ভুল লেবেলের ব্লক: ক্রিকেট ডেটাসেটে ঢুকে পড়া একটি মেরুন গাউন

আমার ল্যাপটপে দুটি পুরনো ফোল্ডার পাশাপাশি পড়ে থাকে। একটি—ভারত ২০১৭-এর অনূর্ধ্ব-১৭ বিশ্বকাপের টেপ, স্কোরকার্ড আর হাতে লেখা নোট, যেখানে ইংল্যান্ডের রিয়ান ব্রুস্টারের আট গোল আর ফাইনালে স্পেনের বিরুদ্ধে ৫-২ জয়ের হিসাব টুকে রাখা। অন্যটি—সুদেবা দিল্লির অনূর্ধ্ব-১৮ দলের ছয় সপ্তাহের রিমোট ওয়েলফেয়ার ফাইল, ২০২০ সালের, যেখানে চোদ্দজন ছেলের নাম আর এগারোজন ফিরে আসার খতিয়ান। গত রাতে তৃতীয় একটি ফোল্ডার খুললাম, গায়ে লেবেল বসানো ছিল cricket_asia। ভিতরে ঢুকে থমকে গেলাম।

ম্যাচ নেই। ইনিংস নেই। ওভার নেই। উইকেট নেই। আছে একটি ছবির সিরিজ—১/১০, ৪/১০, ৭/১০—আর মেরুন রঙের একটি গাউন, গয়নার তালিকা, মেকআপের বর্ণনা, ক্যাপশনে আত্মবিশ্বাসী একটি বাক্য। সময়টা মহালয়ার আগের সন্ধ্যা, লেখায় লেখা "আগামীকাল ষষ্ঠী"। যে রেকর্ডটির ক্রিকেট আর্কাইভে ঢোকার কথা ছিল না, সেটি ঢুকে পড়েছে—কোনো ত্রুটির বার্তা ছাড়াই, চুপচাপ, ব্যাকএন্ডে নিজের জায়গা বানিয়ে নিয়ে।

এই ভুল আকস্মিক নয়। আঞ্চলিক ভাষার ফিড থেকে গল্প তোলার সময় শ্রেণিবিন্যাসকারী মূলত শব্দের সহ-উপস্থিতি দেখে সিদ্ধান্ত নেয়। "পূজা", "মহালয়া", "ষষ্ঠী", "বাংলা", "দক্ষিণ এশিয়া"—উৎসবের মরসুমে বাংলা ভাষার প্রায় প্রতিটি ফিডে এই শব্দগুলো একসঙ্গে হাজির থাকে। উৎসবের ক্যালেন্ডার আর ক্রিকেটের ক্যালেন্ডার সম্পূর্ণ আলাদা, কিন্তু মেশিনের চোখে দুটি একই রকম দেখায়। ফলে ভৌগোলিক ও ভাষাগত ট্যাগ কাজ করে বিষয়গত ট্যাগের মতো, আর cricket_asia লেবেল বসে যায় এমন একটি লেখার গায়ে, যেখানে ক্রিকেটের একটি বাক্যও নেই।

এখানেই মূল পার্থক্যটা। লেবেলটি ভুল তথ্য দেয় না, লেবেলটি ভুল জায়গায় বসে। বিশ্লেষণের ইতিহাসে এটাই সবচেয়ে চেনা আর সবচেয়ে অবহেলিত ধরনের ত্রুটি। এই ধাঁচ নতুনও নয়—উৎসব, ভাষা আর অঞ্চলের শব্দ একসঙ্গে এলে শ্রেণিবিন্যাসকারী প্রায়ই সংস্কৃতি আর প্রতিযোগিতার সীমারেখা মুছে ফেলে। বাংলা ফিডে "পূজা" যেমন, অন্য ভাষায় অন্য উৎসবের নাম তেমন। সমাধান প্রযুক্তিগত দক্ষতার নয়, সংজ্ঞার—কোন শব্দ কোন সীমারেখা টানে, সেটি স্পষ্ট করে লেখা দরকার।

