নাল ইনপুটের ফাঁদ: ক্রিকেট বিশ্লেষণে ডেটা-পাইপলাইন ব্যর্থতা এবং কৃত্রিম বুদ্ধিমত্তার হ্যালুসিনেশন ঝুঁকি

গত সপ্তাহে আমি একটি ক্রিকেট অ্যানালিটিক্স পাইপলাইনের আউটপুট দেখতে বসেছিলাম। যে ডকুমেন্টটা আমার সামনে এল, তার শিরোনাম ছিল ‘Stage-2 Deep Professional Analysis — Cricket’। আটটি বিশ্লেষণী মাত্রা, প্রতিটির জন্য সুসজ্জিত টেবিল, রিস্ক ফ্ল্যাগ, কনফিডেন্স ট্যাগ। কিন্তু যখন আমি প্রতিটি ঘরে চোখ বুলালাম, তখন দেখলাম প্রতিটি ঘর প্রায় একই বাক্যে ভরা — ‘N/A — insufficient information’। ম্যাচ নেই, খেলোয়াড় নেই, দল নেই, লিগ নেই, কোনো তথ্যবিন্দু নেই। শুধু একটি ক্ষুদ্র আঞ্চলিক লেবেল — cricket_asia।

আমি নাল ইনপুটের এই ফাঁদ আগেও দেখেছি। ২০১৮ সালের বিশ্বকাপে জার্মানি-মেক্সিকো ম্যাচের পর এক ঘণ্টার মধ্যে আমি লিখেছিলাম যে ডিফেন্ডিং চ্যাম্পিয়নরা গ্রুপ পর্ব পার করবে না। সেই ভবিষ্যদ্বাণী সত্য হয়েছিল, কারণ আমার হাতে ছিল নির্দিষ্ট ম্যাচ ডেটা — ডিফেন্সিভ লাইনের উচ্চতা, মিডফিল্ড ট্রানজিশনের গতি, জার্মান রক্ষণভাগের পুনরুদ্ধার-দ্রুততার পতন। কিন্তু তথ্য ছাড়া বিশ্লেষণ? সেটা ভবিষ্যদ্বাণী নয়, সেটা জুয়া।

এখানে যে সমস্যাটা সামনে এসেছে, সেটা কোনো ক্রিকেট ম্যাচের সমস্যা নয় — এটা ডেটা-পাইপলাইনের সমস্যা। Stage-1 ডিকনস্ট্রাকশন একটি খালি রেকর্ড ফিরিয়ে দিয়েছে। কোনো শিরোনাম নেই, কোনো সূত্র নেই, কোনো তথ্যবিন্দু নেই, কোনো সত্তা নেই। শুধু একটি আঞ্চলিক ট্যাগ — cricket_asia। এই অবস্থায় Stage-2 বিশ্লেষণ চালানো মানে শূন্যের উপর বিশ্লেষণ চালানো। এবং যখন একটি ভাষা মডেলকে শূন্য ইনপুট দিয়ে ‘বিশ্লেষণ’ করতে বলা হয়, তখন সে দুটির একটি কাজ করে — হয় থেমে যায়, নয়তো বানিয়ে ফেলে।

আমি দুটোই দেখেছি। ২০২১ সালের ১ ফেব্রুয়ারি, ডেডলাইন ডে-তে, আমি বেন ডেভিস এবং ওজান কাবাকের ডাবল সাইনিং ক্লাবের ঘোষণার আগেই ব্রেক করেছিলাম। সেটা সম্ভব হয়েছিল কারণ আমার কাছে নির্দিষ্ট সূত্র ছিল — এজেন্টের মুভমেন্ট, ওয়েজ বিলের স্ট্রাকচার, ক্লাবের ইনজুরি তালিকা। কিন্তু যদি আমার কাছে শুধু ‘লিভারপুল ডিফেন্ডার খুঁজছে’ এই এক লাইন তথ্য থাকত, তাহলে আমি কিছুই লিখতে পারতাম না।

নাল ইনপুটের সবচেয়ে বড় বিপদ হলো ডাউনস্ট্রিম হ্যালুসিনেশন। একটি খালি রেকর্ড যখন বিশ্লেষণ পাইপলাইনে ঢোকে, তখন পরবর্তী স্তরে সেটি খেলোয়াড়, ম্যাচ, পরিসংখ্যান — সব বানিয়ে ফেলতে পারে। এবং সেটি যদি প্রকাশিত হয়, তাহলে পাঠক সেটিকে সত্য বলে বিশ্বাস করবে। ক্রিকেট সাংবাদিকতার ইতিহাসে এমন অনেক উদাহরণ আছে যেখানে ভুল তথ্য ছড়িয়েছে, কিন্তু কৃত্রিম বুদ্ধিমত্তার যুগে সেই ভুলের গতি এবং স্কেল সম্পূর্ণ ভিন্ন।

