ব্লকচেইনে ভুল ডেটার ছাপ: স্পাইডার-ম্যানের ২.৪৯৫ বিলিয়ন ডলার যেভাবে ফুটবল ট্রান্সফার মডেল দূষিত করল

গত সপ্তাহে ট্রান্সফার-মার্কেট মডেলের ডেটা ক্লিনিং করতে গিয়ে একটা সংখ্যা চোখে পড়ল: ২.৪৯৫ বিলিয়ন ডলার। এটা কোনো প্রিমিয়ার লিগ ক্লাবের বার্ষিক ওয়েজ বিল নয়, সৌদি প্রো লিগের রেকর্ড ফিও নয়। এটা সনি পিকচার্সের “স্পাইডার-ম্যান: ব্র্যান্ড নিউ ডে”-এর বিশ্বব্যাপী বক্স অফিস আয়। তবু রেকর্ডটা ঢুকে পড়েছিল একটি ফুটবল-বিশ্লেষণ পাইপলাইনে, তার ডোমেইন লেবেল লেখা “Football”। পাশে বসেছিল “Avengers: Endgame: Encore”-এর ৮৬ মিলিয়ন ডলার রি-রিলিজ আয়, যা ট্রান্সফার ফি নয় কোনোভাবেই। ব্লকচেইন-ভিত্তিক স্পোর্টস ডেটা ভেরিফিকেশনের যুগে এই একটা লেবেল-ভুল কেবল অসতর্কতা নয়; এটা পুরো মডেলের নির্ভরযোগ্যতা প্রশ্নবিদ্ধ করার উপাদান। আমি খুলনার একটা ছোট ডেস্ক থেকে এই ডেটা মডেলিং শুরু করেছি ২০১৭ সালে, যখন নেইমারের ২২২ মিলিয়ন ইউরো পিএসজি মুভ আমার সামনে একটা নতুন প্রশ্ন দাঁড় করিয়েছিল — ফি-র চেয়ে ওয়েজ-অ্যাডজাস্টেড কস্ট বেশি গুরুত্বপূর্ণ। সেদিন থেকেই আমি প্রতিটা ডেটা পয়েন্টকে একটা সোর্স-কনফিডেন্স টায়ারে ফেলতে শুরু করি। আজ যখন এআই-নির্ভর ক্লাসিফায়ার ফুটবল ডেটা ট্যাগ করছে, তখন সেই পুরনো অভ্যাসটাই সবচেয়ে জরুরি হয়ে দাঁড়িয়েছে। বিষয়টা বুঝতে হলে স্পোর্টস ডেটা পাইপলাইনের গঠনটা জানা দরকার। একটা আধুনিক স্পোর্টস অ্যানালিটিক্স সিস্টেম তিন স্তরে কাজ করে। প্রথম স্তরে থাকে সোর্স ক্যাপচার — সাংবাদিকের রিপোর্ট, ক্লাবের অফিসিয়াল বিবৃতি, ট্রেড পাবলিকেশন, আর এজেন্টের লিক। দ্বিতীয় স্তরে থাকে ডিস্ট্রাকচারিং — সেখানেই এনটিটি এক্সট্রাকশন ও ডোমেইন লেবেলিং হয়। তৃতীয় স্তরে থাকে মডেলিং — ফি, ওয়েজ, অ্যামোর্টাইজেশন, এফএফপি হেডরুম। সমস্যা হয় দ্বিতীয় স্তরে। এনটিটি এক্সট্রাকশন (NER) যন্ত্রের পক্ষে “Daredevil”, “Luke Cage”, “Iron Fist” বা “The Defenders”-এর মতো নাম ক্লাবের নাম বলে ভুল করা খুব সহজ। আর ডোমেইন লেবেল যদি “Football” হয়ে যায়, তাহলে স্টুডিওর বক্স অফিস গ্রস আর ক্লাবের ট্রান্সফার ফি-র মধ্যে পার্থক্যটা মডেল আর ধরতে পারে না। ডেডলাইন যেহেতু বিনোদন জগতের একটা সম্মানিত ট্রেড, তাই এই রেকর্ডের ক্রেডিবিলিটি বিনোদন সাংবাদিকতার ভিতরে মাঝারি — কিন্তু সনি