खाली डेटा, भरे हुए दावे: क्रिकेट कवरेज की एआई पाइपलाइन में चुपचाप फिसलती खामी

क्रिकेट कवरेज की डिजिटल सप्लाई चेन में एक ऐसी खामी सामने आई है जिसे पाठक कभी देखते नहीं, लेकिन जिसका असर उनके पढ़े हुए हर विश्लेषण पर पड़ सकता है। हाल में एक स्वचालित विश्लेषण प्रणाली के सामने ऐसा दस्तावेज़ रखा गया जो तकनीकी रूप से पूरी तरह वैध था — स्कीमा के हर खाने में सही टैग, सही फ़ील्ड नाम, सही संरचना — और फिर भी उसमें क्रिकेट का एक भी तथ्य मौजूद नहीं था। शीर्षक की जगह खाली, स्रोत अनुपलब्ध, सूचना बिंदुओं की सूची शून्य और लेख का प्रकार 'अवर्गीकृत'। ऐसे इनपुट से अगर कोई सिस्टम चुपचाप आगे बढ़ जाए और एक चिकनी-चुपड़ी मैच रिपोर्ट लिख दे, तो पाठक को कभी पता नहीं चलेगा कि जिस मुकाबले की बात हो रही है, वह कभी खेला ही नहीं गया। यह कोई काल्पनिक खतरा नहीं है। यह उस तरह की विफलता है जिसे डेटा इंजीनियरिंग की भाषा में 'साइलेंट पास' कहा जाता है — सिस्टम हर जाँच पास कर लेता है, क्योंकि जाँचें यह देखती हैं कि ढाँचा सही है या नहीं, यह नहीं देखतीं कि ढाँचे के अंदर कुछ है या नहीं। क्रिकेट जैसे खेल में, जहाँ हर आँकड़ा एक बड़े वाणिज्यिक और भावनात्मक तंत्र से जुड़ा है, यह चुप्पी सबसे महँगी पड़ सकती है। समस्या की जड़ तकनीकी वास्तुकला में है। आधुनिक स्पोर्ट्स-कंटेंट पाइपलाइन दो चरणों में काम करती है। पहला चरण मूल लेख को तोड़कर 'सूचना बिंदु' निकालता है — यानी ऐसे परमाणु, आरोपण-योग्य तथ्य जिन पर आगे का हर निष्कर्ष टिका होता है: कौन-सा फॉर्मेट, कौन-सी टीमें, कौन-सा खिलाड़ी, कौन-सा आँकड़ा, कौन-सा हवाला। दूसरा चरण उन बिंदुओं पर आठ आयामों का विश्लेषण खड़ा करता है। अगर पहला चरण खाली हाथ लौटे, तो दूसरे चरण के पास खड़े होने के लिए कोई ज़मीन ही नहीं बचती। इस बार ठीक यही हुआ। खाली पेलोड के चार संभावित कारण गिनाए जा सकते हैं, और हर कारण अपने साथ अलग सबक लाता है। पहला — अपस्ट्रीम फेच विफलता: पेवॉल, भू-अवरोध या जावास्क्रिप्ट से बने पेज से टेक्स्ट निकालने में नाकामी। दूसरा — गैर-पाठ्य स्रोत: वीडियो पैकेज या तस्वीरों पर आधारित गैलरी, जिसमें मशीन-पठनीय कैप्शन ही नहीं होता। तीसरा — गलत दस्तावेज़: कोई फिक्स्चर सूची, स्कोरकार्ड स्टब या प्रेस-रिलीज़ इंडेक्स पेज लेख मानकर पास कर दिया गया। चौथा — डोमेन-लेबल का बहकाव: 'cricket_asia' जैसा क्षेत्रीय रूटिंग टैग, जो मानक 'Cricket' लेबल की जगह ले लेता है। इनमें से कोई भी क्रिकेट की खबर नहीं है; सब मीडिया संचालन की खबरें हैं। यही वजह है कि फॉर्मेट की पहचान इस ढाँचे में पहला और अनिवार्य द्वार है, न कि कोई शैलीगत शौक। टेस्ट, वनडे और टी20 के आँकड़े आपस में तुलनीय नहीं होते। एक बल्लेबाज़ का टेस्ट औसत और टी20 स्ट्राइक रेट दो अलग दुनियाओं के पैमाने हैं; एक तेज़ गेंदबाज़ की इकॉनमी दर का मतलब 50 ओवर में कुछ और, 20 ओवर में कुछ और। फॉर्मेट तय न हो तो 'पावरप्ले प्रदर्शन', 'मध्य ओवरों की रणनीति', 'डेथ ओवरों का दबाव' — ये सारे