Thiết kế trực quan hóa cho những thứ vẫn chưa tồn tại

• Phần lớn trực quan hóa dữ liệu xử lý quá khứ; ngay cả khi thể hiện tương lai, chúng cũng thường chỉ dừng ở mức kéo dài một đường đơn về phía trước nên không phản ánh đúng đặc tính cấu trúc của sự bất định
• Khi đối tượng của trực quan hóa chuyển từ dự báo đến các kịch bản phản thực, từ 'dữ liệu' sang 'không gian của các khả năng', sẽ xuất hiện ba thách thức cốt lõi: tính đa khả năng, sự bất định và tính phụ thuộc
• Bất định phân tầng, dòng thời gian phân nhánh và bề mặt kịch bản là ba mẫu tiếp cận mang tính cấu trúc có thể thay thế kiểu trực quan hóa dự báo truyền thống vốn xoay quanh một quỹ đạo đơn
• Thông qua các ví dụ thực tế như hình nón dự báo bão, đường cong COVID, kịch bản khí hậu và bản đồ rủi ro động đất, bài viết giải thích cụ thể vấn đề dễ gây hiểu lầm của trực quan hóa dự báo truyền thống
• Mục tiêu của trực quan hóa tương lai không phải là dự đoán, mà là thiết kế một cấu trúc có thể khám phá để giúp hiểu có bao nhiêu tương lai là khả dĩ và những yếu tố nào định hình chúng

---

Vấn đề của trực quan hóa dự báo

• Hầu hết biểu đồ dự báo đều có dạng một đường đơn gọn gàng kéo dài về phía trước, với một dải bóng mờ xung quanh, tạo cảm giác chính xác và được kiểm soát
• Đường đơn đó hàm chứa những tiền đề sai lầm như: “tồn tại một tương lai có khả năng xảy ra cao nhất”, “độ lệch là đối xứng và có thể dự đoán”, và “sự bất định chỉ là một biên độ đơn giản chứ không phải thuộc tính cấu trúc”
• Trong các hệ thống thực tế, tương lai không kéo dài thẳng mà phân nhánh; sự bất định gia tăng theo thời gian theo cách phức hợp, và kết quả mang tính phi tuyến, bất đối xứng
• Trường hợp hình nón dự báo bão: nhiều người đọc nó như thể cơn bão đang lớn dần lên, nhưng thực ra nó biểu thị sự bất định về vị trí theo thời gian
• Trường hợp dự báo COVID: nhiều trực quan hóa chỉ hiển thị một đường cong duy nhất, nhưng kết quả thực tế lại dẫn tới những cục diện hoàn toàn khác nhau tùy theo hành vi, chính sách và thời điểm
• Trong bài viết trên Nightingale có tiêu đề "The Day I Thought I Misled the President of the United States", Alberto Cairo đã đề cập việc trực quan hóa dự báo có thể vô tình làm méo mó sự hiểu biết của công chúng; đồng thời, trong trực quan hóa dự báo bão tương tác cho The New York Times, ông cũng khám phá những cách thay thế để truyền đạt sự bất định hiệu quả hơn

Thách thức cốt lõi: trực quan hóa những thứ chưa xảy ra

• Khi làm việc với dự báo, mô phỏng và các tình huống phản thực, đối tượng không còn là bộ dữ liệu mà là không gian kết quả (space of outcomes)
• Câu hỏi chuyển từ “dữ liệu nói gì?” sang “dữ liệu có thể trở thành gì?”
• Có ba thách thức cốt lõi
  • Tính đa khả năng (Multiplicity): không chỉ có một tương lai mà có nhiều tương lai
  • Sự bất định (Uncertainty): không phải mọi khả năng đều có xác suất ngang nhau
  • Tính phụ thuộc (Dependency): kết quả thay đổi theo quyết định, sự kiện và điều kiện
• Phần lớn trực quan hóa dự báo làm phẳng các chiều này thành một quỹ đạo đơn vì dễ đọc, nhưng đó là cách tiếp cận kém trung thực

Kịch bản phản thực (Counterfactuals)

• Các kịch bản phản thực như “nếu đã ~ thì điều gì sẽ xảy ra?” không tồn tại sẵn trong dữ liệu; chúng là những giả thuyết được kiến tạo, và thường phụ thuộc vào mô hình
• Dù vậy, đây vẫn là những câu hỏi quan trọng: nếu sóng thần mạnh hơn thì sao? Nếu dự báo của mô hình sai thì sao? Nếu chính sách thay đổi thì sao?
• Kịch bản phản thực kéo theo bài toán phải thể hiện một phiên bản của thực tại đã không xảy ra, tức là phải hiển thị ‘sự vắng mặt (absence)’
• Hầu hết trực quan hóa либо bỏ qua hoàn toàn, либо rút gọn nó thành chuyển đổi bật/tắt, và như vậy là chưa đủ
• Cách giải quyết vấn đề nén mọi khả năng thành một đường duy nhất là chấp nhận cấu trúc thay vì ưu tiên sự đơn giản

Mẫu 1: Bất định phân tầng (Layered Uncertainty)