এখনো অফিসিয়ালি রি-রিলিজের তারিখ ঘোষণা করেনি, তাই এটা রিউমর-টায়ার। এখন কল্পনা করুন, এই রেকর্ডটা একটা ব্লকচেইন-ভিত্তিক স্পোর্টস ডেটা লেজারে ঢুকে গেল। ব্লকচেইনের মূল প্রতিশ্রুতি হলো ইমিউটেবিলিটি — একবার লেখা হয়ে গেলে বদলানো যায় না। সেটা ডেটার নির্ভরযোগ্যতার জন্য দারুণ, যদি ডেটাটা সঠিক হয়। কিন্তু যদি লেবেলটাই ভুল হয়, তাহলে ইমিউটেবিলিটি একটা স্থায়ী ভুলকে পাকা করে ফেলে। ফুটবল মডেলের নির্ভরযোগ্যতার সবচেয়ে বড় শত্রু কোনো একক এজেন্ট নয়, বরং চেইনে ঢুকে পড়া একটা ভুল লেবেল। ফুটবল ইন্ডাস্ট্রির ট্রান্সমিশন চেইনটা ভাবুন। উপরের স্তরে থাকে অ্যাকাডেমি ও ট্যালেন্ট সাপ্লাই, মাঝের স্তরে ক্লাব ও কম্পিটিশন, নিচের স্তরে ব্রডকাস্টিং ও কমার্শিয়াল মার্কেট। এই চেইনের প্রতিটা স্তর ডেটার ওপর নির্ভর করে — স্কাউটিং রিপোর্ট, ভ্যালুয়েশন, স্পন্সরশিপ ডিল। একটা ভুল লেবেল উপরের স্তরে ঢুকলে সেটা নিচ পর্যন্ত গড়ায়। ব্র্যান্ড নিউ ডে-র ক্ষেত্রে ফুটবল চেইনের কোনো স্তরেই আসল ইমপ্যাক্ট নেই, কারণ এটা ফুটবলই নয়। কিন্তু যদি এই রেকর্ড কোনো ডেটা-মনিটরিং ড্যাশবোর্ডে ঢুকে পড়ে, তাহলে সেটা একটা ফলস-পজিটিভ রিস্ক অ্যালার্ট তৈরি করতে পারে — যেখানে কোনো রিস্কই নেই। এবার আসল মডেলের কথায়। আমি হেডলাইন স্থির হওয়ার আগেই ওয়েজ-অ্যাডজাস্টেড মডেল চালিয়ে ফেলি — কারণ ফি হলো শিরোনাম, আর অ্যামোর্টাইজেশন হলো সত্য। যদি “Brand New Day”-এর ২.৪৯৫ বিলিয়ন ডলারকে ভুল করে একটা ক্লাবের ট্রান্সফার বাজেট ধরে নেওয়া হয়, তাহলে সেই ক্লাবের ফাইন্যান্সিয়াল ফেয়ার প্লে হেডরুমের হিসাব পুরোপুরি এলোমেলো হয়ে যাবে। ২.৪৯৫ বিলিয়ন ডলার প্রায় ২.৩ বিলিয়ন ইউরোর সমান — সৌদি প্রো লিগের একটা পুরো মৌসুমের মোট খরচের চেয়েও বড় একটা সংখ্যা। মডেলের ভিতরে কী হয়, সেটা ধাপে ধাপে দেখা যাক। প্রথম ইনপুট: ট্রান্সফার ফি। দ্বিতীয় ইনপুট: সাপ্তাহিক ওয়েজ। তৃতীয় ইনপুট: এজেন্ট কমিশন, সাধারণত ফি-র ১০ শতাংশের আশপাশে। চতুর্থ ইনপুট: অ্যামোর্টাইজেশন স্প্রেড — সাধারণত চুক্তির দৈর্ঘ্যে ভাগ করা হয়। যদি ভুল লেবেলের কারণে প্রথম ইনপুটটাই ভুল হয়, তাহলে বাকি তিনটা ইনপুট কোনো কাজেই আসে না। আমার মডেলে একটা নিয়ম আছে — কোনো সংখ্যা মডেলে ঢোকার আগে তার ইউনিট আর কনটেক্সট যাচাই করতে হবে। ৮৬ মিলিয়ন ডলার যদি