Trước thời máy tính, các nhà khoa học xử lý “núi dữ liệu” ra sao?

Một thí nghiệm về vành đai Van Allen từng được các nhà khoa học thời Chiến tranh Lạnh nghĩ đến theo cách cực đoan: cho nổ một quả bom hạt nhân trong vùng hạt tích điện để xem điều gì xảy ra. Ý tưởng ấy không bao giờ thành hiện thực, nhưng nó cho thấy một vấn đề rất thực: muốn hiểu và can thiệp vào Trái Đất, con người phải thu thập lượng thông tin vượt xa khả năng xử lý quen thuộc. Quá tải dữ liệu vì thế không bắt đầu với Internet. Câu hỏi quan trọng hơn là: khi chưa có ổ cứng hay công cụ tìm kiếm, các nhà khoa học đã biến hàng núi quan sát thành tri thức bằng cách nào? [1]

Vì sao Trái Đất bỗng trở thành một bài toán dữ liệu?

Trong bối cảnh đối đầu giữa Hoa Kỳ và Liên Xô, hiểu khí quyển, đại dương, băng, trọng lực, từ trường, động đất và tầng điện ly không chỉ phục vụ khoa học cơ bản. Những hiểu biết ấy còn được nhìn qua lăng kính quân sự: thời tiết có thể ảnh hưởng đến hoạt động chiến tranh, địa chấn có thể liên quan đến việc theo dõi thử nghiệm hạt nhân, còn môi trường tự nhiên bị xem như một yếu tố có thể khai thác. Muốn đưa ra quyết định, các nhà nghiên cứu cần dữ liệu trải rộng trên toàn hành tinh, chứ không phải vài phép đo riêng lẻ. [1]

Tuy nhiên, dữ liệu khi ấy bị chia cắt bởi bí mật quốc gia. Nhiều thông tin địa vật lý không được trao đổi công khai, khiến mỗi bên có những mảnh ghép riêng mà không dễ đặt cạnh nhau. Đây là điểm khác với hình dung phổ biến về “núi dữ liệu”: vấn đề không chỉ là có quá nhiều thông tin, mà còn là thông tin nằm rải rác, bị giới hạn quyền tiếp cận và thiếu một cách dùng chung. [1]

Một thỏa thuận đã mở đường cho việc chia sẻ

Năm Vật lý Địa cầu Quốc tế, diễn ra trong giai đoạn 1957–1958, tạo ra một cơ chế hợp tác đặc biệt giữa các nhà khoa học thuộc những quốc gia đang đối đầu. Các trạm quan sát được thiết lập ở nhiều nơi để ghi nhận hiện tượng khí quyển, cực quang, bão Mặt Trời, động đất, núi lửa và từ trường Trái Đất. Dữ liệu được chuyển về các Trung tâm Dữ liệu Thế giới ở cả hai phía của Bức màn Sắt, nơi chúng có thể được lưu giữ và trao đổi. [1]

Điều đáng chú ý là hợp tác dữ liệu không xóa bỏ đối đầu chính trị. Nó tạo ra một vùng làm việc chung đủ hẹp để các phép đo có thể được chia sẻ, nhưng đủ rộng để nhiều quốc gia cùng tham gia. Vệ tinh và tên lửa được sử dụng để thu thập thông tin, trong khi các trạm mặt đất tiếp tục ghi nhận những biến động ngay trên hành tinh. Khoa học ở đây không tiến lên chỉ nhờ thiết bị quan sát; nó cần cả quy tắc quy định dữ liệu được gửi đi, nhận về và lưu ở đâu. [1]

Lưu trữ không đồng nghĩa với có thể sử dụng

Khối lượng thông tin từ dự án nhanh chóng trở thành một bài toán riêng. Có hàng triệu tờ dữ liệu, hàng trăm nghìn bức ảnh và những cuộn phim vi ảnh kéo dài hàng nghìn dặm. Một trung tâm khí tượng từng cân nhắc lưu dữ liệu bằng máy tính, rồi ước tính sẽ cần khoảng 50 triệu phiếu đục lỗ. Con số này cho thấy công nghệ mới không tự động giải quyết quá tải: nếu vật mang tin, định dạng và quy trình vận chuyển không phù hợp, dữ liệu vẫn bị mắc kẹt trước khi đến tay người cần nó. [1]

Hãy hình dung một kho chứa nhiều loại tài liệu: ảnh, bản đồ, bảng số, nhật ký quan sát, phổ ánh sáng, phim tài liệu và báo cáo kỹ thuật. Mỗi loại có cách đọc khác nhau. Nếu không có quy ước mô tả, mã hóa và liên kết chúng, người nghiên cứu có thể biết kho đang tồn tại nhưng không biết nên bắt đầu tìm từ đâu. Đây là một ví dụ minh họa: một tủ hồ sơ rất đầy không có nghĩa là người sử dụng có thể nhanh chóng tìm thấy tài liệu phù hợp.

