क्रिकेट एनालिसिस पाइपलाइन में बड़ी खामी: Stage-1 रिपोर्ट खाली निकली, मॉडल ने तथ्य गढ़ने से किया इनकार

क्रिकेट कंटेंट और स्पोर्ट्स-डेटा एनालिसिस की दुनिया में एक ऐसा मामला सामने आया है जो तकनीकी प्रक्रिया की भरोसेमंदी पर सीधा सवाल खड़ा करता है। एक क्रिकेट कंटेंट एनालिसिस पाइपलाइन के Stage-1 आउटपुट में शून्य सूचना बिंदु (information points) लौटाए गए, यानी आर्टिकल को डिकंस्ट्रक्ट करने वाला चरण पूरी तरह खाली निकला। इसके बावजूद आउटपुट का ढांचा सही दिख रहा था — शीर्षक, उप-शीर्षक, टेबल और कॉन्फिडेंस टैग सब मौजूद थे, लेकिन उनके अंदर कोई तथ्य नहीं था। Stage-2 के गहन विश्लेषण ने इसी खालीपन को अपना विषय बनाया और साफ तौर पर घोषित किया कि उपलब्ध सामग्री से कोई भी ठोस क्रिकेट विश्लेषण वैध रूप से तैयार नहीं किया जा सकता। ऑडिट में जो पैटर्न दिखा, वह अपने आप में चिंताजनक है। आर्टिकल का शीर्षक, स्रोत, आर्टिकल का प्रकार, एक-वाक्य सारांश, लेखक का रुख और लेख का उद्देश्य — सभी फ़ील्ड खाली या अनुपलब्ध थे। आर्टिकल का प्रकार 'Unclassified' लौटा। सबसे गंभीर बात यह रही कि 'Entities Involved' फ़ील्ड में टीमों या खिलाड़ियों के नाम के बजाय एक निर्देश लिखा हुआ लौटा — 'ऊपर दिए गए सूचना बिंदुओं से पहचानें' — जबकि वे सूचना बिंदु ही मौजूद नहीं थे। डोमेन लेबल भी तय मानक 'Cricket' के बजाय 'cricket_world' के रूप में दर्ज हुआ, जो स्कीमा से मेल नहीं खाता। समय-संवेदनशीलता (Time Sensitivity) का आकलन किया ही नहीं गया और स्रोत की गुणवत्ता (Source Quality) को विश्लेषक पर छोड़ दिया गया — जबकि ग्रेड करने के लिए कोई स्रोत ही नहीं था। Stage-2 का रुख इस मामले में असामान्य रूप से सख्त रहा। उसने स्पष्ट रूप से लिखा कि कोई भी टीम, खिलाड़ी, फॉर्मेट, मैदान या आयोजन अनुमान से नहीं जोड़ा जाएगा, क्योंकि ऐसा करना शुद्ध गढ़ंत होगा। आठों विश्लेषण-आयाम — फॉर्मेट और मैच विश्लेषण, खिलाड़ी तकनीक और डेटा, टीम परिदृश्य और रैंकिंग, लीग और वाणिज्यिक पारिस्थितिकी, नियम और गवर्नेंस, जोखिम विश्लेषण, जन-नैरेटिव और उद्योग ट्रांसमिशन — सभी एक ही पहली बाधा पर अटक गए: Stage-1 में एक भी सूचना बिंदु उपलब्ध नहीं था। रिपोर्ट में यह भी दर्ज है कि यह विफलता 'स्ट्रक्चरल' है, यानी विश्लेषक की सतर्कता का मामला नहीं, बल्कि इनपुट ही काम का नहीं है। इस घटना का सबसे महत्वपूर्ण पक्ष खेल का नहीं, प्रक्रिया का है। रिपोर्ट की केंद्रीय चेतावनी यह है कि जो आउटपुट 'दिखने में' पूरा और पेशेवर लगता है, वह असल में सबसे खतरनाक हो सकता है। अगर एक खाली रिपोर्ट के ऊपर शीर्षक, टेबल और कॉन्फिडेंस टैग लगे हों, तो डाउनस्ट्रीम पाठक या प्रणाली उसे असली विश्लेषण समझ सकती है। ऐसे में बाद के चरण किसी काल्पनिक 'टीम', 'खिलाड़ी' या 'स्कोरलाइन' को तथ्य मानकर आगे बढ़ सकते हैं और अंत में वह सामग्री पाठक तक पहुंच सकती है जिसका मूल स्रोत से कोई संबंध नहीं। रिपोर्ट इसे 'फैब्रिकेशन रिस्क' के रूप में उच्च स्तर का जोखिम मानती है और कहती है कि ऐसे आउटपुट पर एक अपरिवर्तनीय प्रोवेनेंस चेतावनी लगाई जानी चाहिए, जिससे साफ हो कि यह निर्णय लेने योग्य सामग्री नहीं है। क्रिकेट में फॉर्मेट का सवाल सबसे बुनियादी है। टेस्ट, वनडे, टी20 और द हंड्रेड — इनके रणनीतिक तर्क, गेंदबाजी के चरण, पावरप्ले और डेथ ओवर की गणित, और प्रदर्शन के मानक सब अलग हैं। रिपोर्ट में स्पष्ट कहा गया है कि जब तक फॉर्मेट तय न हो, किसी भी आंकड़े का हवाला देना 'क्रॉस-फॉर्मेट कंटैमिनेशन' का रास्ता खोलता है। उदाहरण के तौर पर टी20 में 180 से ऊपर का स्ट्राइक रेट और 7 से कम की इकॉनमी को मजबूत