খালি টেমপ্লেটের নীরব ব্যর্থতা: এশিয়ান ক্রিকেট ডেটার ভেতরে একটা অদৃশ্য ফাঁক

সেদিন সোমবার। সিউলের ছোট অফিসটায় ভোরের আলো ঢুকছে, আর আমি সোমবারের রিগ্রেশন ফাইল খোলার আগে খুলেছিলাম একটা ডিকনস্ট্রাকশন পাইপলাইনের আউটপুট। প্রতিটা হেডিং জায়গামতো বসানো — Title, Source, Article Type, Summary, Author Stance, Purpose, Information Points। কাঠামো নিখুঁত, একটা নকশার মতো পরিষ্কার। কিন্তু ভেতরে কোনো লেখা নেই। একটা ঘর, যার দেয়াল ঠিকঠাক দাঁড়িয়ে আছে, আসবাবপত্র গায়েব।

২০১৭ সালে আমি সুওন ব্লুইংসের হয়ে একটা গোটা কে লিগ মৌসুম হাতে কোড করেছিলাম — আটত্রিশ ম্যাচ, চার হাজার একশো বিরাশি শট ইভেন্ট, এগারো হাজার নয়শো ডিফেন্সিভ অ্যাকশন। ব্রডকাস্ট ভ্যানের পিছনে বসে প্রতি কিস্ট্রোকে আমি ডেটার উপর একটা ছোট বিশ্বাস রাখতাম, কারণ একটা সংখ্যা অর্থ বহন করে কেবল তখনই, যখন তার পেছনে কে বসেছিল, কখন বসেছিল, কোন ক্যামেরা অ্যাঙ্গেল থেকে দেখেছিল — সেই গল্পটা থাকে। আজ খালি টেমপ্লেটের দিকে তাকিয়ে বুঝলাম, আমি ঠিক সেই গল্পটাই খুঁজছি, যার পেছনে আসলে কোনো গল্প নেই।

কথাটা শুরু হোক একটা নিরাসক্ত সত্য দিয়ে: কোনো নিবন্ধকে ভেঙে ফেলা — তথ্য, দৃষ্টিভঙ্গি, উদ্দেশ্য আলাদা করা — কাজে লাগে তখনই, যখন ভাঙার মতো কিছু সত্যিই থাকে। যে তথ্য পাঠক আগে জানত না, সেটাই আসল লাভ। একটা টেমপ্লেটের সৌন্দর্য কখনো সেই লাভের জায়গা নিতে পারে না, ঠিক যেমন একটা ফাঁকা স্কোরকার্ড খেলার ফলাফল হয়ে উঠতে পারে না।

এশিয়ান ক্রিকেট একটা নির্দিষ্ট ভূগোল। এর সীমানা টেনে দিয়েছে কয়েকটা বোর্ড — ভারতের বিসিসিআই, পাকিস্তানের পিসিবি, শ্রীলঙ্কার এসএলসি, বাংলাদেশের বিসিবি, আফগানিস্তানের এসিবি। এর উপরে আছে এশিয়ান ক্রিকেট কাউন্সিলের শাসন, আর নিচে চলতে থাকে এক টানা টানাপোড়েন: আইপিএল আর আন্তর্জাতিক ক্যালেন্ডারের সংঘর্ষ, ভারত-পাকিস্তান সম্পর্কের ওঠানামা, আর খেলার বাণিজ্যিক কেন্দ্র ভারত আর প্রশাসনিক সংস্থাগুলোর মধ্যে একটা স্থায়ী অস্বস্তি। এই ভূগোলটা জানা দরকার, কারণ একটা ডেটা পাইপলাইনের একমাত্র চিহ্ন যদি হয় একটা লেবেল — cricket_asia — তাহলে সেই লেবেল আমাদের কী বলে, আর কী বলে না, সেটা পরিষ্কার বোঝা জরুরি।

