn giấu tên. Một dây chuyền trích xuất tồi không làm được như vậy. Nhưng khâu đầu tiên, khâu gán nhãn lĩnh vực, lại là khâu duy nhất thất bại. Hai mươi sáu trên hai mươi sáu điểm thông tin nằm ngoài lĩnh vực quần vợt, nghĩa là sai tuyệt đối, chứ không phải sai sót lẻ tẻ.

Trong phòng VAR, chúng tôi phân biệt hai loại lỗi. Loại thứ nhất là lỗi hình ảnh: góc máy mờ, khung hình thiếu, tốc độ không đủ. Loại thứ hai là lỗi lựa chọn: hình ảnh đủ nét nhưng người ta chọn sai khung để soi. Bản tin dầu thô này thuộc loại thứ hai. Máy quay sắc nét, khung hình đầy đủ, người ngồi chọn khung lại nhìn nhầm sân.

Tôi tìm thấy lỗi việt vị đó lúc 2 giờ sáng, sau khi mọi người đã về nhà. Tôi từng mất ba tuần xem lại toàn bộ 64 trận của một kỳ World Cup sau khi bỏ sót một pha để bóng chạm tay, nên tôi biết cảm giác ấy: sai một khung, sai cả chuỗi phía sau. Ở đây, một nhãn sai kéo theo chín tầng phân tích rỗng. Nếu không ai chặn lại, tệp này sẽ đi tiếp vào kho dữ liệu quần vợt, mang theo từ vựng về đường ống, cảng biển, và cả những cái tên chẳng liên quan gì tới banh nỉ. Từ vựng lạ lọt vào kho sẽ làm hỏng từ điển thực thể, làm lệch đường cơ sở từ khóa, và tới một lúc nào đó, một mô hình sẽ học rằng Yanbu là một tay vợt.

Có một chi tiết nữa đáng ghi lại. Bản tin ghi 03 giờ 47 phút GMT và "thứ Năm", nhưng không có ngày cụ thể. Với một bản tin thị trường, thiếu mốc ngày nghĩa là dữ liệu giá không neo được vào lịch. Tôi dò các mốc thời gian gián tiếp trong bài: cuộc tấn công vào cuối tháng Hai, và một hội nghị thượng đỉnh Mỹ-Trung vào tuần sau. Người đọc cẩn thận có thể tái dựng khoảng thời gian, nhưng hệ thống thì không tự làm việc đó. Khâu kiểm tra chéo giữa nhãn và nội dung đã bị bỏ trống hoàn toàn.

Biến số quan trọng nhất của bản tin ấy bị chính nó ghi là "chưa xác định": thời gian sửa chữa hai trạm bơm. Toàn bộ khoảng cách giữa kịch bản cơ sở 85 đến 95 USD và kịch bản xấu 120 USD nằm gọn trong một dấu hỏi chưa có câu trả lời. Một bàn phân tích năng lượng sẽ theo dõi biến số này mỗi ngày. Tôi, người được giao phân tích quần vợt, chỉ có thể ghi lại nó như một chỉ dấu rằng nhãn đã sai.

Cách phản ứng dễ nhất là đổ cho máy. Tôi không chọn cách đó.

Một hệ thống gán nhãn tự động chỉ làm đúng những gì người ta cấu hình cho nó. Khi một trường phân loại bị để trống và tự nhận giá trị mặc định, lỗi nằm ở quy trình thiết kế, không nằm ở thuật toán. Sai lầm lớn nhất không phải là cầm còi, mà là không dám nhận tiếng còi của mình. Dây chuyền này đã thổi một tiếng còi sai, và không ai trong chuỗi đứng ra nhận.

Vấn đề sâu hơn là quyền sở hữu. Không ai được giao nhiệm vụ kiểm tra nhãn, bởi kiểm tra nhãn là công việc không sinh ra tiêu đề, không sinh ra lượt đọc, không ai khen. Nó giống hệt công việc của một trợ lý VAR: ngồi trong phòng tối, xem lại khung hình, và biến mất khi trận đấu kết thúc. Trọng tài là người duy nhất trên sân không được phép chọn phe, và tôi đứng sau lưng họ. Nhưng nếu không có ai đứng sau lưng người dán nhãn, cái sai sẽ đi thẳng ra công chúng.

Tôi cũng tự soi lại mình. Nếu tôi đọc tiêu đề, thấy mọi thứ hợp lý với một bản tin hàng hóa, rồi lướt tiếp vì cho rằng đó không phải việc của mình, thì lô bài ấy đã qua cửa. Một milimet thay đổi số phận một đội bóng; tôi đã học cách sống chung với điều đó. Ở tầng dữ liệu, một nhãn lệch cũng làm đổ vỡ cả một chuỗi sản phẩm phía sau.

Tôi đề xuất một quy tắc lấy từ chính nghề cũ của mình: giữ chậm hai giây trước khi chốt một nhãn lĩnh vực. Hai giây ấy đủ để một người mở tệp, đọc dòng đầu, và tự hỏi liệu chữ "quần vợt" có thật sự thuộc về chỗ này. Chi phí gần bằng không; thiệt hại khi bỏ qua thì không có giới hạn.

Trong quy trình của bạn, ai đang giữ trách nhiệm cho những quyết định không ai nhìn thấy?