কোনো ক্লাবের ট্রান্সফার ফি হয়, তাহলে সেটা একটা টায়ার-টু ডিল। কিন্তু সেটাই যদি একটা ফিল্ম রি-রিলিজের আয় হয়, তাহলে সেটা ফুটবল মডেলের জন্য শূন্য। একই সংখ্যা, দুটো ভিন্ন জগৎ। ডেটা সায়েন্সে এটাই সবচেয়ে বড় ফাঁদ — কনটেক্সট ছাড়া সংখ্যার কোনো অর্থ নেই। দেখুন, “Avengers: Endgame: Encore”-এর ৮৬ মিলিয়ন ডলার রি-রিলিজ আয়কে অনেকে ব্র্যান্ড নিউ ডে-এর রি-রিলিজের প্রত্যাশার অ্যাঙ্কর হিসেবে ব্যবহার করছেন। এটা ক্লাসিক অ্যাঙ্করিং হিউরিস্টিক — একটা পরিচিত সংখ্যা ধরে নিয়ে তার ওপর ভবিষ্যৎ অনুমান দাঁড় করানো। কিন্তু এই অ্যাঙ্করটা ভুল হতে পারে, কারণ Endgame: Encore-এর ভিতরে ছিল “Avengers: Doomsday”-এর টিজার ফুটেজ — একটা ক্রস-প্রোমোশনাল হুক, যা ব্র্যান্ড নিউ ডে-এর রি-রিলিজে হয়তো থাকবে না, শুধু রোজারিও ডসনের ক্লেয়ার টেম্পল দৃশ্যটা ছাড়া। আর এখানেই আমার মূল আপত্তিটা। অ্যামোর্টাইজেশন মডেলের সবচেয়ে বড় দুর্বলতা হলো ইনপুট লেবেলিং। একটা ভুল লেবেল চেইনে ঢুকলে সেটা মডেলের ভিতরে ছড়িয়ে পড়ে, আর সিদ্ধান্তের স্তরে পৌঁছে একটা আত্মবিশ্বাসী কিন্তু ভুল সুপারিশ তৈরি করে। ফুটবল ক্লাবের স্কোয়াড-কস্ট মডেল যদি স্টুডিওর আয়কে ট্রান্সফার ফি ভাবে, তাহলে ওই ক্লাবের জন্য ভুল রিক্রুটমেন্ট টার্গেট বেরিয়ে আসবে। তাই আমি সোর্স-কনফিডেন্স টায়ার না মিলিয়ে কোনো সংখ্যা মডেলে ঢুকি না। টায়ার-ওয়ান হলো অফিসিয়াল ক্লাব বিবৃতি বা লিগ-রেজিস্টার্ড ডকুমেন্ট। টায়ার-টু হলো সম্মানিত ট্রেড রিপোর্ট, যেখানে একাধিক সোর্স মেলে। টায়ার-থ্রি হলো একক সোর্সের “রিপোর্টেডলি” বা “সোর্সেস সে” — এখানে ব্র্যান্ড নিউ ডে-এর রি-রিলিজ রেকর্ডটা বসে। টায়ার-থ্রি কোনো দিনই অ্যামোর্টাইজেশন মডেলের স্থায়ী ইনপুট হতে পারে না। আমার পুরনো স্প্রেডশিট টেমপ্লেটে প্রতিটা ডিলের পাশে একটা লেবেল-ভেরিফিকেশন কলাম আছে। সেখানে তিনটা প্রশ্ন থাকে: সোর্স কে? সোর্সের ইনসেনটিভ কী? আর ডেটাটা কি অফিসিয়ালি নিশ্চিত? এই তিনটা প্রশ্নের উত্তর ছাড়া কোনো রেকর্ড মডেলে ঢোকে না। আজকের এই ভুলটা দেখায়, এআই ক্লাসিফায়ারের ক্ষেত্রেও ঠিক একই গেট দরকার। একটা স্পোর্টস ডেটা লেজারের ভিতরে এই ভুল কীভাবে ছড়ায়, সেটা ভাবা জরুরি। ধরা যাক, চেইনে ঢোকা ওই ভুল রেকর্ডটাই একটা সাবস্ক্রিপশন প্রোডাক্টের ইনপুট হয়ে গেল। গ্রাহক