আমার বছরের পর বছর ম্যাচ দেখার অভিজ্ঞতা থেকে বলতে পারি, ক্রিকেটের যেকোনো বিতর্কের কেন্দ্রে থাকে একটা সংখ্যা, আর সেই সংখ্যার পেছনে থাকে একটা সূত্র। কে গুনেছে, কখন গুনেছে, কোন ফ্রেমে গুনেছে — এই প্রশ্নগুলো ছাড়া একটা পরিসংখ্যান শুধুই একটা দাবি। এখানে ঠিক সেই জায়গাটাই ফাঁকা।

cricket_asia একটা দুর্বল পূর্বানুমান (weak prior)। এটা বিষয়ের পরিসর ঠিক করে দেয়, কিন্তু কোনো তথ্য, কোনো তারিখ, কোনো সূত্র বহন করে না। কেউ যদি এই লেবেলটাকে একটা নিশ্চিত সংবাদের মতো ধরে নিয়ে সামনে এগোয়, সে আসলে এমন কিছু বানিয়ে ফেলে যা ডিকনস্ট্রাকশন কখনো সরবরাহ করেনি। এটা ছোটখাটো বিষয় নয়। একটা খালি আউটপুটের সামনে দাঁড়িয়ে আমাদের প্রথম প্রবৃত্তি হলো ফাঁকা ঘরগুলো ভরে ফেলা। আর সেই প্রবৃত্তিটাই সবচেয়ে বড় ফাঁদ।

ব্যর্থতার কয়েকটা সম্ভাব্য ধরন এখানে মাথায় আসে। একটা হতে পারে, কোনো ইনপুট ডকুমেন্টই সরবরাহ করা হয়নি — সব ঘর ফাঁকা, অথচ টেমপ্লেট অটুট। আরেকটা হতে পারে, ইনপুট ছিল কিন্তু অপাঠ্য বা নষ্ট — তাহলে ফাঁকা ঘরের বদলে কোথাও একটা এরর স্ট্রিং থেকে যেত। তৃতীয় সম্ভাবনা, এক্সট্রাকশন চলেছিল কিন্তু কিছু পায়নি, তবু ডোমেইন লেবেল সেট থাকতে পারে, কারণ সেটা কনফিগ থেকে উত্তরাধিকারে এসেছে, নিবন্ধ থেকে নয়। আর শেষ সম্ভাবনা, এটা নিছক একটা স্কিমা-অনলি বা ড্রাই-রান আউটপুট, যেখানে গঠনটা ইচ্ছাকৃতভাবে সম্পূর্ণ, কিন্তু বিষয়বস্তু কখনো বসানোর কথা ছিল না।

এই সম্ভাবনাগুলোর মধ্যে একটা পার্থক্য সবচেয়ে বেশি জরুরি। ডোমেইন লেবেলটা যদি কনফিগারেশন বা টাস্ক সেটআপ থেকে এসে থাকে, তাহলে cricket_asia আসলে নিবন্ধের বৈশিষ্ট্য নয়, বরং কাজটার নাম। এই পার্থক্যটাই নির্ণায়ক: যদি লেবেলটা একটা টাস্ক প্যারামিটার হয়, তাহলে আমাদের হাতে কার্যত শূন্য নিবন্ধ-উদ্ভূত তথ্য আছে। আর একটা টাস্ক প্যারামিটারকে নিবন্ধের তথ্য ভেবে ফেলার ভুলটা ছোট নয় — এটা গোটা বিশ্লেষণের ভিত্তি নষ্ট করে দেয়।