विश्लेषण अर्थहीन शब्दावली बन जाते हैं। जिस रिपोर्ट में फॉर्मेट ही न हो, वह रिपोर्ट खिलाड़ी के करियर को भी गलत तराज़ू पर तोल देगी। खिलाड़ी-स्तरीय विश्लेषण में खतरा और भी साफ़ दिखता है। क्रिकेट का सबसे पुराना पत्रकारीय पाप है छोटे नमूने से बड़ा निष्कर्ष निकालना — एक पारी का शतक 'फॉर्म में वापसी' घोषित कर दिया जाता है, एक स्पेल के तीन विकेट 'करियर का मोड़' बताए जाते हैं। सही ढाँचा इस आवेग के आगे तीन सवाल खड़े करता है: यह प्रदर्शन घरेलू मैदान पर था या बाहर, प्रतिद्वंद्वी तेज़ गेंदबाज़ थे या स्पिनर, और यह प्रवृत्ति है या संयोग। जब इनपुट में खिलाड़ी का नाम ही नहीं, तो इन सवालों का कोई जवाब नहीं बनता। और जहाँ जवाब नहीं, वहाँ जो भी लिखा जाएगा, वह आविष्कार होगा। टीम-स्तरीय परिदृश्य भी इसी तरह ठप हो जाता है। रैंकिंग तालिका, विश्व टेस्ट चैंपियनशिप के अंक, घरेलू और विदेशी प्रदर्शन का अंतर, बल्लेबाज़ी की गहराई, तेज़ और स्पिन का अनुपात, बेंच की मज़बूती, खिलाड़ियों की उम्र का ढाँचा — इनमें से एक भी आयाम बिना नामित टीम के नहीं खुलता। क्रिकेट विश्लेषण का सबसे भरोसेमंद 'लिटमस टेस्ट' यही है कि किसी टीम का विदेशी रिकॉर्ड उसके घरेलू आँकड़ों से कितना अलग है। जिस रिपोर्ट में टीम ही न हो, वहाँ यह परीक्षण लागू करने का सवाल ही नहीं उठता। लीग और वाण्यिात्मक पारिस्थितिकी के आयाम में नुकसान सबसे सीधा है। नीलामी की कीमत और अंतरराष्ट्रीय क्रिकेट की असली क्षमता एक ही चीज़ नहीं हैं — यह अंतर समझना इस पूरे विश्लेषण का केंद्रीय लक्ष्य है। लेकिन इस अंतर को दिखाने के लिए कम से कम एक लेन-देन का आँकड़ा चाहिए: कौन-सा खिलाड़ी, किस फ्रेंचाइज़ी में, कितनी राशि में। बिना राशि, बिना खिलाड़ी और बिना फ्रेंचाइज़ी के 'ओवरवैल्यूड' या 'अंडरवैल्यूड' का फ़ैसला सुनाना केवल अनुमान का नाटक होगा। प्रसारण अधिकारों का मूल्य, फ्रेंचाइज़ी का मूल्यांकन, खिलाड़ी वेतन — तीनों शून्य हैं, क्योंकि इनपुट में एक भी संख्या नहीं है। शासन और नियमों का आयाम इस मामले में पूरी तरह सुप्त है, और यही सबसे चेतावनीभरा हिस्सा है। पावर और राजस्व का बँटवारा, खेल-नियमों पर विवाद, सत्यनिष्ठा और भ्रष्टाचार-विरोधी निगरानी, पात्रता और चयन, राजनीतिक कारक — इनमें से कोई भी मद्दा दस्तावेज़ में मौजूद नहीं है। लेकिन यहाँ एक बारीक फ़र्क़ समझना ज़रूरी है: संकेत का न मिलना इनपुट के न मिलने का नतीजा है, जोखिम के न होने का सबूत नहीं। खाली पेलोड को 'कुछ नहीं मिला' कहकर बंद कर देना और खाली पेलोड को 'कोई जोखिम नहीं' समझ लेना — इन दोनों में ज़मीन-आसमान का अंतर है। जोखिमों की सूची में सबसे ऊपर कोई क्रिकेट जोखिम नहीं, बल्कि विश्लेषणात्मक सत्यनिष्ठा का जोखिम बैठता है। दूसरा स्थान सिस्टमिक जोखिम का है: स्कीमा-वैध पर सामग्री-रिक्त पेलोड चुपचाप पार हो जाते हैं, जिसका मतलब है कि ऐसे और खाली सबमिशन पहले भी दूसरी जगहों पर चिकनी-चुपड़ी रिपोर्टें पैदा कर चुके होंगे। तीसरा जोखिम डोमेन-लेबल के बहकाव का है, चौथा