আমি আমার কেরিয়ারে একটি নিয়ম মেনে চলি — কোনো হট টেক পাঠানোর আগে একটি তুলনামূলক পরিসংখ্যান টেবিল থাকতে হবে। ২০১৭ সালে যখন লিভারপুল মোহামেদ সালাহকে £৩৬.৯ মিলিয়নে কিনেছিল, তখন সবাই বলছিল ‘চেলসি রিজেক্ট’। কিন্তু আমি রোমার হয়ে তার ১৫ গোল এবং ১১ অ্যাসিস্টের ডেটা সাদিও মানের আউটপুটের সাথে তুলনা করেছিলাম, এবং ৪০+ গোল কন্ট্রিবিউশনের ভবিষ্যদ্বাণী করেছিলাম। সে ৪৪ ডেলিভার করেছিল। সেই লেখাটি নয় দিনে চার লাখ পাঠক পেয়েছিল। কিন্তু সেই সাফল্যের মূল শর্ত ছিল — ডেটা।

এখন ভাবুন উল্টোটা। যদি সেই লেখার সময় আমার হাতে শুধু ‘লিভারপুল একজন উইঙ্গার কিনেছে’ এই এক লাইন তথ্য থাকত, তাহলে আমি কী লিখতাম? হয় কিছু লিখতাম না, নয়তো বানিয়ে লিখতাম। এবং বানিয়ে লেখা ক্রিকেট সাংবাদিকতা আজকের সবচেয়ে বড় সংকট।

Stage-2 বিশ্লেষণের আটটি মাত্রার প্রতিটিতে ‘N/A — insufficient information’ লেখা থাকাটা আসলে একটি সততার প্রকাশ। বিশ্লেষণ ইঞ্জিন স্বীকার করছে যে তার হাতে কিছু নেই। কিন্তু সমস্যা হলো, এই সততাটা পাইপলাইনের শেষে আসে, শুরুতে নয়। যদি Stage-1-এ একটি নাল-ইনপুট গেট থাকত, তাহলে পুরো প্রক্রিয়াটি সেখানেই থেমে যেত, এবং কোনো বিশ্লেষণী ডকুমেন্ট তৈরি হত না।

আমি ২০১২ সালে বিডিক্রিকটিম নামে একটি সোশ্যাল মিডিয়া ক্রিকেট পেজ শুরু করেছিলাম। সেই সময়ে আমি শিখেছিলাম, একটি দুর্বল সূত্র থেকে একটি শক্তিশালী গল্প তৈরি করা সম্ভব নয়। ২০১৮ সালে যখন আমি ইংল্যান্ড বনাম ক্রোয়েশিয়া ম্যাচের দুই দিন আগে লিখেছিলাম যে মড্রিচ, রাকিটিচ এবং ব্রোজোভিচ ইংল্যান্ডের পায়ের গতিকে ছাড়িয়ে যাবে, তখন আমার হাতে ছিল দূরত্ব-কভারেজ ডেটা — যা সেই সময়ে আমার নিশে কেউ ব্যবহার করত না। ক্রোয়েশিয়া অতিরিক্ত সময়ে ২-১ জিতেছিল।

কিন্তু এই নাল ইনপুটের ক্ষেত্রে সেই সুযোগটাই নেই। কারণ এখানে কোনো ম্যাচ নেই, কোনো খেলোয়াড় নেই, কোনো দূরত্ব-কভারেজ ডেটা নেই। শুধু একটি লেবেল — cricket_asia।

একটি আঞ্চলিক লেবেল কোনো বিশ্লেষণ নয়। ‘cricket_asia’ বলতে বোঝায় দক্ষিণ এশিয়ার ক্রিকেট পরিধি। কিন্তু দক্ষিণ এশিয়ায় প্রতি সপ্তাহে ডজনখানেক ম্যাচ হয় — ঘরোয়া টুর্নামেন্ট, দ্বিপাক্ষিক সিরিজ, ফ্র্যাঞ্চাইজি লিগ। কোনটি? কোন দল? কোন খেলোয়াড়? কোন ফরম্যাট? এই প্রশ্নগুলোর উত্তর ছাড়া বিশ্লেষণ সম্ভব নয়।