माना जाता है, लेकिन यही मानक टेस्ट या वनडे पर लागू करना तकनीकी रूप से गलत होगा। इसीलिए विश्लेषण ने फॉर्मेट स्पष्ट होने तक डेटा के हवाले को पूरी तरह निलंबित रखा। यही सिद्धांत खिलाड़ी-स्तर के दावों पर भी लागू हुआ — कोई खिलाड़ी पहचाना ही नहीं जा सका, क्योंकि नाम, भूमिका और फॉर्मेट तीनों अनुपलब्ध थे। स्रोत की विश्वसनीयता क्रिकेट पत्रकारिता में अक्सर पूरे निष्कर्ष को तय कर देती है। बोर्ड की आधिकारिक घोषणा, शीर्ष स्तर के पत्रकार की खबर, सामान्य मीडिया रिपोर्ट और ट्रैफिक बटोरने वाले अकाउंट — इन चारों के बीच का अंतर नीलामी, चयन विवाद और अनुबंध की खबरों में निर्णायक होता है। इस मामले में आर्टिकल का स्रोत ही दर्ज नहीं था, इसलिए स्रोत की ग्रेडिंग, अफवाह की छंटाई और विश्वास-अंशांकन (confidence calibration) — तीनों असंभव हो गए। इसी तरह समय-संवेदनशीलता का आकलन न होने से यह भी तय नहीं हो सका कि जो भी जानकारी होती, वह कितनी जल्दी पुरानी पड़ जाती। क्रिकेट में फॉर्म, रैंकिंग, फिटनेस और नीलामी मूल्य कुछ ही हफ्तों में बदल जाते हैं, इसलिए प्रकाशन तिथि और घटना की तिथि — दोनों का दर्ज होना अनिवार्य माना गया है। रिपोर्ट ने केवल आलोचना नहीं की, बल्कि सुधार का ठोस खाका भी दिया। Stage-1 के अनुबंध में यह शर्त जोड़ी जानी चाहिए कि इन्फॉर्मेशन पॉइंट्स की सूची कभी खाली न लौटे — खाली लौटने पर सिस्टम को ज़ोर से विफल होना चाहिए, चुपचाप नहीं। 'Entities Involved' जैसे फ़ील्ड पर स्कीमा-स्तरीय प्रकार-जाँच (type validation) लागू हो, ताकि वहाँ निर्देश-वाक्य न फिसल सके। स्रोत की ग्रेडिंग को अनिवार्य और ब्लॉकिंग फ़ील्ड बनाया जाए। प्रकाशन और घटना की तारीखें लाज़मी हों। और डोमेन लेबल के लिए सख्त एनम तय हो, ताकि 'cricket_world' जैसा गैर-मानक लेबल दोबारा न आए। रिपोर्ट यह भी रेखांकित करती है कि विफलता अपरिवर्तनीय नहीं है — ढांचा सुरक्षित बचा है और क्लासिफिकेशन चल चुका है, इसलिए केवल एक्सट्रैक्शन चरण दोबारा चलाने से आठों आयाम एक साथ खुल सकते हैं। चूँकि हर आयाम एक ही पहली बाधा पर रुका है, सुधार का प्रयास जोड़ने वाला नहीं, बल्कि एक ही बार में पूरा हो सकता है। इस मामले का व्यापक उद्योग-संदर्भ भी है। क्रिकेट की वाणिज्यिक व्यवस्था में ब्रॉडकास्ट अधिकार, फ्रैंचाइज़ी मूल्यांकन, खिलाड़ी वेतन और फैंटेसी-स्पोर्ट्स जैसे डेरिवेटिव बाज़ार आपस में जुड़े हैं, और भारत इस पूरी श्रृंखला में राजस्व का सबसे बड़ा केंद्र माना जाता है। ऐसे में अगर किसी भी चरण पर तथ्य-रहित पर सुंदर दिखने वाला आउटपुट आगे बढ़ता है, तो उसका असर केवल एक खबर तक सीमित नहीं रहता — वह फैंटेसी टीम चुनने वाले उपयोगकर्ता, नीलामी की रणनीति बनाने वाली फ्रैंचाइज़ी और कमेंट्री करने वाले ब्रॉडकास्टर, सब तक पहुँच सकता है। रिपोर्ट की सबसे व्यावहारिक सलाह यही है कि खाली सूचना-बिंदुओं वाले किसी भी आउटपुट पर 'निर्णय के लिए अनुपयुक्त' का ठप्पा स्वतः लगे। गौरतलब है कि विश्लेषण ने अपनी सीमाएँ साफ-साफ घोषित कीं और दावा किया कि इस दस्तावेज़ में किसी भी खिलाड़ी, टीम, लीग, फॉर्मेट या वाणिज्यिक आंकड़े को न तो अनुमानित किया गया है और न ही गढ़ा गया है। यह एक ऐसी मिसाल है जो दिखाती है कि एआई-आधारित स्पोर्ट्स कंटेंट सिस्टम में 'कुछ न कहना' भी एक वैध और ज़रूरी नतीजा हो सकता है। साथ ही यह चेतावनी भी है कि ऐसी विफलताएँ चुपचाप होती हैं और ऑटोमेटेड जाँच में पास हो जाती हैं, क्योंकि आउटपुट स्कीमा के हिसाब से 'सही' दिखता है। अगली बार जब कोई क्रिकेट रिपोर्ट पढ़ें, तो यह पूछना बेकार नहीं होगा कि उसके पीछे कोई स्रोत, कोई तारीख और कोई फॉर्मेट है या नहीं।