এখানেই আসে নির্দেশনার অসঙ্গতিটা। অতিরিক্ত নোটের ঘরগুলো বিশ্লেষককে তিনটা কাজ দিয়েছে। এক, তথ্যবিন্দুগুলোর ভেতর থেকে সত্তা (entities) চিহ্নিত করা। কিন্তু তথ্যবিন্দু বলে কিছু নেই। দুই, সময়-সংবেদনশীলতা বিচার করা। কিন্তু প্রথম ধাপ সেটা করতে স্পষ্টভাবেই অস্বীকার করেছে। তিন, তথ্যবিন্দুর সোর্স-ক্ষেত্র থেকে সূত্রের গুণমান যাচাই করা। কিন্তু যাচাই করার মতো কোনো সোর্স-ক্ষেত্র নেই। এই নির্দেশনাগুলো যেমন লেখা আছে, তেমনভাবে পূরণ করা অসম্ভব। সঠিক বিশ্লেষণাত্মক প্রতিক্রিয়া হলো সত্তা, তারিখ বা গুণমানের রায় বানানো নয়, বরং স্পষ্টভাবে জানানো যে ডিকনস্ট্রাকশনটা কার্যকর নয় এবং সেটা পুনরায় এক্সট্রাকশনের জন্য ফেরত পাঠানো দরকার। যে বিশ্লেষণ নাম-ধাম বা তারিখ বানাতে নামে, সে আসলে কল্পনা করছে।

এখন আসি সেই ঝুঁকিতে, যেটা এই খালি আউটপুটকে নিছক অসুবিধা থেকে একটা প্রকৃত বিপদে পরিণত করে।

হলুসিনেশনের চাপ (hallucination pressure) হলো প্রথম বিপদ। যে ভাষা-মডেল স্তর সমৃদ্ধ ইনপুট আশা করে, কিন্তু হাতে পায় একটা ফাঁকা স্কিমা, তার একটা প্রবণতা থাকে ডোমেইন লেবেল থেকে ফাঁকা ঘর ভরে ফেলার। cricket_asia যথেষ্ট শক্তিশালী একটা পূর্বানুমান, যেটা বিশ্বাসযোগ্য শোনায় অথচ সম্পূর্ণ বানানো নির্দিষ্ট তথ্য তৈরি করতে পারে — যেমন এশিয়া কাপের ভেন্যু নিয়ে বিসিসিআই আর পিসিবির বিবাদ। বাক্যটা সত্যি শোনায়। সমস্যা হলো, এটা কোথাও থেকে আসেনি।

এখানেই আমি থামতে চাই, কারণ এই জায়গাটা আমি নিজের চামড়ায় টের পেয়েছি। ২০১৭ সালে আমি একটা সম্পূর্ণ কে লিগ মৌসুম হাতে কোড করার পর একটা রিগ্রেশন রিপোর্ট জমা দিয়েছিলাম — লিগের শীর্ষ গোলদাতা চোদ্দ গোল করেছিলেন মাত্র আট দশমিক নয় এক্সজি (8.9 xG) থেকে। আমি সেই পতন আগাম বলে দিয়েছিলাম। পরের মৌসুমে তিনি করলেন ছয় গোল। রাশিয়া, জাপান, বেলজিয়াম: আমি চোদ্দ সেকেন্ড বারবার রিপ্লে করেছি যতক্ষণ না স্ক্রিন ভিড়ের কথা ভুলে গেছে — কুর্তোয়ার ক্যাচ থেকে চাদলির ফিনিশ, ছয় পাস, চুয়াল্লিশ মিটার, লুকাকু বল ছোঁননি কখনো। জাপানের পিপিডিএ (PPDA) ষাট মিনিটের পর আট দশমিক দুই থেকে তেরো দশমিক চার-এ উঠেছিল। এই সংখ্যাগুলোর প্রত্যেকটার পেছনে একটা হাত আছে, একটা সময় আছে, একটা সিদ্ধান্ত আছে।

দ্বিতীয় বিপদ মিথ্যা আত্মবিশ্বাসের বিস্তার (false confidence propagation)। টেমপ্লেটটা যেহেতু সম্পূর্ণ দেখায়, তাই নিচের স্তরের ভোক্তারা হয়তো ধরতেই পারবে না যে এটা আসলে ফাঁকা। একটা নিখুঁত গঠন আর একটা সঠিক বিষয়বস্তুর মধ্যে পার্থক্য করার জন্য তীক্ষ্ণ চোখ লাগে। বেশিরভাগ পাইপলাইনে সেই চোখ থাকে না। ফলে একটা ফাঁকা আউটপুট থেকে জন্ম নেওয়া বিষয়বস্তুকে ভিত্তিসম্পন্ন বলে ধরে নেওয়া হয়।

