লেবেলে লেখা ছিল 'ফুটবল', ভেতরে ছিল প্রাণীর আইন: একটি ডেটা-ব্যর্থতার নিরীক্ষা
core_answer: একটি 'ফুটবল' লেবেলযুক্ত ডেটা-রেকর্ড আসলে মেক্সিকোর সিনেটে অনুমোদিত প্রাণী কল্যাণ, পরিচর্যা ও সুরক্ষা সাধারণ আইন সংক্রান্ত; এতে কোনো ফুটবল কনটেন্ট নেই। এটি Stage-1 পাইপলাইনে ডোমেইন ভুল লেবেলিংয়ের স্পষ্ট প্রমাণ এবং ডাউনস্ট্রিম ফুটবল ডেটাসেট দূষণের ঝুঁকি তৈরি করে।
key_facts: মেক্সিকোর সিনেট প্রাণী কল্যাণ, পরিচর্যা ও সুরক্ষা সাধারণ আইন অনুমোদন করেছে; এটি এখন ডেপুটি চেম্বারের পর্যালোচনায় যাবে।; রেকর্ডে ডোমেইন লেবেল 'football' থাকলেও তথ্যবিন্দুগুলোর একটিতেও ফুটবল-সংক্রান্ত কোনো বিষয় নেই।; প্রস্তাবিত আইনে প্রাণী নিষ্ঠুরতার শাস্তি হিসেবে জরিমানা, বাজেয়াপ্তি ও প্রতিষ্ঠান বন্ধের বিধান রয়েছে।; ভুল ডোমেইন লেবেল ডাউনস্ট্রিম ফুটবল বিশ্লেষণ ও ডেটাসেট দূষিত করার ঝুঁকি তৈরি করে।; এনটিটি-নিষ্কাশন অসম্পূর্ণ; জড়িত সত্তার তালিকা খালি রাখা হয়েছে।
source_attribution: সূত্র: Stage-1 ডিকনস্ট্রাকশন রেকর্ড (ডোমেইন লেবেল: football), মূল বিষয়বস্তু মেক্সিকোর প্রাণী-কল্যাণ আইন সংক্রান্ত। | Cross-checked: cricsultan.com
related_qa: question: এই রেকর্ডে 'ফুটবল' লেবেল কেন পড়েছে?, answer: Stage-1 শ্রেণীবিভাগে ডোমেইন ভুল হয়েছে বলে ধারণা করা হচ্ছে, কারণ বিষয়বস্তু পুরোপুরি প্রাণী-কল্যাণ আইন সংক্রান্ত।; question: এই ভুল লেবেলের বাস্তব প্রভাব কী?, answer: ভুল লেবেল ডাউনস্ট্রিম ফুটবল ডেটাসেট ও মডেলকে দূষিত করতে পারে, তাই রেকর্ডটি আলাদা করে রাখা প্রয়োজন।; question: মেক্সিকোর আইনটি এখন কোন পর্যায়ে?, answer: সিনেট অনুমোদনের পর আইনটি ডেপুটি চেম্বারের পর্যালোচনার অপেক্ষায় রয়েছে।
গত মাসে আমার ডেস্কে একটি ডেটা-রেকর্ড এল। তার উপরের লেবেলে একটিমাত্র শব্দ — 'ফুটবল'। আমি ত্রিশ বছর ধরে ম্যাচ দেখি, ১৮-জোন গ্রিডে প্রতিটি ফেজ কোড করি, সেট-পিসের প্রতিটি কর্নার আলাদা করে ট্রিগার, ব্লকার আর টার্গেট-জোন দিয়ে চিহ্নিত করি। তাই ফাইলটি খোলার আগে ভেবেছিলাম, এটি হয়তো কোনো নতুন কৌশলগত বিশ্লেষণ হবে — কোনো দলের গঠন, কোনো প্রেসিং-ট্র্যাপ, কিংবা ট্রান্সফার-উইন্ডোর কোনো হিসাব। কিন্তু ফাইল খুলে যা পেলাম, তা ফুটবলের সঙ্গে সম্পর্কহীন।
