টেনিস ডোমেইনে স্বয়ংক্রিয় সংবাদ বিশ্লেষণের ব্যর্থতা: একটি পাইপলাইন তদন্ত

টেনিস বিষয়ক একটি স্বয়ংক্রিয় সংবাদ-বিশ্লেষণ প্রবাহ সম্প্রতি এমন এক অবস্থা প্রকাশ করেছে, যেখানে পুরো প্রক্রিয়ার একমাত্র অর্থবহ সংকেত হিসেবে টিকে আছে একটি ক্ষেত্র-লেবেল—‘টেনিস’। বিশ্লেষণের প্রথম ধাপের আউটপুটে নিবন্ধের শিরোনাম, সূত্র, ধরন, মূল বক্তব্য, তথ্যবিন্দু, সংশ্লিষ্ট সত্তা এবং সময়-সংবেদনশীলতা—সবই ফাঁকা অথবা ‘প্রযোজ্য নয়’ হিসেবে চিহ্নিত। এ অবস্থায় ওই আউটপুটের ভিত্তিতে গভীর বিশ্লেষণ করা মানে অনুমানের আশ্রয়ে তথ্য নির্মাণ করা, যা একটি বিশ্বাসযোগ্য সংবাদমাধ্যমের জন্য গ্রহণযোগ্য পথ নয়। প্রথম ধাপের আউটপুট আসলে একটি খোলস। শিরোনাম নেই, তাই নিবন্ধ শনাক্ত করার কোনো উপায় নেই। সূত্র নেই, তাই ওই সূত্রের নির্ভরযোগ্যতা, সম্পাদকীয় অবস্থান বা প্রতিষ্ঠানের খ্যাতি যাচাই করা অসম্ভব। ধরন ‘অশ্রেণিবদ্ধ’, ফলে বোঝার উপায় নেই এটি সংবাদ, মন্তব্য, কৌশলগত বিশ্লেষণ নাকি সাক্ষাৎকার। মূল বক্তব্যের এক-বাক্য সারসংক্ষেপ ফাঁকা, লেখকের অবস্থান ও লেখার উদ্দেশ্য দুটোই ‘প্রযোজ্য নয়’। তবে সবচেয়ে গুরুতর ঘাটতি হলো তথ্যবিন্দুর তালিকা সম্পূর্ণ খালি থাকা। তথ্যবিন্দু হলো সেই কাঁচামাল, যার ওপর নির্ভর করে পরবর্তী সব ধাপ—সত্তা শনাক্তকরণ, সময়-সংবেদনশীলতা যাচাই, সূত্রের গুণমান বিচার। উপরের ধাপ ফাঁকা থাকলে নিচের কোনো ধাপই কার্যকরভাবে চালানো যায় না। সত্তা শনাক্তকরণের নির্দেশ ছিল ‘উপরের তথ্যবিন্দু থেকে চিহ্নিত করো’—কিন্তু উপরে কিছু নেই। সময়-সংবেদনশীলতার মূল্যায়নও তথ্যবিন্দুর ভেতরের সময়-সংকেতে নির্ভরশীল, যা পাওয়া যায়নি। ফলে অতিরিক্ত নির্দেশনার তিনটি লাইনই একটি অনুপস্থিত উৎসের দিকে ইঙ্গিত করে এবং একটি চক্র তৈরি করে। প্রক্রিয়াটি আংশিকভাবে চলেছে—এটাই সবচেয়ে বড় ইঙ্গিত। ক্ষেত্র-শ্রেণিবিন্যাসকারী কাজ করেছে, কারণ ‘টেনিস’ লেবেলটি এসেছে। কিন্তু মূল পাঠ্য নিষ্কাশনের ধাপে কিছু একটা ভেঙে গেছে। সম্ভাব্য কারণগুলো সম্ভাবনার ক্রম অনুসারে সাজালে প্রথমেই আসে মূল পাঠ্য নিষ্কাশনের