আমি রেকর্ডটি আটটি স্তরে চালানোর চেষ্টা করেছি—ঠিক যেভাবে ২০১৮ সালে রাশিয়া বিশ্বকাপের পরে বত্রিশটি দলের অনূর্ধ্ব-২৩ মিনিটের লেজার বানিয়েছিলাম, ফ্রান্সের ৪-২ ফাইনাল জয় আর কিলিয়ান এমবাপের চার গোল হাতে নিয়ে। সেবার প্রতিটি সারিতে নাম, মিনিট আর ভূমিকা বসেছিল। এবার আটটি সারির আটটিতেই লিখতে হয়েছে: পর্যাপ্ত তথ্য নেই।

ফরম্যাট ও ম্যাচ: টেস্ট নেই, ওয়ানডে নেই, টি-টোয়েন্টি নেই; পাওয়ারপ্লে, মিডল ওভার, ডেথ ওভার, ডিএলএস—কিছুই নেই। খেলোয়াড়ের কারিগরি ও পরিসংখ্যান: উল্লিখিত নামটি একজন অভিনেত্রী, ক্রিকেটে তাঁর কোনো ভূমিকা নেই, গড় নেই, স্ট্রাইক রেট নেই, সাম্প্রতিক ধারা নেই। দল ও র‍্যাঙ্কিং: কোনো দল নেই, কোনো আইসিসি তালিকা নেই, হোম-অ্যাওয়ে কোনো প্রোফাইল নেই। লিগ ও বাণিজ্য: আইপিএল নেই, নিলাম নেই, পার্স নেই, সম্প্রচার-স্বত্ব নেই। নিয়ম ও শাসন: কোনো বোর্ড নেই, কোনো যোগ্যতা-বিধি নেই, দুর্নীতি-প্রতিরোধের কোনো প্রসঙ্গ নেই। ঝুঁকি: খেলাধুলার ঝুঁকি শূন্য, কিন্তু একটি বাস্তব ঝুঁকি দেখা গেল। জন-আখ্যান: উৎসব-সময়ের তারকা-ফ্যাশন, স্থায়িত্ব এক মাসের কম। শিল্পে সঞ্চালন: সম্প্রচার, পৃষ্ঠপোষকতা, ফ্যান্টাসি—কোনো চ্যানেল সক্রিয় নয়।

আটটি স্তরের আটটিই ফাঁকা ফিরে আসা নিজেই একটি তথ্য। সমস্যাটি বিশ্লেষণের স্তরে নয়, সমস্যাটি প্রবেশদ্বারে। যে রেকর্ড ক্রিকেট নয়, সেটি ক্রিকেট লেবেল নিয়ে ভিতরে ঢুকে পড়লে তার ভার বহন করে ভবিষ্যতের সব হিসাব। এনটিটি-তালিকায় ঢুকে পড়ে অখেলোয়াড় একটি নাম; সহ-উপস্থিতির সংখ্যা বাড়ে; অনুভূতির সংকেত বিকৃত হয়। ডেটাসেটে এটির নাম দূষণ।

তরুণ খেলোয়াড়ের আর্কাইভে এই দূষণের আঘাতটা আরও বড়। সিনিয়র ক্রিকেটে হাজারো ম্যাচের ভিড়ে একটি ভুল রেকর্ড হারিয়ে যায়; কিন্তু অনূর্ধ্ব-১৬ বা অনূর্ধ্ব-১৯ স্তরে নমুনা ছোট—কখনো বিশটি ম্যাচ, কখনো বারোটি ইনিংস। সেখানে একটি ভুল শ্রেণিবিন্যাস মানে শতকরা পাঁচ ভাগ বিকৃতি। যে খেলোয়াড়ের কেরিয়ার বিশ্লেষণ করতে গিয়ে আমরা ছোট নমুনার ভিতরেই সিদ্ধান্ত নিই, সেখানে ভুল প্রবেশের খরচ সবচেয়ে বেশি। বারো বছর ধরে আমি ম্যাচ দেখে নোট করি, আর প্রতিবার একই শিক্ষা পাই: ছোট নমুনায় একটি মিথ্যা সংকেত সত্য সংকেতের চেয়ে জোরে কথা বলে।

