মারুন গাউনের ভুল লেবেল: ক্রিকেট ডেটাসেটে ঢুকে পড়া একটি ফ্যাশন ছবি আর অন-চেইন ক্রীড়া বাজারের অদৃশ্য ঝুঁকি

অক্টোবরের একটা সন্ধ্যায় আমি একটা ডেটা ফিড স্ক্রল করছিলাম। মহালয়া পেরিয়ে গেছে, ষষ্ঠী এখনও আসেনি — বাঙালির ক্যালেন্ডারে সেই ফাঁকা দিনগুলো, যখন শহর উৎসবের গন্ধ পায় কিন্তু এখনও পায়নি। ফিডে একটা ছবির সিরিজ এল। দশটা ফ্রেম, ক্রমিক নম্বর দেওয়া: ১/১০, ৪/১০, ৭/১০, ১০/১০। মেরুন রঙের গাউন, সোনার গয়না, নিখুঁত মেকআপ। ক্যাপশনে লেখা: "আমি স্পটলাইট অনুসরণ করি না, আমি স্পটলাইট হয়ে যাই।"

ছবিটা ভালো। কিন্তু আমার চোখ আটকে গেল লেবেলে।

লেবেলটা ছিল: cricket_asia।

কোনো ইনিংস নেই। কোনো ওভার নেই। কোনো উইকেট নেই। কোনো দল, র‍্যাঙ্কিং, দর, চুক্তি বা নিলাম নেই। একটা উৎসব-সময়ের ফ্যাশন ছবি, আর তার ভৌগোলিক ঠিকানা — দক্ষিণ এশিয়া। সেই ঠিকানাটাই তাকে ক্রিকেট ডেটাসেটে ঢুকিয়ে দিয়েছে।

আমি ২০০৬ সালে একটি স্পোর্টস ডেস্কে যোগ দিয়েছিলাম। তারপর উনত্রিশ বছর ধরে ম্যাচ দেখেছি, স্কোরবুক পড়েছি, ট্রান্সফার উইন্ডোর গুজব ছেঁকে সত্য বের করার চেষ্টা করেছি। একটা ভুল লেবেল আমাকে ডেটার অখণ্ডতা সম্পর্কে যতটা শিখিয়েছে, কোনো ম্যাচ রিপোর্ট তা পারেনি — কারণ এই ভুলটা মাঠে ঘটেনি, মাঠে পৌঁছানোর অনেক আগেই ঘটে গেছে।

প্রেক্ষাপট

আধুনিক ক্রীড়া ডেটা চেইন তিন ধাপে চলে। প্রথম ধাপে ইনজেশন: সংবাদ, সোশ্যাল পোস্ট, ফিড, ভাষ্য, স্কোরকার্ড — সব এক জায়গায় জড়ো হয়। দ্বিতীয় ধাপে লেবেলিং: কোনটা ম্যাচ ডেটা, কোনটা খেলোয়াড় প্রোফাইল, কোনটা বাণিজ্যিক চুক্তি, কোনটা নিছক সাংস্কৃতিক উপাদান। তৃতীয় ধাপে বিতরণ: অ্যানালিটিক্স মডেল, সেন্টিমেন্ট সূচক, এনটিটি গ্রাফ, আর এখন অন-চেইন বাজার।

তৃতীয় ধাপটাই সবচেয়ে সংবেদনশীল। অন-চেইন ক্রীড়া বাজারে ওরাকল ফিড দিয়ে স্মার্ট কন্ট্র্যাক্ট চলে। ফ্যান টোকেন, ভবিষ্যদ্বাণীমূলক বাজার, ডেটা-স্বত্বের টোকেনাইজেশন — সবই বাইরের ডেটার উপর নির্ভরশীল। ব্লকচেইনের নিজস্ব কোনো সত্য নেই; সে যা পায়, তাই লিখে রাখে। একবার লিখে ফেললে, সেটা আর মুছে ফেলা যায় না।