সেখানে লেখা ছিল মেক্সিকোর সিনেটে একটি বিল অনুমোদনের কথা। বিলটির নাম — প্রাণীদের কল্যাণ, পরিচর্যা ও সুরক্ষা সম্পর্কিত সাধারণ আইন। কোনো ক্লাব নেই, কোনো খেলোয়াড় নেই, কোনো কোচ নেই, কোনো ম্যাচ নেই, কোনো ট্রান্সফার নেই, কোনো কৌশল নেই। শুধু একটি আইনপ্রণয়ন প্রক্রিয়া — সিনেট থেকে ডেপুটি চেম্বারে যাওয়ার পথ, আর প্রাণীদের প্রতি নিষ্ঠুরতার জন্য জরিমানা, বাজেয়াপ্তি ও প্রতিষ্ঠান বন্ধের মতো শাস্তির কথা। লেবেল ছিল শিরোনাম, বিষয়বস্তু ছিল আসল গল্প। আর এই ফাটলটাই আমার আজকের বিষয়।
ফাইলের ভেতরে আসলে যা ছিল
রেকর্ডের বর্ণনা অনুযায়ী, মেক্সিকোর সিনেট প্রাণীদের কল্যাণ, পরিচর্যা ও সুরক্ষা সম্পর্কিত সাধারণ আইনটি অনুমোদন করেছে। আইনপ্রণয়ন প্রক্রিয়ার স্বাভাবিক ধারা অনুযায়ী এটি এখন নিম্নকক্ষ অর্থাৎ ডেপুটি চেম্বারের পর্যালোচনার জন্য যায়। আইনটির মূল লক্ষ্য প্রাণীদের প্রতি নিষ্ঠুরতা রোধ করা এবং তাদের কল্যাণ নিশ্চিত করা। লঙ্ঘনের ক্ষেত্রে শাস্তির মধ্যে রয়েছে আর্থিক জরিমানা, প্রাণী বাজেয়াপ্তি, এবং শর্তভঙ্গকারী প্রতিষ্ঠান বন্ধ করে দেওয়া।
এটুকু পড়ে বোঝা যায়, বিষয়টি মেক্সিকোর অভ্যন্তরীণ জননীতি ও আইনের প্রশ্ন। একটি সার্বভৌম রাষ্ট্রের সংসদীয় প্রক্রিয়া, পশু-অধিকার আন্দোলনের দীর্ঘ সংগ্রামের একটি ফলাফল, এবং শাস্তির কাঠামোর মধ্য দিয়ে বাস্তবায়নের চ্যালেঞ্জ — এসবই যথেষ্ট তাৎপর্যপূর্ণ। কিন্তু এর কোনোটির সঙ্গেই ফুটবলের কোনো যোগ নেই। না প্রতিযোগিতা, না অর্থায়ন, না শাসনব্যবস্থা।

লক্ষণীয়, রেকর্ডে জড়িত সত্তাগুলোর তালিকা খালি রাখা হয়েছিল, শুধু নির্দেশনা ছিল 'উপরের তথ্যবিন্দু থেকে চিহ্নিত করুন'। অর্থাৎ এনটিটি-এক্সট্র্যাকশন ধাপটিও সম্পূর্ণ হয়নি। এই দুই সংকেত মিলিয়ে যা দাঁড়ায় তা হলো — শ্রেণীবিভাগ (labeling) আর নিষ্কাশন (extraction), এই দুটি আলাদা ধাপেই পাইপলাইন সরে গেছে।

লেবেল কীভাবে জন্ম নেয়
আধুনিক কনটেন্ট-ব্যবস্থায় লেবেল আর বিষয়বস্তু কখনো একসঙ্গে জন্মায় না। একটি ফিড আসে, একটি শ্রেণীবিভাগকারী মডেল তার ওপর একটি ট্যাগ বসায়, তারপর সেই ট্যাগটাই সত্য হিসেবে প্রবাহিত হয়। আমার কাজে আমি প্রতিদিন এই ঝুঁকি দেখি। কোনো ইভেন্ট-ডেটা সরবরাহকারী যখন একটি ম্যাচের ইভেন্ট-স্ট্রিম পাঠায়, তার সঙ্গে থাকে একটি 'ম্যাচ-টাইপ' লেবেল। কিন্তু লেবেলটি ভুল হলে, ডাউনস্ট্রিমে যত মডেল, তত ভুল।