• Thay vì một khoảng tin cậy duy nhất, cần phân loại sự bất định theo tầng
• Cấu trúc tầng
  • Kết quả có độ tin cậy cao: vùng hẹp và đậm
  • Phạm vi tin cậy trung bình: vùng rộng hơn và sáng hơn
  • Các cực trị xác suất thấp: vùng phân mảnh và gần như khó thấy
• Các tầng này phải thay đổi hình dạng — vì sự bất định không đồng đều
  • Nó có thể lệch về một phía, tách thành nhiều cụm hoặc co lại dưới những điều kiện nhất định
• Mục tiêu không phải là cho thấy có “bao nhiêu” bất định, mà là cho thấy “nó vận hành như thế nào”
• Dự báo tổ hợp trong khí tượng đã đi theo hướng này: “spaghetti plot” trực quan hóa đồng thời hàng chục kết quả khả dĩ, trong đó mật độ và sự phân cụm của các đường truyền đạt mức độ tin cậy, độ phân kỳ và tính bất ổn tốt hơn nhiều so với một đường dự báo làm mượt duy nhất

Mẫu 2: Dòng thời gian phân nhánh (Branching Timelines)

• Một quỹ đạo đơn gợi ý tính tất yếu, còn cấu trúc phân nhánh làm lộ ra các điểm ra quyết định
• Cần chuyển cách nghĩ từ “một đường → nhiều sai lệch khả dĩ” sang “một điểm xuất phát → nhiều con đường tách nhánh”
• Mỗi nhánh biểu thị một điều kiện, quyết định hoặc ngưỡng bị vượt qua, từ đó tạo ra trực quan hóa tương tác có ý nghĩa để người dùng khám phá không phải dữ liệu mà là hệ quả (consequences)
• Đặc biệt mạnh với mô phỏng chính sách, kịch bản khí hậu và hành vi mô hình dưới các đầu vào khác nhau
• Câu chuyện chuyển từ “đây là điều sẽ xảy ra” sang “đây là điều có thể xảy ra tùy theo điều gì thay đổi”
• Trực quan hóa khí hậu là ví dụ rõ nhất: các kịch bản phát thải khác nhau tạo ra những quỹ đạo ấm lên hoàn toàn khác nhau theo thời gian, và tương lai thay đổi theo chính sách, sử dụng năng lượng và hành động tập thể (nguồn: IPCC 2021)

Mẫu 3: Bề mặt kịch bản (Scenario Surfaces)

• Thay vì vẽ từng tương lai riêng lẻ, đây là cách tiếp cận trực quan hóa chính bản thân không gian
• Trên bề mặt 2D hoặc 3D, mỗi điểm đại diện cho một kịch bản; các trục là biến số (thời gian, cường độ, xác suất, v.v.), còn màu sắc hoặc kết cấu mã hóa chất lượng kết quả hay rủi ro
• Người dùng có thể nhận ra các vùng ổn định, khu vực biến động và những chuyển tiếp đột ngột giữa các kết quả
• Tập trung vào khám phá (exploration) hơn là kể chuyện
• Bản đồ rủi ro động đất hoạt động theo cách tương tự: thay vì dự đoán một sự kiện đơn lẻ, nó trực quan hóa các vùng rủi ro theo tổ hợp độ lớn, độ sâu và vị trí, nhằm giúp hiểu địa hình của các tác động khả dĩ (nguồn: USGS)
• Cách tiếp cận này thừa nhận một sự thật mà phần lớn trực quan hóa bỏ qua: tương lai không rời rạc mà là liên tục

Thiết kế cho diễn giải (Designing for Interpretation)

• Phần khó nhất của cách tiếp cận này không phải kỹ thuật mà là vấn đề nhận thức
• Khi hiển thị nhiều tương lai, người dùng có thể cảm thấy choáng ngợp; các mẫu trở nên kém rõ ràng hơn và việc diễn giải đòi hỏi nỗ lực
• Nếu đơn giản hóa để làm trực quan hóa trở nên “dễ hiểu”, nhiều khi ta lại tạo ra một trực quan hóa sai lệch
• Mục tiêu cần chuyển từ giảm độ phức tạp sang cấu trúc hóa độ phức tạp
• Đây là điểm mà tương tác trở nên quan trọng
  • Công bố dần (Progressive disclosure)
  • Lộ trình có hướng dẫn qua các kịch bản (Guided pathways)
  • Điểm tham chiếu (Reference points) để neo nhận thức của người dùng
• Không chỉ đang thiết kế trực quan hóa, mà còn đang thiết kế cách con người tư duy về sự bất định

Kết luận: các nguyên tắc cốt lõi của trực quan hóa tương lai

• Muốn trực quan hóa thứ chưa tồn tại, ta phải ngừng hành xử như thể nó đã tồn tại
• Ba nguyên tắc cốt lõi
  • Biểu đạt nhiều khả năng thay vì chỉ một
  • Biểu đạt cấu trúc thay vì chỉ phạm vi đơn giản
  • Thiết kế cho khám phá thay vì chỉ để tiêu thụ
• Mục tiêu không phải là dự đoán tương lai, mà là giúp hiểu có bao nhiêu tương lai là khả dĩ và điều gì định hình chúng