এই কারণেই ট্রান্সফার উইন্ডোর গুজব-বাজার আর ডেটা লেবেলিং একই নিয়মে চলে। আগস্ট বা জানুয়ারিতে যখন শুনি অমুক তারকা অমুক ক্লাবে যাচ্ছেন, অভিজ্ঞ সাংবাদিক যা করেন — ফি দেখেন না, কাঠামো দেখেন: রিলিজ ক্লজের গঠন, মজুরির বিল, এজেন্টের চাল। ২০১৭ সালের আগস্টে নেইমারের ২২ কোটি ২০ লক্ষ ইউরোর ট্রান্সফার যখন শিরোনামে, তখন বার্সেলোনার ভক্তরা হারিয়েছিল একজন ফুটবলারকে, আর তার সঙ্গে একটা রবিবারের আচার। ফি তখন গল্প ছিল না, স্মৃতি ছিল। ডেটা লেবেলিংয়েও একই নিয়ম খাটে: সংখ্যা নয়, প্রমাণ।

মূল বিশ্লেষণ

এখানেই আসল সমস্যাটা। একটা ফ্যাশন ছবি ক্রিকেট ডেটাসেটে ঢুকেছে — এটা নিছক মজার ঘটনা নয়, এটা একটা সিস্টেমিক দুর্বলতার নমুনা। আর এই দুর্বলতা তিন জায়গায় ছড়ায়।

এক: ডোমেইন গেটের অভাব। যেকোনো ক্রীড়া ডেটাসেটে ঢোকার আগে ন্যূনতম শর্ত থাকা উচিত — অন্তত একটা স্বীকৃত ক্রিকেট সত্তা: খেলোয়াড়, দল, ম্যাচ, নিয়ম, বা লেনদেন। এই শর্ত পূরণ না হলে লেবেল বসানোই উচিত নয়। এখানে সেটা হয়নি। "পুজো", বাংলা নাম, দক্ষিণ এশিয়ার ভৌগোলিক সংকেত — এই তিনটা মিলে ক্লাসিফায়ারকে ভুল পথে চালিয়েছে।

দুই: এনটিটি রেজিস্ট্রি মিশে যাওয়া। ক্রীড়া জগতের সত্তা আর বিনোদন জগতের সত্তা আলাদা খাতায় থাকা দরকার। একবার কোনো অভিনেত্রীর নাম ক্রিকেট এনটিটি ইনডেক্সে ঢুকে গেলে সেটা সেখানেই থেকে যায়। পরের বার যখন কোনো মডেল "জনপ্রিয় ক্রীড়া ব্যক্তিত্ব" তালিকা বানাবে, সেই নাম ফিরে আসবে — ভুলটা তখন নিজের প্রমাণ নিজেই হয়ে দাঁড়াবে। এনটিটি গ্রাফে দূষণ ছড়ায় ঠিক এইভাবে: একটা ভুল লেবেল, তারপর দশটা ভুল সিদ্ধান্ত।

তিন: অপরিবর্তনীয়তার ফাঁদ। ব্লকচেইনের বড় প্রতিশ্রুতি তথ্যের অখণ্ডতা। কিন্তু অখণ্ডতা দুই ধরনের — সঠিক তথ্য অপরিবর্তিত রাখা, আর ভুল তথ্য অপরিবর্তিত রাখা। ব্লকচেইন দুটোই করতে পারে সমান দক্ষতায়। ইনপুট স্তরে ভুল ঢুকলে স্মার্ট কন্ট্র্যাক্ট সেই ভুলটাকে চিরকালীন করে দেয়। ভবিষ্যদ্বাণীমূলক বাজারে কোনো ফিড যদি ভুল সত্তা গুনে সেন্টিমেন্ট স্কোর বাড়ায়, তার প্রভাব একটা রেকর্ডে সীমাবদ্ধ থাকে না — সেটা দামে, পুলে, এমনকি নিষ্পত্তিতে পৌঁছে যায়।

কেন এটা এত জরুরি, বোঝা যায় অনুপাতে। ইনপুট ফিডে এক শতাংশ ভুল লেবেল থাকলে সেটা নিরীহ মনে হয়। কিন্তু সেই ভুলগুলো যদি একই ধরনের হয় — একই ভাষার, একই উৎসব-সময়ের, একই ভৌগোলিক অঞ্চলের — তাহলে তারা এলোমেলোভাবে ছড়ায় না, গুচ্ছবদ্ধভাবে জমে। গুচ্ছবদ্ধ ভুল মডেলের পক্ষপাত তৈরি করে। মডেল তখন শেখে: এই অঞ্চলের এই সময়ে ক্রিকেট সংকেত বাড়ে। অথচ আসলে বাড়ে উৎসবের ফ্যাশন সংবাদ, যার ক্রিকেটের সঙ্গে কোনো সম্পর্ক নেই।