পাচ্ছেন এমন একটা রিপোর্ট, যেখানে একটা কাল্পনিক ট্রান্সফার ফি দিয়ে একটা ক্লাবের স্কোয়াড কস্ট বের করা হয়েছে। ক্লাবের স্ট্র্যাটেজিস্ট সেই রিপোর্ট দেখে ভুল সিদ্ধান্ত নিতে পারেন। ডেটার একটা ভুল সিদ্ধান্তের শৃঙ্খল তৈরি করে, আর ব্লকচেইনে সেই শৃঙ্খল অপরিবর্তনীয়। এখানেই সবাই যেখানে থামে, আমি সেখানে প্রশ্ন করি। সহজ ব্যাখ্যা হলো — ক্লাসিফায়ারটা দোষী, লেবেলটা ভুল, রেকর্ডটা বাদ দিন। কিন্তু আসল সমস্যা ক্লাসিফায়ারের ভুল নয়। আসল সমস্যা হলো, কে সেই ডেটাকে বিশ্বাসযোগ্য বলে প্রতিষ্ঠা করছে এবং কেন। বলুন তো, একটা রিউমর-টায়ার রেকর্ড কেন একটা মডেলিং পাইপলাইনে ঢোকার অনুমতি পেল? কারণ সোর্স-গেটিং নেই। অনেক পাইপলাইনে “ভাইরাল” বা “হাই এনগেজমেন্ট” নিজেই একটা যোগ্যতার সনদ হয়ে দাঁড়ায়। ডেডলাইন যেহেতু নির্ভরযোগ্য ট্রেড, রেকর্ডটা ফিল্টার পার করে যায় — কিন্তু ভাইরালিটি কখনোই ডেটা কোয়ালিটি নয়। আরও গভীরে গেলে একটা অস্বস্তিকর সত্য সামনে আসে। যে মডেলগুলো এই ধরনের মিশ্র ডেটার ওপর প্রশিক্ষিত, তারা সংখ্যাগতভাবে সঠিক দেখাতে পারে, কিন্তু ধারণাগতভাবে অন্ধ। এনটিটি এক্সট্রাক্টর “Daredevil” কে ক্লাব ভাবলে সেটা শুধু ভুল নাম নয়; এটা দেখায় যে মডেলের কাছে স্পোর্টস আর এন্টারটেইনমেন্টের সীমারেখাটাই স্পষ্ট নয়। এমন একটা মডেল ড্রেসিং-রুম কেমিস্ট্রি বা এজেন্টের ইনসেনটিভ বুঝবে কী করে? এজেন্ট ও মধ্যস্থতাকারীদের তৈরি নয়েজ যেভাবে মার্কেট দূষিত করে, ভুল লেবেলের নয়েজ ঠিক সেভাবেই মডেল দূষিত করে। ব্লকচেইন প্রসঙ্গে এই পয়েন্টটা আরও ধারালো। ব্লকচেইনের শক্তি ইমিউটেবিলিটি, কিন্তু সেই ইমিউটেবিলিটি নিরপেক্ষ নয় — যেটা লেখা হচ্ছে, সেটাই স্থায়ী হচ্ছে। তাই স্পোর্টস ডেটা অন-চেইন করার আগে লেবেলিং-স্তরে একটা সোর্স-কনফিডেন্স স্কোর বাধ্যতামূলক করা উচিত। নইলে আমরা এমন এক লেজার বানাবো, যেখানে ভুল তথ্য চিরকালের জন্য সত্যের মতো বসে থাকবে। ব্র্যান্ড নিউ ডে-এর রি-রিলিজ আসলে একটা ফুটবল গল্প নয়। কিন্তু এটা একটা ফুটবল মডেলের জন্য পরীক্ষার কেস। সনি যখন অফিসিয়ালি তারিখ ঘোষণা করবে বা অস্বীকার করবে, তখন রিউমর-টায়ার স্ট্যাটাসটা মিটে যাবে — ফুটবল ডেটাবেসের জন্য সেটা প্রাসঙ্গিক নয়। প্রাসঙ্গিক হলো এই প্রশ্নটা: আপনার ফুটবল মডেলে শেষ কবে একটা ভুল লেবেল ঢুকেছিল, আর কে সেটা ধরেছিল?