তৃতীয় বিপদটা সবচেয়ে সূক্ষ্ম: দৃষ্টিভঙ্গি আর উদ্দেশ্যের শূন্যতা। লেখকের পক্ষপাত, ফ্রেমিং, উদ্দেশ্য — এই ক্ষেত্রগুলো ঠিক সেগুলোই, যেগুলো বোঝার জন্য আসল পাঠ্য দরকার। এদের অনুপস্থিতি মানে নির্ভরযোগ্য স্ট্যান্স-বিশ্লেষণ অসম্ভব। আর সেটা সাজিয়ে বলা মানে বিশ্লেষণটাকে নষ্ট করা। আমি বহুবার দেখেছি, একটা ম্যাচের গল্প যখন কেবল স্কোরলাইনে দাঁড়িয়ে থাকে, তখন তার ফ্রেমিং কোথা থেকে এসেছে কেউ জানে না। ক্রিকেটে এটা ভয়ানক, কারণ একটা এশিয়া কাপের ভেন্যু-বিতর্কের পেছনে থাকে দশকের রাজনীতি, আর সেটা একটা বাক্যে ধরা যায় না।

তাহলে এই পরিস্থিতিতে রক্ষণযোগ্য বিশ্লেষণাত্মক সিদ্ধান্তটা কী? আমি ড্যাশবোর্ডের চেয়ে ঠান্ডা নোটবুকটাকে বেশি বিশ্বাস করি; ও মনে রাখে আমি কী অনুভব করেছিলাম। ঠান্ডা নোটবুকটা এখানে একটাই কথা বলে: প্রথম ধাপের আউটপুটকে একটা শূন্য ফল (null result) হিসেবে ধরে নাও। এর একমাত্র ব্যবহারযোগ্য বিষয়বস্তু একটা বিষয়-পরিসরের ইঙ্গিত, আর সেটাও হয়তো একটা টাস্ক-লেবেল, নিবন্ধের বৈশিষ্ট্য নয়। সত্তা, সময়রেখা বা সূত্রের মূল্যায়ন বানাবে না — এগুলো ভিত্তিহীন। বরং যাচাই করে পুনরায় এক্সট্রাকশনে ফেরত পাঠাও: একটা ইনপুট ডকুমেন্ট সত্যিই এসেছিল কি না, পার্সার সফল হয়েছিল কি না, আর ডোমেইন লেবেলের উৎস (নিবন্ধ থেকে এসেছে, না কনফিগ থেকে) লিপিবদ্ধ হয়েছে কি না।

আর শেষে একটা কাঠামোগত সংশোধন দরকার। একটা ব্যর্থ এক্সট্রাকশন যেন নীরবে ফাঁকা অথচ সুগঠিত একটা বস্তু না ছাড়ে, বরং একটা স্পষ্ট অবস্থা-সংকেত ছাড়ে — যেমন extraction_status: failed। নীরব শূন্যতাই সেই ব্যর্থতার ধরন, যা সবচেয়ে বেশি মিথ্যা নির্মাণের জন্ম দেয়। একটা খোলাখুলি ব্যর্থতা বিশ্লেষককে বাঁচায়; একটা চুপচাপ খালি সাফল্য তাকে ধ্বংস করে।