এখানেই ব্লকচেইন-আলোচনা প্রাসঙ্গিক হয়ে ওঠে, এবং এখানেই সতর্ক থাকা দরকার। ২০১৬ সালে বিডিক্রিকটিম নামের একটি পেজ চালাতাম; সেসব দিনে আমাদের একমাত্র অডিট-ট্রেইল ছিল হাতে লেখা খাতা আর তারিখ দেওয়া পোস্ট। আজ একই ধরনের স্বচ্ছতা চাওয়া যায় ভিন্ন যন্ত্রে—প্রতিটি লেবেলের গায়ে সময়ছাপ, প্রতিটি সংশোধনের অপরিবর্তনীয় রেকর্ড, ক্রিকেট ও বিনোদনের জন্য আলাদা এনটিটি-রেজিস্ট্রি, আর প্রবেশদ্বারে একটি শর্ত: ন্যূনতম একটি স্বীকৃত ক্রিকেট এনটিটি ছাড়া ক্রিকেট লেবেল বসবে না।

শর্তটি ছোট, কিন্তু ফল বড়। প্রবেশদ্বারে বসানো একটি সাধারণ পরীক্ষা—খেলোয়াড়ের নাম, দলের নাম, ফরম্যাট, ম্যাচের ফল—যেকোনো একটি থাকলেই রেকর্ড ভিতরে যাবে; একটিও না থাকলে লেবেল বসবে না। পাশাপাশি একটি সূচক মাপা দরকার: ভুল শ্রেণিবিন্যাসের হার। যত দিন এই হার মাপা হবে না, তত দিন প্রতিটি ডাউনস্ট্রিম মডেল একটি অজানা ত্রুটি উত্তরাধিকার সূত্রে বহন করবে। আর রেকর্ডটি মুছে ফেলা উচিত নয়—এটিকে ফেরত পাঠানো উচিত প্রথম স্তরে, পুনঃশ্রেণিবিন্যাসের জন্য, যাতে ভবিষ্যতে এটি একটি নেতিবাচক উদাহরণ হিসেবে কাজ করে।

কিন্তু সবচেয়ে বড় ফাঁদটা এখানেই লুকিয়ে আছে। অপরিবর্তনীয়তা ভুলকে সংশোধন করে না, ভুলকে চিরস্থায়ী করে। যে রেকর্ড অন-চেইনে বসে গেল, সেটি আর বদলাবে না—সত্যিই নয়, ভুলেও নয়। ব্লকচেইন কেবল প্রতিশ্রুতি দেয় যে রেকর্ডটি বদলায়নি; সে প্রতিশ্রুতি দেয় না যে রেকর্ডটি ঠিক ছিল। ডেটা যদি প্রবেশদ্বারেই দূষিত হয়, তবে সবচেয়ে শক্ত লেজারও কেবল একটি সুন্দরভাবে সংরক্ষিত ভুল হয়ে থাকবে। খেলাধুলার ডেটায় এখন যে উৎসাহে অবকাঠামো কেনা হচ্ছে, সেটি অনেকটা তরুণ খেলোয়াড়ের দাম বাড়িয়ে দেওয়ার প্রবণতার মতো—অনূর্ধ্ব-৫০ ম্যাচের কাউকে বিশাল অঙ্কে কিনে ফেলার মতো; চকচকে বিনিয়োগ, কিন্তু ভিত্তি পরীক্ষা করা হয় না।

সুদেবা দিল্লিতে রিমোট ওয়েলফেয়ার ছিল সেই মৌসুম, যা কেউ সম্প্রচার করেনি—২০২০ সালে চোদ্দজন ছেলের মধ্যে এগারোজন ফিরে এসেছিল, কারণ কেউ একজন রাত জেগে ফোন ধরেছিল। ডেটার ক্ষেত্রেও একই নিয়ম। বিশাল প্যানেল নয়, বরং প্রবেশদ্বারে বসে থাকা একটি ছোট শর্ত—ন্যূনতম একটি ক্রিকেট এনটিটি—সবচেয়ে বেশি রক্ষা করে।

ভারত ২০১৭-এর টেপে ফিরে গিয়ে আমি শিখেছিলাম, প্রমাণ আগে, মুকুট পরে। একইভাবে, ভুল লেবেলের একটি ব্লক যদি আর্কাইভে থেকে যায়, তবে পরের মৌসুমের প্রতিটি সিদ্ধান্ত তার ছায়া বহন করবে। প্রশ্নটা তাই বিশালত্বের নয়—প্রশ্নটা প্রবেশদ্বারের।