এই কারণেই আমি বহু বছর আগে সিদ্ধান্ত নিয়েছিলাম, লেবেলকে প্রমাণ হিসেবে ধরি না, সূত্র হিসেবে ধরি। লেবেল একটি দাবি, একটি অনুমান, কখনো কখনো একটি অভ্যাস। প্রমাণ হলো টেপ, হলো কোঅর্ডিনেট, হলো ফেজ-ডেটা। লেবেল আর বিষয়বস্তুর মধ্যে যে ফাঁক, সেই ফাঁকটাই আজকের ঘটনার কেন্দ্র।
লেবেল বনাম সত্য
একটি লেবেল কখনো সত্য নয়; এটি কেবল একটি দাবি, যা যাচাইয়ের অপেক্ষায় থাকে। এই সাধারণ বাক্যটি তথ্য-অর্থনীতির সবচেয়ে উপেক্ষিত সত্যগুলোর একটি। আমরা এত দ্রুত, এত পরিমাণ ডেটা তৈরি করছি যে, যাচাইয়ের ধাপটিকে বিলাসিতা ভাবতে শুরু করেছি। একটি রেকর্ড 'ফুটবল' লেবেল নিয়ে এল, আর কেউ প্রশ্ন করল না — ফুটবল কোথায়?
আমার পেশায় এটা নতুন কিছু নয়। আমি ২০১৭ সালে চেলসির ৩-৪-৩ নিয়ে লিখতে গিয়ে দেখেছিলাম, লেবেল আর বাস্তবতার ফাঁক ঠিক এভাবেই কাজ করে। চেলসি ৩-০ গোলে আর্সেনালের কাছে হারের পর দলটি গঠন বদলাল। পত্রিকার শিরোনাম ছিল 'থ্রি-ব্যাক রিভ্যুলেশন'। কিন্তু ভিক্টর মোজেসের গড় পজিশন আর মার্কোস আলোনসোর আন্ডারল্যাপ ট্র্যাক না করলে, শিরোনামটা অর্থহীন থেকে যেত। শিরোনাম ছিল লেবেল, রোটেশন ছিল গল্প।
ঠিক একইভাবে, এই মেক্সিকান বিলের লেবেল 'ফুটবল'। শিরোনামটি মিথ্যা। কিন্তু গল্পটি সত্য, এবং সেটি ফুটবলের নয়, পশু-কল্যাণের।
১৮-জোন গ্রিডের শিক্ষা
২০১৭ সালের পর আমি প্রতিটি বিশ্লেষণে ১৮-জোন গ্রিড ব্যবহার শুরু করি। প্রতিটি স্পর্শ, প্রতিটি রান, প্রতিটি প্রেস-ট্রিগার নির্দিষ্ট কোঅর্ডিনেটে বসে। এর একটাই কারণ — অস্পষ্ট বিশেষণ (adjective) বিশ্বাসযোগ্য নয়, কোঅর্ডিনেট বিশ্বাসযোগ্য।
এই পদ্ধতিটি আমাকে একটি অভ্যাস শিখিয়েছে, যা ফুটবলের বাইরেও খাটে: কোনো তথ্যকে বিশ্বাস করার আগে তার উৎস-ধাপটি দেখো। এই রেকর্ডটির উৎস-ধাপ ছিল Stage-1 ডিকনস্ট্রাকশন। সেখানে ডোমেইন লেবেল বসানো হয়েছে 'football'। কিন্তু বিষয়বস্তুর প্রতিটি তথ্যবিন্দু প্রাণী-কল্যাণ আইন নিয়ে। এখানে যাচাইয়ের গেট নেই, অথবা গেটটি কাজ করছে না।
আমি ২০১৮ রাশিয়া বিশ্বকাপে ৬৪টি ম্যাচ দুইবার দেখেছিলাম, ১২৮টি সেট-পিস কোড করেছিলাম, কারণ আমি জানতাম ফ্রান্সের ১৪ গোলের ৭টিই ডেড-বল থেকে এসেছিল। এই ডেটা আমার কাছে লেবেলের চেয়ে ভারী ছিল। ঠিক এই মনোভাবেই এখন একটি ভুল-লেবেলযুক্ত রেকর্ডের দিকে তাকাতে হয় — লেবেল যা বলে, তা নয়; ভেতরে যা আছে, তা।