এবার আসি সেই দ্বন্দ্বে, যেটা নিয়ে আমি সবচেয়ে বেশি ভাবি। শিল্পের স্বাভাবিক প্রবৃত্তি বলবে, একটা খালি আউটপুট মানে পরিশ্রম নষ্ট। ফাঁকা ঘরগুলো ভরে দাও, পাঠককে খুশি করো, একটা গল্প দাও। এটাই তো ব্যবসার নিয়ম। কিন্তু আমি এশিয়ান ক্রিকেটে ঢুকে যে শিক্ষাটা পেয়েছি, সেটা উল্টো। খালি আউটপুটটাই এখানে সবচেয়ে সৎ আউটপুট। এটা একটাই সত্য স্বীকার করছে: যা নেই, তা নেই। একটা ফাঁকা ঘরের সামনে দাঁড়িয়ে নিজের কল্পনাকে তথ্য বলে চালিয়ে দেওয়াটা দুর্নীতি, সৃজনশীলতা নয়।

এখানে একটা অদ্ভুত দ্বন্দ্ব আছে। যারা সংখ্যা নিয়ে কাজ করে, তারা জানে একটা মডেল কখন ব্যর্থ হয় — আর সেই ব্যর্থতা লুকানোর সুযোগই হলো ভয়ংকর। মডেল-ভাঙা বিনয় (Model-Breaking Humility) মানে নিজের জেতা দেখানো নয়, মডেলের হার দেখানো। এই ক্ষেত্রে মডেল হারেনি — মডেল কিছুই করেনি। আর কিছু না করার কথা স্বীকার করা সবচেয়ে কঠিন কাজ, কারণ ফাঁকা ঘর পাঠকের চোখে ব্যর্থতা, অথচ বানানো তথ্য পাঠকের চোখে সাফল্য। আমি বহুবার এই চাপ অনুভব করেছি: একটা ম্যাচ রিপোর্টের ফাঁকা জায়গা একটা সুন্দর বাক্যে ভরে দেওয়ার তাগিদ। কিন্তু আমি শিখেছি, চোদ্দ সেকেন্ডের ভেতরে ঢুকে পড়া আর চোদ্দ সেকেন্ডের কথা বানিয়ে ফেলার মধ্যে একটা বিস্তর ফারাক আছে।

যে বিপদটা সবচেয়ে বেশি ভয়ের, সেটা হলো সূক্ষ্ম পচন। একটা ফাঁকা আউটপুট থেকে একটা বানানো বাক্য বেরোয়, সেই বাক্য একটা স্লাইডে যায়, স্লাইডটা একটা রিপোর্টে ঢোকে, রিপোর্টটা একটা সম্প্রচারে যায়। তিন ধাপ পর কেউ আর জিজ্ঞেস করে না সংখ্যাটা কোথা থেকে এলো। এশিয়ান ক্রিকেটের প্রসঙ্গে এটা মারাত্মক, কারণ এখানে প্রতিটা সংখ্যার পেছনে বোর্ড-রাজনীতি, ক্যালেন্ডার-সংঘর্ষ, আর সম্পর্কের ওঠানামা জড়িয়ে থাকে। একটা বানানো ভেন্যু-বিবাদ সত্যিকার কূটনৈতিক উত্তেজনার মতোই ক্ষতি করতে পারে।

তাহলে প্রশ্নটা হলো, আমরা কেন খালি জায়গাকে ভয় পাই? কারণ আমাদের পুরো ব্যবস্থা আউটপুট মাপে, সত্য মাপে না। একটা নিখুঁত কাঠামো দেখতে সফলতার মতো লাগে, আর একটা ফাঁকা ঘর দেখতে ব্যর্থতার মতো। অথচ একটা ডেটা পাইপলাইনে সবচেয়ে মূল্যবান তথ্য হলো তার প্রভেন্যান্স — কোন ফ্রেম, কোন সময়, কোন মানুষের চোখ দিয়ে সংখ্যাটা এসেছে। এই কারণেই আমি প্রথমে কখনো থামি না একটা ফলাফলে, থামি তার উৎসে। প্রভেন্যান্স ছাড়া একটা সংখ্যা কেবল একটা আবহাওয়ার মতো — আজ এটা আছে, কাল নেই, আর কেউ জানে না কেন।

