स्टेज-1 खाली लौटा: जब स्पोर्ट्स न्यूज़ पाइपलाइन ने 'कुछ नहीं' को 'सफलता' बताया

बेंगलुरु/ऑनलाइन डेस्क। एक ऐसी व्यवस्था जिसका पूरा दारोमदार इस बात पर है कि वह दूसरों की लिखी खबरों को पढ़कर उनका सार निकाले, जब खुद के भीतर खालीपन लौटाने लगे, तो वह तकनीकी खराबी भर नहीं रहती — वह संपादकीय भरोसे का संकट बन जाती है। पिछले कुछ महीनों में स्पोर्ट्स डेस्कों में जिस तरह के ऑटोमेटेड कंटेंट पाइपलाइन लगाए जा रहे हैं, उनमें एक बहुत विशिष्ट और बहुत खतरनाक विफलता सामने आई है। तकनीकी भाषा में इसे 'साइलेंट फेल्योर' कहते हैं। आम भाषा में इसे ऐसे समझिए: सिस्टम ने काम नहीं किया, लेकिन उसने यह नहीं बताया कि काम नहीं हुआ। उसने बस एक खाली शीट थमा दी और कहा — सब ठीक है। मामला इस तरह का है। किसी भी स्वचालित स्पोर्ट्स न्यूज़ प्रोसेसिंग चेन में पहला चरण (स्टेज-1) आम तौर पर तीन काम करता है: स्रोत से मूल पाठ निकालना, उस पाठ को छोटे टुकड़ों में बाँटना, और फिर उन टुकड़ों से संरचित जानकारी — शीर्षक, स्रोत, प्रकार, मुख्य सूचना-बिंदु, एक वाक्य में सार, लेखक का रुख, और लेख का उद्देश्य — बाहर निकालना। हाल की एक रन में इस चेन ने जो लौटाया, वह चौंकाने वाला था। पूरे आउटपुट में केवल एक चीज़ भरी थी: डोमेन लेबल, और वह भी सिर्फ 'फुटबॉल'। बाकी सब कुछ खाली। शीर्षक 'एन/ए', स्रोत 'एन/ए', प्रकार 'एन/ए', सूचना-बिंदुओं की सूची रिक्त, और कोर व्यूअर के तीनों फ़ील्ड — सारांश, लेखक की स्थिति, उद्देश्य — सब रिक्त। यहाँ पहली प्रतिक्रिया यह हो सकती है कि मूल लेख ही ऐसा था जिसमें कोई सूचना नहीं थी। लेकिन यह व्याख्या टिकती नहीं। कारण सीधा है: डोमेन लेबल 'फुटबॉल' भरा हुआ है। डोमेन लेबल कोई जादुई अनुमान नहीं है; वह भी उसी सामग्री को पढ़कर लगाया जाता है, चाहे वह पूरा पाठ हो या कम से कम शीर्षक और पहला पैराग्राफ। अगर पूरी कंटेंट एक्सट्रैक्शन चेन ही ठप होती, तो डोमेन लेबल भी खाली आना चाहिए था। यह नहीं हुआ। इसका मतलब साफ है कि क्लासिफायर तक सामग्री पहुँची थी। गड़बड़ी उसके बाद के चरण में है — यानी इन्फॉर्मेशन एक्सट्रैक्शन के प्रॉम्प्ट या पार्सिंग में, या उस स्कीमा वैलिडेशन में जो मॉडल के आउटपुट को संरचित रूप देता है। यह अंतर महत्वपूर्ण है, क्योंकि दोनों स्थितियों का इलाज बिल्कुल अलग है। अगर कंटेंट ही नहीं आया, तो आपको क्रॉलर, रेंडरिंग, पे-वॉल या एंटी-बॉट सुरक्षा से जूझना होगा। लेकिन अगर कंटेंट आया और उसके बाद का हिस्सा चुपचाप खाली हो गया, तो समस्या आपके अपने कोड में है — और वह भी ऐसी जगह पर जहाँ गलती आसानी से छिप जाती है। संभावित कारणों को प्राथमिकता के क्रम में देखें तो चार बड़े संदिग्ध सामने आते हैं। पहला — मूल पाठ निकालने वाला मॉड्यूल। यह अक्सर उन पेजों पर औंधे मुँह गिरता है जो जावास्क्रिप्ट से बनते हैं, जहाँ सामग्री सर्वर से सीधे नहीं आती बल्कि ब्राउज़र में बाद में जुड़ती है। इसी तरह पे-वॉल वाले पेज, या वे पेज जो 403 और कैप्चा लौटाते हैं, यहाँ खाली हाथ लौटाते हैं। दूसरा — चंकिंग या ट्रंकेशन। कभी-कभी पाठ मिलता है, पर उसे टुकड़ों में बाँटने वाला लॉजिक खराब होता है और मॉडल के पास ऐसा चंक पहुँचता है जिसमें कुछ भी नहीं। लंबे लेखों के साथ यह ज़्यादा होता है, जहाँ काट-छाँट करते-करते सामग्री शून्य पर पहुँच जाती है। तीसरा — स्कीमा वैलिडेशन। मॉडल ने शायद ठीक जवाब दिया भी हो, पर उसका जेसन उम्मीद के ढाँचे से मेल नहीं खाया; और फ़ॉलबैक लॉजिक ने त्रुटि फेंकने के बजाय फ़ील्ड को चुपचाप खाली कर दिया। चौथा — मॉडल कॉल ही। टाइमआउट, या 'मैक्स टोकन्स' की सीमा इतनी कम कि जवाब शुरू होने से पहले ही कट गया, या खाली रिस्पॉन्स। इन चारों में से किसी एक को भी अंतिम दोषी मानने से पहले एक सबूत ज़रूर देखना चाहिए। वह सबूत है डोमेन लेबल का भरा होना। यह उपरोक्त सूची को आधा कर देता है। यह बताता है कि सामग्री — कम से कम शीर्षक या शुरुआती हिस्सा — सिस्टम तक पहुँची थी। इसलिए पहला संदिग्ध, यानी 'कुछ भी नहीं आया', कमज़ोर पड़ जाता है। असली संदिग्ध तीसरा और चौथा है — कहीं न कहीं आउटपुट को संभालने वाली परत ने खालीपन को सफलता में बदल दिया। यहीं से असली सवाल शुरू होता है, और वह तकनीकी से ज़्यादा डिज़ाइन का सवाल है। अगर 'सूचना-बिंदु' खाली आए, तो सिस्टम को सफलता नहीं लौटानी चाहिए। उसे एक स्पष्ट संकेत देना चाहिए — जैसे 'एक्सट्रैक्शन फेल्ड'। जो आउटपुट अभी मिल रहा है, वह इस संकेत से वंचित है, और यह अपने आप में खतरे की घंटी है। कारण यह है कि डाउनस्ट्रीम में हर प्रणाली इस खाली सूची को एक अर्थपूर्ण बयान मान लेती है: 'इस लेख में जानकारी देने लायक कुछ नहीं है।' एक त्रुटि को निष्कर्ष में बदल देना — यह किसी भी डेटा पाइपलाइन में सबसे महँगी गलती है। त्रुटि दिख जाए तो सुधार हो सकता है; गलत निष्कर्ष दिखे तो पूरा सिस्टम उसी के आधार पर आगे बढ़ता रहता है। स्पोर्ट्स न्यूज़ के संदर्भ में इसका मतलब समझिए। मान लीजिए सिस्टम को किसी ट्रांसफर की खबर मिली। स्टेज-1 खाली लौटा। डाउनस्ट्रीम को लगेगा कि खबर में कोई ठोस तथ्य नहीं है, इसलिए उसे 'कम प्राथमिकता' या 'असत्यापित' टैग मिल जाएगा। पर असल में खबर में तथ्य थे; केवल उन्हें पढ़ने वाली परत विफल रही। नतीजा — एक सही खबर चुपचाप दब जाएगी, और किसी को पता भी नहीं चलेगा। यह सेंसरशिप नहीं है, यह उससे भी बुरा है: यह ऐसी चूक है जिसकी कोई शिकायत दर्ज नहीं करता। अब दूसरी बात, जो कम तकनीकी है पर उतनी ही ज़रूरी। आउटपुट में जो एकमात्र जानकारी बची है — 'फुटबॉल' — वह अपने आप में द्विअर्थी है। यह दो पूरी तरह अलग दुनियाओं की ओर इशारा कर सकती है। एक: एसोसिएशन फुटबॉल, यानी वह खेल जिसे भारत