स्रोत-गुणवत्ता की अंधता का, और पाँचवाँ इस तथ्य का कि 'ऊपर दिए सूचना बिंदुओं से एंटिटी पहचानें' जैसा निर्देश तब पूरा ही नहीं हो सकता जब कोई सूचना बिंदु मौजूद न हो। जन-नैरेटिव का आयाम इस पूरे ढाँचे में सबसे बड़ा आविष्कार-खतरा लेकर आता है, क्योंकि क्रिकेट की लुभावनी कहानियाँ प्रशिक्षण-डेटा में भरी पड़ी हैं। प्रतिद्वंद्विता का महासंग्राम, राजवंश की निरंतरता, नए सितारे का राज्याभिषेक, दिग्गज का विदाई भाषण, पुनर्जन्म की कहानी — इनमें से कोई भी ढाँचा बिना लेखक के रुख और बिना लेख के उद्देश्य के सही ढंग से नहीं पहचाना जा सकता। और अगर लेखक का रुख ही अनुपलब्ध है, तो फ़्रेमिंग-पूर्वाग्रह को पकड़ने वाला पहला बचाव-तंत्र ही बेकार हो जाता है। उद्योग-संचरण का नक्शा भी खाली हाथ लौटता है। युवा विकास और प्रतिभा-आपूर्ति से लेकर राष्ट्रीय टीमों और लीगों तक, और वहाँ से प्रसारण, वाणिज्य और व्युत्पन्न बाज़ारों तक — हर कड़ी के लिए कम से कम एक नामित घटना, बोर्ड, लीग या खिलाड़ी चाहिए। दक्षिण एशिया का मुख्य बाज़ार, जिसके पास वैश्विक क्रिकेट राजस्व का बहुमत माना जाता है, केवल एक क्षेत्रीय लेबल के आधार पर नहीं तौला जा सकता। लेबल संकेत है, प्रमाण नहीं। समाधान तकनीकी है, लेकिन उसका दर्शन पत्रकारिता का है। पहला कदम: आगे भेजने से पहले एक सख्त सामग्री-द्वार लगाना — कम से कम एक सूचना बिंदु और एक गैर-रिक्त शीर्षक अनिवार्य। दूसरा: खाली पेलोड को सामान्य 'पास' की तरह दर्ज करने के बजाय 'खाली सामग्री' का अलग दर्जा देना, ताकि वह अलर्ट पैदा करे। तीसरा: 'cricket_asia' जैसे लेबल को मानक 'Cricket' में बदलकर क्षेत्र को अलग विशेषता के रूप में रखना, ताकि क्षेत्रीय रूटिंग डोमेन-वर्गीकरण की जगह न ले सके। चौथा: स्रोत का मेटाडेटा — मीडिया संस्थान, लेखक, प्रकाशन तिथि — पहले चरण में अनिवार्य बनाना। पुनः-निष्कर्षण के लिए एक साफ़ चेकलिस्ट तैयार है: गैर-रिक्त शीर्षक और स्रोत; वास्तविक लेख-प्रकार (समाचार रिपोर्ट, विश्लेषण, पूर्वावलोकन, साक्षात्कार, नीलामी रिपोर्ट, शासन-समाचार) — 'अवर्गीकृत' नहीं; कम से कम एक परमाणु और आरोपण-योग्य सूचना बिंदु; स्पष्ट लेखक-रुख और उद्देश्य; ठोस एंटिटी सूची (टीम, खिलाड़ी, कोच, मैदान, शासी निकाय); और फॉर्मेट टैग। यह आख़िरी बिंदु सबसे ज़्यादा नज़रअंदाज़ किया जाता है और सबसे ज़्यादा नुकसान करता है, क्योंकि हर आगे की तुलना इसी पर टिकी होती है। इस पूरी घटना का सबसे उपयोगी सबक यह है कि ढाँचा सही होना पर्याप्त नहीं। एक खोखली संरचना भी वैध दिख सकती है, और एक वैध दिखती संरचना से निकली बात भी खोखली हो सकती है। क्रिकेट पत्रकारिता की असली पूँजी भरोसा है — और भरोसा उस क्षण टूटता है जब पाठक को यह एहसास हो कि जिस रिपोर्ट को उसने सच माना, उसके पीछे एक भी सत्यापित तथ्य नहीं था। इस बार सिस्टम ने गलती की, लेकिन उसने गलती को शब्द नहीं दिए। यही अंतर है एक खाली रिपोर्ट और एक झूठी रिपोर्ट के बीच — और स्पोर्ट्स मीडिया को इस अंतर की रक्षा करनी है।