Các công cụ đơn giản đã biến hỗn độn thành mẫu hình

Trước thời máy tính hiện đại, các nhà khoa học thường giải quyết quá tải bằng cách thay đổi hình thức của thông tin. Carl Linnaeus dùng phiếu chỉ mục để sắp xếp, tách nhóm và sắp xếp lại các mẫu vật cùng mô tả về sinh vật. Heinrich Bronn lập những bảng lớn về hóa thạch, nơi tên loài được đặt cạnh địa điểm tìm thấy và lớp đá chứa hóa thạch. Khi dữ liệu được đưa vào một cấu trúc có thể so sánh, việc phân loại không còn chỉ là cất giữ; nó trở thành một phương pháp phát hiện quy luật. [1]

Trong nghiên cứu cấu trúc protein, các nhà khoa học cũng gặp một dạng quá tải khác: hàng loạt tọa độ và con số không dễ hình dung bằng mắt. Họ phải dựng mô hình bằng dây, vít, gỗ hoặc những thanh nối để biến dữ liệu phân tử thành hình dạng có thể quan sát. Bài học ở đây khá gần gũi: bảng số có thể chính xác nhưng chưa chắc đã dễ hiểu. Một bản đồ, mô hình hoặc cách sắp xếp tốt đôi khi mở ra điều mà danh sách dài không thể cho thấy. [1]

Vấn đề cũ còn nguyên trong thời dữ liệu số

Dữ liệu ngày nay được lưu bằng định dạng số nên dễ sao chép, tìm kiếm và xử lý hơn nhiều so với phim vi ảnh hay phiếu giấy. Nhưng lợi thế ấy không làm biến mất câu hỏi cốt lõi: dữ liệu có được mô tả đủ rõ để người khác hiểu và dùng lại hay không? Một tập thông tin thiếu bối cảnh có thể giống như một mẫu vật không ghi nơi thu thập, thời điểm quan sát hoặc điều kiện đo. Nó vẫn tồn tại, nhưng giá trị nghiên cứu giảm mạnh. [1]

Các bộ sưu tập tự nhiên cho thấy một cách chuẩn bị có ích: lưu cả thông tin đi kèm, chẳng hạn địa điểm, độ cao, nhiệt độ và tình trạng của mẫu vật. Nhờ vậy, những mẫu được thu thập từ lâu có thể được dùng lại cho câu hỏi mà người sưu tầm ban đầu chưa từng nghĩ tới. Dữ liệu tốt vì thế không chỉ là dữ liệu nhiều. Đó là dữ liệu có bối cảnh, có cấu trúc và có đường dẫn để người khác kiểm tra cách nó được tạo ra. [1]

Điều “núi dữ liệu” thực sự cảnh báo

Kinh nghiệm trước thời kỹ thuật số cho thấy quá tải dữ liệu không được giải quyết bằng việc giữ lại mọi thứ một cách vô điều kiện. Năm Vật lý Địa cầu Quốc tế đã tạo ra một kho thông tin đáng kể, nhưng một phần trong đó khó được khai thác vì nằm trên nhiều nền tảng không tương thích. Khi vật liệu lưu trữ xuống cấp hoặc thiếu công cụ tìm kiếm, một kho dữ liệu có thể biến thành nơi cất giữ hơn là nguồn tri thức. [1]

Vì vậy, câu hỏi nên chuyển từ “chúng ta có bao nhiêu dữ liệu?” sang “dữ liệu này giúp trả lời câu hỏi nào, và người khác có thể dùng nó ra sao?”. Từ các trạm quan sát thời Chiến tranh Lạnh đến những phiếu chỉ mục của Linnaeus, điểm chung không nằm ở quy mô thiết bị. Nó nằm ở nỗ lực tạo ra trật tự, quy tắc chia sẻ và cách trình bày. Dữ liệu chỉ bắt đầu có ý nghĩa khi con người xây được chiếc cầu nối nó với một câu hỏi cụ thể. [1]