समेत दुनिया के ज़्यादातर हिस्सों में सिर्फ फुटबॉल कहा जाता है — क्लब, लीग, ट्रांसफर विंडो, फीफा, यूईएफए। दूसरा: अमेरिकन फुटबॉल — एनएफएल, ड्राफ्ट, सैलरी कैप, सितंबर से फरवरी तक चलने वाला सीज़न। इन दोनों की एंटिटी नामावली, कैलेंडर और सत्यापन-स्रोत पूरी तरह अलग हैं। यह अंतर सिर्फ शब्दावली का नहीं है। मान लीजिए सिस्टम को यह तय करना है कि कोई खबर समय के हिसाब से कितनी संवेदनशील है। एसोसिएशन फुटबॉल में समय की धुरी गर्मियों और सर्दियों की ट्रांसफर विंडो तथा सीज़न चक्र होती है। अमेरिकन फुटबॉल में धुरी ड्राफ्ट, ट्रेड डेडलाइन और सितंबर-फरवरी सीज़न होती है। अगर लेबल गलत पढ़ा गया, तो कैलेंडर भी गलत लगेगा, और फिर 'क्या यह खबर अभी प्रासंगिक है' का जवाब भी गलत निकलेगा। इसी तरह एंटिटी डिसएम्बिग्वेशन — यानी यह तय करना कि 'यूनाइटेड' किस क्लब को कहा गया है — बिना सही लीग संदर्भ के असंभव है। और स्रोत की गुणवत्ता का आकलन भी इसी पर टिका है: किसी एनएफएल टीम की खबर के लिए जो स्रोत विश्वसनीय हैं, वे एसोसिएशन फुटबॉल के लिए अप्रासंगिक हो सकते हैं, और उलटा भी। इसलिए जब तक मूल पाठ नहीं मिलता, यह अकेला लेबल किसी भी ठोस निर्णय के लिए इस्तेमाल नहीं किया जाना चाहिए। इसे एक अस्थायी, अधूरा संकेत मानिए — ऐसा संकेत जो यह बताता है कि आगे कहाँ देखना है, पर यह नहीं बताता कि क्या निष्कर्ष निकालना है। अब सवाल उठेगा कि आगे बढ़ने के लिए क्या चाहिए। जवाब सरल है, और तीन स्तरों में दिया जा सकता है। सबसे अच्छा विकल्प है मूल लेख का पूरा पाठ, या उसका साफ-सुथरा टेक्स्ट वर्ज़न। अगर वह संभव न हो, तो दूसरा विकल्प है शीर्षक, स्रोत, प्रकाशन समय और शुरुआती तीन से पाँच पैराग्राफ। और अगर सामग्री लगातार पाठ नहीं है — जैसे स्कोरकार्ड, पॉइंट्स टेबल, या ट्रांसफर सूची — तो स्क्रीनशॉट नहीं, बल्कि मूल फ़ील्ड भेजिए। स्क्रीनशॉट से निकाला गया पाठ अक्सर आधा-अधूरा होता है, और तब हम फिर उसी समस्या पर लौट आते हैं जहाँ से शुरू किया था। यह सामग्री मिलने के बाद जो विश्लेषण दिया जा सकता है, वह स्पष्ट रूप से परिभाषित है। पहला — तर्क-संरचना: लेख का मुख्य दावा क्या है, उसके समर्थन में कौन-कौन से सबूत हैं, और उन सबूतों से कौन-सा निष्कर्ष निकाला गया है। दूसरा — सत्यापन-योग्य दावों की सूची: कौन-सी बातें तथ्य हैं जिन्हें जाँचा जा सकता है, और कौन-सी केवल मूल्यांकन या राय हैं। तीसरा — समय-संवेदनशीलता का स्तर और उसका आधार, जिसे किसी ठोस कैलेंडर घटना से जोड़ा जाए। चौथा — स्रोत की गुणवत्ता का आकलन: यह प्राथमिक स्रोत है या द्वितीयक, और क्या इसके पीछे कोई हित-संबंध छिपा है। पाँचवाँ — सूचना-अंतराल और अनिश्चितता का स्पष्ट अंकन, ताकि पाठक को पता रहे कि कहाँ तक बात पक्की है और कहाँ से अनुमान शुरू होता है। इन पाँच बिंदुओं का महत्व स्पोर्ट्स