২০২০ সালের জুলাইয়ে, মহামারির মধ্যে ওয়েলিংটন ফিনিক্স বনাম সিডনি এফসি-র ম্যাচ যখন স্কাই স্টেডিয়ামে দর্শকহীনভাবে শুরু হল, তখন আমি বুঝেছিলাম — একটা স্টেডিয়াম নীরব থাকতে পারে, কিন্তু সেটা ফাঁকা মাঠ নয়, সেটা এমন একটা স্মৃতি যার কোনো বেরোনোর পথ নেই। খালি স্ট্যান্ড আর খালি ডেটাসেটের মধ্যে অদ্ভুত মিল আছে। দুটোতেই আসন থাকে, কেউ বসে না। একটা ফিডে হাজারো রেকর্ড থাকতে পারে, অথচ ক্রিকেটের সত্য একটাও না।

আমি ম্যাচ দেখার অভিজ্ঞতা থেকে একটা কথা বলতে পারি: মাঠে যতটা না ম্যাচ নির্ধারিত হয়, তার চেয়ে বেশি নির্ধারিত হয় প্রস্তুতিতে — পিচ, ডিউ, বাতাস, লাইন-লেংথ। ২০১৮ সালের বিশ্বকাপে ক্রোয়েশিয়া যখন ইংল্যান্ডকে অতিরিক্ত সময়ে ২-১ গোলে হারাল, তখন জাগরেবের বান ইয়েলাচিচ স্কোয়ারের ভিড় সেটাই প্রমাণ করেছিল — জয়টা তৈরি হয়েছিল টেবিলে, তারপর প্রকাশ পেয়েছিল মাঠে। ২০২২ সালে কাতারে মরক্কো যখন প্রথম আফ্রিকান ও আরব দল হিসেবে সেমিফাইনালে পৌঁছাল, ওয়ালিদ রেগ্রাগির ৪-৩-৩ ছিল একটা সমষ্টিগত আলিঙ্গন — কিন্তু সেই কাঠামো তৈরি হয়েছিল অনেক আগে, অনুশীলনের মাঠে। ডেটাতেও তাই: সিদ্ধান্ত আসে ইনপুট প্রস্তুতি থেকে, ফলাফল আসে অনেক পরে।

আর সেই প্রস্তুতির অংশ হল স্বচ্ছ প্রমাণপত্র। কোন ডেটা কোথা থেকে এল, কে লেবেল করল, কতটা আত্মবিশ্বাসে — এটা জানা থাকলে ভুল ধরা পড়ে দ্রুত। না থাকলে ভুলটা সত্যের মতোই চুপচাপ বসে থাকে, কারণ সে কখনও ব্যর্থতার বার্তা দেয় না।

অর্থনীতির দিকটাও ভাবুন। ক্রীড়া ডেটা এখন পণ্য। ওরাকল সেবা ফি নেয়, ফ্যান টোকেনের বাজার সেন্টিমেন্টের উপর দাঁড়ায়, ডেটা-স্বত্বের চুক্তিতে ভাগ বসে অনেকের। এই ব্যবস্থায় ভুল লেবেলের দাম কে দেয়? তাৎক্ষণিকভাবে কেউ না। খরচটা ছড়িয়ে যায় বহু ব্যবহারকারীর মধ্যে, প্রত্যেকে এক টুকরো করে। এটা একধরনের নীরব ভর্তুকি — ভুল ডেটার বিল পুরো বাজারের ঘাড়ে, আর লাভ লেবেল বসানো পাইপলাইনের কাছে। যেখানে জবাবদিহি নেই, সেখানে গতি বাড়ে, নির্ভুলতা কমে।

কিছু প্রকল্প এখন লেবেলিংয়ে স্টেক-স্ল্যাশ মডেল আনছে — ভুল লেবেল দিলে জামানত কাটা যাবে। ধারণাটা আকর্ষণীয়, প্রশ্নটা থাকে বিচারক নিয়ে। যদি বিচারকের কাছেও একই ভৌগোলিক অনুমান কাজ করে, শাস্তি বাড়বে ভুল জায়গায়, আর সঠিক ইনপুটও হয়তো শাস্তি পাবে। প্রণোদনা কেবল শাস্তি দিয়ে ঠিক হয় না, সঠিক সংজ্ঞা দিয়েও ঠিক করতে হয়।