ব্যর্থতা: লিংক থেকে পাঠ্য আনা হয়েছে কিন্তু খালি ফলাফল এসেছে, অথবা অ্যান্টি-স্ক্র্যাপিং ব্যবস্থা অনুরোধ আটকে দিয়েছে, অথবা পৃষ্ঠাটি জাভাস্ক্রিপ্ট-নির্ভর হওয়ায় নিষ্কাশক কিছুই ধরতে পারেনি। দ্বিতীয় সম্ভাবনা হলো ইনপুট প্রবাহে বিচ্ছিন্নতা। শ্রেণিবিন্যাসকারী নিবন্ধের মেটাডেটা—শিরোনাম, লিংক, কীওয়ার্ড—দেখে সিদ্ধান্ত নিতে পারে, আর পাঠ্য নিষ্কাশক পুরো নিবন্ধের বডি টেক্সট ব্যবহার করে। যদি এই দুইয়ের মধ্যে সংযোগ বিচ্ছিন্ন হয়ে থাকে, তবে শ্রেণিবিন্যাস সফল হয়েও নিষ্কাশন ব্যর্থ হওয়া স্বাভাবিক। বাস্তব ব্যবস্থায় এই ধরনের বিচ্ছিন্নতা বেশ সাধারণ, কারণ দুটি উপাদান প্রায়ই আলাদা সময়ে, আলাদা দল কর্তৃক রক্ষণাবেক্ষণ করা হয়। তৃতীয় সম্ভাবনা হলো নীরব অবনমন। নিষ্কাশক কোনো ব্যতিক্রম তৈরি করলে সেটি ধরার পর ব্যবস্থাটি থেমে যাওয়ার বদলে ডিফল্ট মান—যেমন ‘প্রযোজ্য নয়’—লিখে এগিয়ে যায়। এই নকশা অনেক সময় ব্যবহারকারীর অভিজ্ঞতা রক্ষা করে, কিন্তু সমস্যাটিকে অদৃশ্য করে তোলে। ফলে পাইপলাইন ‘সফল’ দেখায়, অথচ আউটপুটে কোনো তথ্য নেই। নীরব ব্যর্থতা তদন্তকে কঠিন করে, কারণ কোনো ত্রুটি-বার্তাই জায়গাটি চিহ্নিত করে না। চতুর্থ সম্ভাবনা ভাষা ও এনকোডিং সংক্রান্ত। নিবন্ধটি যদি ইংরেজি না হয় এবং সংশ্লিষ্ট টোকেনাইজার বা ভাষা-মডেল কনফিগার করা না থাকে, তবে নিষ্কাশক খালি ফলাফল ফেরত দিতে পারে। বহুভাষিক সংবাদ পরিবেশে এটি একটি পরিচিত ফাঁদ: মডেল ইংরেজির জন্য তৈরি, কিন্তু ইনপুট অন্য ভাষায়। টেনিস ডোমেইনে এই ধরনের ব্যর্থতার প্রভাব আলাদা, কারণ এই ক্ষেত্রের ভাষা অত্যন্ত ঘন। একটি স্কোরলাইন, সেট-সংখ্যা, টাই-ব্রেকের ফলাফল, সার্ভের গতি, প্রথম ও দ্বিতীয় সার্ভের সফলতার হার, ব্রেক পয়েন্টের রূপান্তর—এসবই ছোট ছোট টোকেনে বন্দী হয়ে থাকে। নিষ্কাশন যদি ব্যর্থ হয়, তবে এই সূক্ষ্ম তথ্যগুলোও হারায়। আর টেনিস সংবাদে এই সূক্ষ্ম তথ্যই মূল গল্প বলে। দ্বিতীয়ত, টেনিসে নামের প্রতিবর্ণীকরণ একটি বড় চ্যালেঞ্জ। একই খেলোয়াড়ের নাম বিভিন্ন ভাষায় বিভিন্নভাবে লেখা হয়, কখনো ডায়াক্রিটিক