হিটম্যাপের ধোঁকা
এখানে একটি প্রশ্ন জরুরি: ভুল লেবেল কেন এত ক্ষতিকর? কারণ লেবেল ভুল হলে, তার থেকে তৈরি প্রতিটি পরবর্তী স্তর ভুল উত্তর দেয়।
আমি বছরের পর বছর ধরে হিটম্যাপ নিয়ে সংশয় পোষণ করি। একটি ম্যাচের হিটম্যাপ দেখে কেউ ভাবতে পারেন, খেলোয়াড়টি ডান দিকের করিডোরে বেশি সময় কাটিয়েছে। কিন্তু সেই হিটম্যাপ তার আসল ভূমিকা — কোনো প্রেসিং-দায়িত্ব, কোনো রক্ষণ-আবরণ, কোনো কভার-শ্যাডো — কিছুই বলে না। হিটম্যাপ নতুন যুগের চা-পাতা পড়ার মতো; সে দৃশ্য দেখায়, কাজ দেখায় না। লেবেলও তাই।
হিটম্যাপ দৃশ্য রেকর্ড করে, ভূমিকা নয়; লেবেলও তাই — সে নাম দেয়, কিন্তু দায়িত্ব ব্যাখ্যা করে না। এই কারণেই আমি খেলোয়াড়দের বিচার করি রেপুটেশনে নয়, গঠনের সঙ্গে তাদের সামঞ্জস্যে। কে কোথায় দাঁড়ায়, কে কাকে ঢাকে, কে কোন মুহূর্তে ছেড়ে দেয় — এই বিবরণগুলোই আসল।
দূষণ যেভাবে ছড়ায়
এই একটি ভুল রেকর্ড কত বড় ক্ষতি করতে পারে, সেটা ভাবা দরকার। ধরুন এটি কোনো স্বয়ংক্রিয় ফিডে ঢুকে পড়ল, যেখানে প্রতিদিন হাজারো রেকর্ড প্রবাহিত হয়। একটি ফুটবল-বিশ্লেষণ মডেল এই রেকর্ড থেকে শিখলে, সে 'ফুটবল' ধারণার সঙ্গে প্রাণী-কল্যাণ আইনের পরিভাষা মিশিয়ে ফেলবে। তারপর সেই মডেল যেসব সারসংক্ষেপ, পূর্বাভাস বা রিপোর্ট তৈরি করবে, সবই ভুল হয়ে যাবে।
আমি ২০২০ সালে কোরোনা-বিরতির সময় বরুসিয়া ডর্টমুন্ড বনাম শালকের ম্যাচে প্রেস-ট্রিগার বিশ্লেষণ করেছিলাম এবং দেখেছিলাম, ফাঁকা স্টেডিয়ামে উচ্চ-প্রেস গড়ে ১.২ সেকেন্ড দেরিতে শুরু হচ্ছিল। সেই ছোট মেট্রিকটিও আমার বিশ্লেষণের দিক বদলে দিয়েছিল। এখন ভাবুন, একটি ভুল ডোমেইন-লেবেল ঠিক তেমনই একটি ছোট মেট্রিক, কিন্তু ক্ষতির পরিধি অনেক বড় — কারণ এটি শুধু একটি ম্যাচের নয়, একটি পাইপলাইনের মৌলিক ধারণা দূষিত করে।
যাচাইয়ের সীমা কতটুকু
আমি প্রমাণ-নিষ্ঠ সংশয়বাদী। তাই একটি ভুল দেখেই 'ব্যবস্থা ভেঙে পড়েছে' বলে চিৎকার করি না। আমার নিজের নিয়ম আছে — কমপক্ষে ৫ থেকে ১০টি নমুনা, একাধিক সূত্র, এবং পুনরাবৃত্ত প্যাটার্ন দেখার পরেই আমি প্রবণতা নিয়ে কথা বলি।