আমি কখনও স্টেডিয়ামের বাইরের ভিড়কেই মূল চরিত্র করেছি। ২০১৭ সালে অকল্যান্ডের কাতালান সম্প্রদায়ের বারোজন বার্সেলোনা ভক্তের সঙ্গে কথা বলে যে লেখাটা লিখেছিলাম, সেটা আশি হাজার পাঠক পৌঁছেছিল — আমার রেডিও শ্রোতার দশ গুণ। ২০১৮ সালে ক্রোয়েশিয়ার চেকার্ড শার্ট নিয়ে লেখাটা ছয় দেশে সিন্ডিকেট হয়েছিল, কারণ সেখানে মদরিচের মিডফিল্ড নিয়ন্ত্রণ আর প্রবাসী পরিচয়ের খোঁজ এক সুতোয় বাঁধা ছিল। Every generation learns its football from a distant radio. আর বাজারের হিসাবটা আলাদা: The market counts zeros; the terrace counts heartbeats. স্মৃতি যখন বিক্রি হতে অস্বীকার করে, তখনই একটা ডিজিটাল কণ্ঠ জন্ম নেয়।

প্রতীক্ষার বিপরীতে

সহজ সিদ্ধান্ত হবে: ক্লাসিফায়ারটা খারাপ, ঠিক করে দিলেই হলো।

আমি দ্বিমত করি। আসল ভুলটা ক্লাসিফায়ারে নয়, লেবেলের অর্থে। "cricket_asia" নামটা শুনতে বিষয়গত মনে হয়, কার্যত সেটা ভৌগোলিক। এশিয়া এখানে একটা জায়গা, একটা ধরন নয়। যতক্ষণ আঞ্চলিক লেবেলকে বিষয়গত লেবেলের মতো ব্যবহার করা হবে, ততক্ষণ এই ভুল ফিরে আসবে — আজ ফ্যাশন ছবি দিয়ে, কাল রান্নার ভিডিও দিয়ে, পরশু কোনো সিনেমার ট্রেলার দিয়ে। পাইপলাইনে "পুজো" শব্দটা ক্রিকেটের সঙ্গে যুক্ত হয় কেবল এই কারণে যে দুটোই একই ভাষা-ভূগোলের ভেতরে বাস করে। এটা ভাষার সমস্যা নয়, শ্রেণিবিন্যাসের অনুমানের সমস্যা।

দ্বিতীয় প্রতীক্ষিত ধারণা: ব্লকচেইন ভুল তথ্য ঠেকায়। আসলে ব্লকচেইন ভুল তথ্য ঠেকায় না, ভুল তথ্যের লুকোচুরি ঠেকায়। পার্থক্যটা বিশাল। একটা ভুল লেবেল যদি এমনভাবে অন-চেইনে ওঠে যে সবার কাছে দৃশ্যমান, সেটা সংশোধনযোগ্য — কারণ উৎস, সময় আর পরিবর্তনের ইতিহাস রেকর্ডে থাকে। কিন্তু ভুলটা যদি অদৃশ্য ইনপুট স্তরে থেকে যায় আর চেইনে ওঠে শুধু তার ফলাফল, তাহলে আমরা উৎসহীন সংখ্যা পাই — যা সংশোধন করা যায় না, কারণ কেউ জানে না সেটা কোথা থেকে এসেছে। নিরাপত্তা আসে স্বচ্ছতা থেকে, প্রযুক্তির ব্র্যান্ড-নাম থেকে নয়।

শেষ কথা

যে ডেটা পাইপলাইন তার ভেতরে ঢোকা সব কিছুকেই সত্য বলে ধরে নেয়, সে যত বড়ই হোক, তার ভিত্তি একটা অনুমানের উপর দাঁড়ানো। প্রশ্নটা তাই ব্লকচেইনের নয়, লেবেলের: আমরা কি প্রমাণ দিয়ে লেবেল লিখছি, নাকি ভাষা আর ভূগোলের সাদৃশ্য দেখে অনুমান করে?

মাঠ যেমন তার নিজের সত্য লেখে না — কেউ লেখে — ডেটাও তেমনই। প্রশ্ন শুধু এই: সেই লেখকের হাতে কলম দেওয়ার আগে আমরা তার নাম জানি কি?