जर्नलिज़्म में खास है, क्योंकि यहाँ गति और सटीकता के बीच लगातार खिंचाव रहता है। ट्रांसफर की खबरें घंटों में पुरानी हो जाती हैं। ऐसे में एक ऐसा सिस्टम जो खाली आउटपुट को सफलता बताकर आगे बढ़ता है, संपादकीय टीम को दोहरी मुसीबत में डालता है — पहले वह खबर छूट जाती है, और फिर जब गलती पकड़ में आती है तो पूरे सिस्टम पर भरोसा टूट जाता है। इसलिए सबसे ज़रूरी सुधार तकनीकी नहीं, नीतिगत है। पाइपलाइन में एक स्पष्ट नियम जोड़िए: अगर 'सूचना-बिंदु' खाली हैं, तो आउटपुट को सफल न मानिए। उसे विफल चिह्नित कीजिए, लॉग कीजिए, और अलर्ट भेजिए। इससे दो फ़ायदे होंगे। एक, खराबी तुरंत दिखेगी और उसी दिन ठीक हो सकेगी। दो, डाउनस्ट्रीम को कभी भी ऐसा डेटा नहीं मिलेगा जो दिखने में ठीक हो पर अंदर से खोखला हो। दूसरा सुधार यह है कि क्लासिफायर और एक्सट्रैक्टर के बीच का संबंध स्पष्ट किया जाए। अगर क्लासिफायर को सामग्री मिली, तो एक्सट्रैक्टर तक भी वही सामग्री पहुँचनी चाहिए — यह सुनिश्चित करने के लिए दोनों के इनपुट की लंबाई और हैश लॉग कीजिए। अक्सर देखा गया है कि दोनों अलग-अलग जगह से सामग्री उठाते हैं, और एक को साफ पाठ मिलता है जबकि दूसरे को खाली चंक। तीसरा सुधार — फ़ॉलबैक लॉजिक की समीक्षा। 'त्रुटि फेंकने के बजाय फ़ील्ड खाली कर देना' एक ऐसी आदत है जो शुरुआती विकास में सुविधाजनक लगती है और उत्पादन में विनाशकारी साबित होती है। खाली फ़ील्ड और अनुपस्थित फ़ील्ड, दोनों को अलग-अलग तरीके से दर्ज होना चाहिए। चौथा सुधार — भाषा और डोमेन की स्पष्टता। जहाँ संभव हो, लेबल को केवल 'फुटबॉल' न रखकर 'एसोसिएशन फुटबॉल' या 'अमेरिकन फुटबॉल' तक विस्तृत कीजिए, और अगर सिस्टम निर्णय न कर पाए तो उसे 'अनिश्चित' लिखने दीजिए। अनिश्चितता को छिपाना, अनिश्चितता से कहीं ज़्यादा खतरनाक है। अंत में, इस पूरी घटना से एक सीधा सबक निकलता है जो स्पोर्ट्स डेस्क और टेक टीम, दोनों के लिए है। ऑटोमेशन की कसौटी यह नहीं है कि वह कितनी बार सही उत्तर देता है; कसौटी यह है कि जब वह गलत हो, तो वह कितनी जल्दी और कितनी साफ़ता से यह बता देता है। एक ऐसा सिस्टम जो हर बार खाली शीट पर 'सफल' की मुहर लगा दे, तकनीकी रूप से चालू है और पेशेवर रूप से बंद। और स्पोर्ट्स न्यूज़रूम में, जहाँ हर मिनट की कीमत है, ऐसी चुप्पी किसी भी शोर से ज़्यादा महँगी पड़ती है। इस वक्त स्थिति यह है कि सामग्री के बिना कोई विश्लेषण संभव नहीं। कोई भी 'गहराई से विश्लेषण' जो अभी किया जाए, वह मूल लेख के बजाय अनुमानों पर खड़ा होगा — और वह ठीक वही गलती होगी जिसकी चेतावनी इस पूरी रिपोर्ट में दी गई है। इसलिए सही अगला कदम यही है: मूल पाठ भेजिए, और उसके बाद तथ्यों पर खड़ा विश्लेषण आएगा। तब तक, इस रिपोर्ट का काम केवल एक है — यह दिखाना कि खालीपन को सफलता कहने की आदत कितनी महँगी पड़ सकती है।