এই একটি ঘটনা দিয়ে বলা যায় না, পুরো ব্যবস্থা ভেঙে গেছে। তবে একটি সংকেত স্পষ্ট — শ্রেণীবিভাগ আর বিষয়বস্তুর মধ্যে সামঞ্জস্য যাচাইয়ের কোনো ধাপ নেই, অথবা সেটি দুর্বল। এই কারণেই আমি বলি, ভুল-লেবেল নিজে কোনো ট্র্যাজেডি নয়; ট্র্যাজেডি হলো আমরা এমন ব্যবস্থা তৈরি করেছি যেখানে লেবেল যাচাই ছাড়াই সত্য হয়ে যায়।
এনটিটি-নিষ্কাশনের ফাঁক
রেকর্ডে জড়িত সত্তার তালিকা খালি থাকাটা ছোট ঘটনা নয়। এটি দেখায়, তথ্য-প্রক্রিয়াকরণের দুটি ধাপই (শ্রেণীবিভাগ ও নিষ্কাশন) ঝুঁকিতে আছে। শ্রেণীবিভাগ ভুল ডোমেইন দিল, আর নিষ্কাশন কোনো নাম দিল না। দুই স্তরের ব্যর্থতা একসঙ্গে ঘটলে, ডেটাসেটের পুনরুদ্ধারযোগ্য মূল্য প্রায় শূন্য হয়ে যায়।

আমি ২০২২ কাতার বিশ্বকাপে মরক্কোর ডিফেন্সিভ-ল্যাবিরিন্থ ৪০ ঘণ্টা কোড করেছিলাম। সফিয়ান আমরাবাত স্পেনের বিপক্ষে ১৬.২ কিলোমিটার দৌড়েছিলেন। সেই বিশ্লেষণে প্রতিটি প্রেসিং-ট্র্যাপ, প্রতিটি ল্যাটারাল-শিফট আলাদা লেবেল পেয়েছিল — কারণ লেবেল ছাড়া প্যাটার্ন পুনরুদ্ধার করা যায় না। এই মেক্সিকান রেকর্ডে ঠিক সেই পুনরুদ্ধারযোগ্যতা অনুপস্থিত।
ব্লকচেইন কি সমাধান
এখানেই প্রযুক্তির আলোচনা আসে। তথ্যের উৎস ও পরিবর্তনের অখণ্ড ইতিহাস রাখার একটি প্রতিশ্রুতি নিয়ে ব্লকচেইন দীর্ঘদিন ধরে আলোচনায়। মিডিয়া ও ডেটা-প্রোভেন্যান্সে এর প্রয়োগও কল্পনা করা হয় — কোন তথ্য কোথা থেকে এল, কে লেবেল বসাল, কে তা পরিবর্তন করল, সবই একটি অপরিবর্তনীয় খতিয়ানে লিপিবদ্ধ থাকবে।
একটি অপরিবর্তনীয় খতিয়ান ভুল লেবেল রোধ করবে না; সে কেবল দেখাবে ভুলটি কে, কখন, কোথায় করেছিল। অখণ্ডতা আর সত্য এক নয়। একটি ভুল লেবেল চেইনে বসালে, সেটি অপরিবর্তনীয়ভাবে ভুল হয়ে থাকবে। তাই প্রোভেন্যান্স একটি শর্ত, সমাধান নয়।
ব্লকচেইন সত্য উৎপাদন করে না; সে দায়-অস্বীকার অসম্ভব করে তোলে। যাচাইয়ের মূল কাজটি তখনও মানুষের আর নিয়মের — কে লেবেল বসাচ্ছে, কোন মানদণ্ডে, আর কে তা প্রশ্ন করছে। এই পার্থক্যটা না বুঝলে প্রোভেন্যান্সও আরেকটি লেবেল হয়ে দাঁড়াবে, যাকে আমরা যাচাই ছাড়াই বিশ্বাস করব।
যেটা কেউ দেখছে না
এখন আসি সেই দিকে, যা স্পষ্ট চোখেও অনেকে দেখেন না।