চিহ্নসহ, কখনো ছাড়া। সত্তা শনাক্তকরণের ব্যবস্থা যদি এই বৈচিত্র্য সামলাতে না পারে, তবে একই ব্যক্তি একাধিক সত্তা হিসেবে চিহ্নিত হন, আর সংযোগ বিচ্ছিন্ন হয়ে যায়। তথ্যবিন্দু না থাকলে এই মিলকরণ আরও অসম্ভব হয়ে পড়ে। তৃতীয়ত, টেনিস সংবাদ সময়-সংবেদনশীলতার চরম উদাহরণ। একটি ম্যাচ-পূর্ব প্রতিবেদন ম্যাচ শেষ হওয়ার পর তার মূল্য অনেকটাই হারায়। একটি ফাইনালের ফলাফল ঘোষণার কয়েক মিনিটের মধ্যে পুরো প্রেক্ষাপট বদলে যায়। কিন্তু সময়-সংবেদনশীলতা মূল্যায়ন করা যায় না, যদি না তথ্যবিন্দুতে সময়ের কোনো চিহ্ন থাকে। ফলে পাইপলাইন ব্যর্থ হলে সম্পাদক জানতেই পারেন না যে হাতে থাকা উপাদানটি বাসি নাকি টাটকা। এই ব্যর্থতা থেকে সম্পাদকীয় স্তরে যে শিক্ষা পাওয়া যায় তা স্পষ্ট। প্রথমত, কোনো স্বয়ংক্রিয় বিশ্লেষণের আউটপুট প্রকাশের আগে তার ‘পূর্ণতা’ যাচাই করা দরকার। শুধু ক্ষেত্র-লেবেল থাকা মানে বিশ্লেষণ সম্পন্ন হওয়া নয়। দ্বিতীয়ত, নীরব অবনমনের বদলে দৃশ্যমান ব্যর্থতা preferable—ব্যবস্থা থেমে গেলে অন্তত তদন্তের সূত্র মেলে। তৃতীয়ত, নিষ্কাশিত পাঠ্যের দৈর্ঘ্য একটি সাধারণ কিন্তু শক্তিশালী স্বাস্থ্য-সূচক; শূন্য দৈর্ঘ্য হলেই সতর্ক সংকেত জ্বালানো উচিত। তদন্তের পথ হিসেবেও কয়েকটি ধাপ সুপারিশ করা যায়। প্রথমে প্রথম ধাপের কাঁচা লগ দেখতে হবে এবং নিশ্চিত হতে হবে নিষ্কাশিত পাঠ্যের দৈর্ঘ্য শূন্য কি না। এরপর শ্রেণিবিন্যাসকারী ও নিষ্কাশকের ইনপুট উৎস পাশাপাশি রেখে তুলনা করতে হবে। এরপর নিষ্কাশককে একটি পরিচিত পাঠ্য দিয়ে পরীক্ষা করতে হবে, যাতে বোঝা যায় সমস্যাটি নির্দিষ্ট সাইটে নাকি সার্বজনীন। সবশেষে ভাষা-কনফিগারেশন যাচাই করতে হবে। এখন সিদ্ধান্ত পরিষ্কার। গভীর বিশ্লেষণের জন্য যেকোনো একটি জিনিস যথেষ্ট: মূল নিবন্ধের সম্পূর্ণ পাঠ্য, অথবা প্রথম ধাপের কাঁচা আউটপুট ও লগ। কেবল ‘টেনিস’ লেবেল নিয়ে এগোনো সম্ভব, তবে সেটি হবে একটি সাধারণ কাঠামো—ম্যাচ, খেলোয়াড়, কৌশল, ব্যবসা ও নিয়ম—যা এই নির্দিষ্ট নিবন্ধের বিশ্লেষণ নয়। পাঠককে বিভ্রান্ত করা এড়াতে এই পার্থক্য স্পষ্ট রাখা জরুরি।