আর ঠিক এখানেই আসে একটা এমন ধারণা, যেটা ক্রিকেটের ডেটা-ব্যবস্থাকে গোড়া থেকে বদলে দিতে পারে। আজকের পাইপলাইনে ডেটার কোনো অটল, পরিবর্তন-অপ্রতিরোধ্য রেকর্ড নেই। একটা সংখ্যা একবার রিপোর্টে ঢুকলে সেটা কে, কখন, কেন লিখেছিল, তার চেইন অফ কাস্টডি হারিয়ে যায়। ঠিক যেমন ব্রডকাস্ট ভ্যানের রাতে আমি প্রতিটা কিস্ট্রোকের সময় লিখে রাখতাম, তেমনি ক্রিকেট ডেটার একটা যাচাইযোগ্য লেজার দরকার — যেখানে প্রতি তথ্যবিন্দু তার উৎস, তার সময়, তার সংশোধনসহ অপরিবর্তনীয়ভাবে গেঁথে থাকবে। যেখানে একটা ব্যর্থ এক্সট্রাকশন নিজেই একটা এন্ট্রি, লুকানোর মতো লজ্জা নয়। এই ধারণাটা ব্লকচেইনের মূল মূল্যবোধের সাথে মেলে — অপরিবর্তনীয়তা আর যাচাইযোগ্যতা — আর ক্রিকেটের ক্ষেত্রে এটা বিলাসিতা নয়, প্রয়োজন।

কারণ একটা খালি টেমপ্লেট যদি চুপচাপ পাস হয়ে যায়, তাহলে তার নিচে বসে থাকা ভাষা-মডেল পরের ধাপে বানানো তথ্য তৈরি করবে, আর সেই বানানো তথ্য একটা এশিয়া কাপের সংবাদের ভেতরে ঢুকে সত্যের মতো আচরণ করবে। আমি এশিয়ান ক্রিকেটে যত দূর দেখেছি, সেখানে বানানো তথ্যের কোনো ঘাটতি নেই — ঘাটতি কেবল যাচাইয়ের।

তাই আমার সুপারিশ সরল, আর কঠিনও। প্রথমত, একটা ব্যর্থ এক্সট্রাকশনকে কখনো নীরবে ফাঁকা বস্তু হিসেবে ছাড়া যাবে না; একটা স্পষ্ট অবস্থা-সংকেত লাগবে। দ্বিতীয়ত, ডোমেইন লেবেলের উৎস আলাদা করে লিপিবদ্ধ করতে হবে — এটা কি নিবন্ধ থেকে এসেছে, না টাস্ক-কনফিগ থেকে। এই দুটো ছোট সংশোধন গোটা পাইপলাইনের ভেতরের মিথ্যা-নির্মাণের প্রবণতাকে কমানো যায়। তৃতীয়ত, সত্তা, তারিখ বা সূত্রের গুণমান নিয়ে কোনো রায় দেওয়া যাবে না, যতক্ষণ না আসল পাঠ্য হাতে আসে।

আমার নোটবুকে সোমবারের পাশে এই সপ্তাহে আমি একটাই লাইন লিখেছি: যে পাইপলাইন নিজের ব্যর্থতা স্বীকার করতে পারে না, সে কখনো সত্যিকারের ডেটা তৈরি করতে পারবে না। এশিয়ান ক্রিকেটের পরের মৌসুমে যখন কোনো বিশ্লেষণ এসে দাবি করবে বিসিসিআই আর পিসিবির মধ্যে নতুন সংঘাত, তখন পাঠকের উচিত একটা প্রশ্ন করা — এই সংখ্যাটার পেছনে কে বসেছিল? কারণ একটা সংখ্যার পেছনে যদি কোনো হাত না থাকে, তাহলে সেটা তথ্য নয়, সেটা একটা খালি ঘর, যাকে কেউ সুন্দর করে সাজিয়ে দিয়েছে।