আমি ২০২০-২১ মৌসুমে ‘অ্যানফিল্ড কখনো দ্বাদশ খেলোয়াড় ছিল না’ শিরোনামে একটি লেখা লিখেছিলাম, যখন লিভারপুল টানা ছয়টি হোম লিগ ম্যাচ হেরেছিল। সেই লেখাটি দুই লাখ পাঠক পেয়েছিল এবং এক সপ্তাহের গালমন্দ কুড়িয়েছিল। কিন্তু সেই লেখার ভিত্তি ছিল নির্দিষ্ট ডেটা — খালি স্টেডিয়ামে হোম অ্যাডভান্টেজের পরিসংখ্যানগত পতন। তথ্য ছাড়া সেই লেখা শুধুই একটি দাবি হত, প্রমাণ নয়।

এখন প্রশ্ন হলো — এই নাল ইনপুট পরিস্থিতিতে একজন বিশ্লেষকের কী করা উচিত? আমার উত্তর: থামা। বিশ্লেষণ না করা। কারণ ভুল বিশ্লেষণের চেয়ে অনুপস্থিত বিশ্লেষণ অনেক ভালো। ক্রিকেট সাংবাদিকতায় আমরা প্রায়ই দেখি যে দুর্বল তথ্যের উপর শক্তিশালী মতামত তৈরি হয়, এবং সেটি পাঠকের বিশ্বাস ভাঙে।

আমি মনে করি, প্রতিটি বিশ্লেষণ পাইপলাইনে একটি নাল-ইনপুট গেট থাকা উচিত। যদি Stage-1 কোনো তথ্যবিন্দু না ফেরায়, তাহলে Stage-2 চালানো উচিত নয়। যদি কোনো সত্তা চিহ্নিত না হয়, তাহলে বিশ্লেষণ থেমে যাওয়া উচিত। এবং যদি কোনো শিরোনাম বা সূত্র না থাকে, তাহলে সেই ডকুমেন্ট প্রকাশ করা উচিত নয়।

এই নীতিটি ক্রিকেটের বাইরেও প্রযোজ্য। যেকোনো ডেটা-চালিত বিশ্লেষণে, ইনপুটের গুণমান আউটপুটের গুণমান নির্ধারণ করে। ক্রিকেটে আমরা এটা জানি — একটি ম্যাচের একটি ওভারের ডেটা থেকে পুরো টুর্নামেন্টের ভবিষ্যদ্বাণী করা যায় না। তেমনি, একটি খালি রেকর্ড থেকে কোনো বিশ্লেষণ তৈরি করা যায় না।

আমি আমার ভবিষ্যদ্বাণীর একটি পাবলিক লেজার রাখি। কারণ আমি জানি, ভবিষ্যদ্বাণী করা সহজ, কিন্তু সেটি সত্য হয়েছিল কিনা তা যাচাই করা কঠিন। এই নাল ইনপুট ডকুমেন্টটি সেই লেজারে একটি নতুন এন্ট্রি যোগ করছে — তবে সেটি একটি ভবিষ্যদ্বাণী নয়, একটি সতর্কবার্তা।

প্রশ্ন হলো — কতগুলো ক্রিকেট বিশ্লেষণ আজ প্রকাশিত হচ্ছে যেখানে ইনপুট খালি, কিন্তু আউটপুট আত্মবিশ্বাসী? আমি জানি উত্তরটি অস্বস্তিকর। কারণ যখন একটি ভাষা মডেলকে খালি তথ্য দিয়ে বিশ্লেষণ করতে বলা হয়, তখন সে হয় থামে, নয়তো বানায়। এবং বানানো তথ্য ক্রিকেট সাংবাদিকতায় নতুন নয় — তবে এর স্কেল এবং গতি নতুন।

আমার পরামর্শ সরল। যদি আপনার হাতে তথ্য না থাকে, লিখবেন না। যদি সূত্র না থাকে, দাবি করবেন না। যদি সত্তা না থাকে, বিশ্লেষণ করবেন না। কারণ একটি খালি রেকর্ডের উপর দাঁড়ানো বিশ্লেষণ শুধু ভুল নয় — সেটি পাঠকের বিশ্বাসের সাথে বিশ্বাসঘাতকতা।

আর যদি আপনার পাইপলাইনে নাল-ইনপুট গেট না থাকে? তাহলে আজই সেটি যোগ করুন। কারণ আগামীকাল যখন কেউ সেই আউটপুট পড়বে এবং সেটি সত্য বলে বিশ্বাস করবে, তখন দোষটি মডেলের নয় — দোষটি তাদের, যারা খালি ইনপুট দিয়ে বিশ্লেষণ চালিয়েছে।