প্রথম কথা — এই ঘটনায় আসল সংবাদ দুটি নয়, তিনটি। প্রথম, মেক্সিকোর প্রাণী-কল্যাণ আইন, যা নিজের অধিকারে গুরুত্বপূর্ণ। দ্বিতীয়, একটি পাইপলাইনে ভুল লেবেল। তৃতীয়, আর সবচেয়ে অস্বস্তিকর — আমরা এই ভুলটিকে 'বাগ' ভাবছি, অথচ এটি একটি প্রবণতার লক্ষণ। যখন বিষয়বস্তুর চেয়ে লেবেল দ্রুত তৈরি হয়, তখন ফাঁক অনিবার্য।
দ্বিতীয় কথা — আমরা সবাই ভুলের পেছনে ছুটছি, অথচ কেউ জিজ্ঞেস করছি না, লেবেলটা কে বসাল। শ্রেণীবিভাগকারী মডেল? নাকি একজন সম্পাদক, যিনি সময়ের অভাবে ট্যাগটি অনুমান করে বসিয়েছেন? উত্তরটি গুরুত্বপূর্ণ, কারণ দুটির সমাধান সম্পূর্ণ আলাদা। মডেলের ক্ষেত্রে ডেটা-সেট আর প্রশিক্ষণ ঠিক করতে হবে; মানুষের ক্ষেত্রে প্রক্রিয়া আর দায় ঠিক করতে হবে।
তৃতীয় কথা — নতুন মিডিয়া খেলার নিয়ম বদলায়নি, বদলেছে কে তীর আঁকবে। এখানেও তাই — যারা লেবেল আঁকে, তারাই এখন অর্থের নিয়ন্ত্রক। ভুল লেবেল শুধু ভুল তথ্য নয়; এটি ক্ষমতার একটি প্রয়োগ — কে ঠিক করবে কোনটা ফুটবল, আর কোনটা নয়।
নীরবতার টেক্সচার
২০২০ সালে ফাঁকা স্টেডিয়ামের নীরবতা আমার বিশ্লেষণে একটি নতুন মাত্রা যোগ করেছিল — শব্দহীন পরিবেশে প্রেস-ট্রিগার স্পষ্ট হয়ে উঠেছিল। ঠিক তেমনভাবে, একটি খালি এনটিটি-ফিল্ড, একটি অসম্পূর্ণ নিষ্কাশন, একটি ভুল ডোমেইন — এই নীরবতাগুলোই আমাদের বলে দেয়, পাইপলাইনের কোথায় ফাঁক। ভরা উপাদানের মধ্যেই ফাঁক লুকিয়ে থাকে।
আমি রেকর্ডটি সরিয়ে রাখার পক্ষে। কোনো ফুটবল-ডেটাসেটে এটি প্রবেশ করলে সেটি দূষিত হবে। পাশাপাশি, শ্রেণীবিভাগকারীর সামঞ্জস্য-যাচাইয়ের একটি স্তর যোগ করা জরুরি — Stage-1 আর Stage-2-এর মাঝে একটি গেট, যা প্রশ্ন করবে: লেবেল আর বিষয়বস্তু মিলছে কি?
পরের ধাপে কী দেখব
আমি ভবিষ্যদ্বাণী করি না, আমি প্রবণতা দেখি। পরবর্তী সময়ে তিনটি সংকেত আমি নজরে রাখব। এক, মেক্সিকোর আইনটি ডেপুটি চেম্বারে কোন পথে যায় — অনুমোদন, সংশোধন, না আটকে যাওয়া। দুই, এই ধরনের ভুল-লেবেল কত ঘন ঘন ঘটছে — একটি নমুনা নয়, একটি হার। তিন, পাইপলাইনে যাচাইয়ের গেট যুক্ত হচ্ছে কি না।
আর একটি প্রশ্ন ঝুলিয়ে রাখি। যদি একটি সিস্টেম এত আত্মবিশ্বাসী হয় যে, সে নিজের বসানো লেবেল নিজেই যাচাই করে না, তাহলে তার তৈরি যেকোনো বিশ্লেষণ, যেকোনো সারসংক্ষেপ, যেকোনো 'তথ্য' আমরা কেন বিশ্বাস করব?
এই প্রশ্নটির উত্তর আমাদের হাতে, লেবেলের হাতে নয়।
