खाली टेबल, भरा हुआ सवाल: शतरंज की डेटा पाइपलाइन जब बिना एरर खाली लौटती है

हुक

नवंबर 2026 में कोलकाता के टाटा स्टील शतरंज इंडिया रैपिड के पहले संस्करण में मैं अठारह साल का एक वॉलंटियर था, डेटा डेस्क पर बैठा, और मेरा काम था 45 रैपिड गेम्स की हर चाल का समय, स्टॉकफिश 9 का सेंटीपॉन लॉस, और +1.5 मूल्यांकन के बाद का कन्वर्ज़न रेट दर्ज करना। आयोजकों ने शाम को सिर्फ़ कच्चे नतीजे छापे। मैंने रात भर बैठकर 12 ट्वीट का थ्रेड बनाया, जिसमें दिखाया कि तीन निर्णायक गेम्स को ओपनिंग के चुनाव से बेहतर समय-दबाव की गलतियाँ समझाती हैं। अड़तालीस घंटे के भीतर ChessBase India ने वह थ्रेड शेयर कर दिया, और मेरे कॉलेज अख़बार ने मुझे शतरंज कॉलम देना शुरू किया, क्योंकि मैं खिलाड़ियों के कोटेशन की जगह 45 गेम्स से कोई दावा साबित कर सकता था।

छह साल बाद, दिसंबर 2026 में, सिंगापुर में गुकेश-डिंग मैच की लाइव मेट्रिक्स डेस्क संभालते हुए मुझे समझ आया कि असली काम डेटा जुटाना नहीं, डेटा के न आने की वजह पकड़ना है। गेम 12 के बाद न्यूज़रूम "कोलैप्स" की कहानी लिखना चाहता था। मैंने 14-गेम का मॉडल सामने रखा: गुकेश का औसत एंडगेम सेंटीपॉन लॉस 11.4, डिंग का 18.7, और गेम 12 में डिंग ने 37 मिनट ज़्यादा जलाए थे। मैंने भविष्यवाणी की कि गेम 14 टाइम ट्रबल पर पलटेगा। वह पलटा, और गुकेश ने 7.5-6.5 से ख़िताब जीता।

उसी हफ़्ते एक और चीज़ हुई जिसका ज़िक्र मैंने किसी रिपोर्ट में नहीं किया। एक ऑटोमेटेड एनालिसिस पाइपलाइन, जिसे मैं दो महीने से बना रहा था, चली — और खाली लौटी। कोई एरर नहीं, कोई क्रैश नहीं, कोई लाल बैनर नहीं। बस शून्य पंक्तियाँ, और एक हरा हुआ डैशबोर्ड।

खाली ऐरे वह विफलता है जिसके लिए कोई अलार्म नहीं बजता।

संदर्भ: पाइपलाइन क्या करती है, और कहाँ चुप हो जाती है

शतरंज की डेटा चेन को मैं पाँच चरणों में देखता हूँ: स्कोरशीट और PGN का संग्रह; सैनिटाइज़ेशन (समय नियंत्रण, रंग, राउंड, टाईब्रेक नियम); फ़ीचर एक्सट्रैक्शन (सेंटीपॉन लॉस, प्रति-चाल समय, कन्वर्ज़न, प्रेशर थ्रेशोल्ड); मॉडलिंग; और रिपोर्टिंग। हर चरण की अपनी विफलता-विधा है, और सबसे महँगी वह है जिसमें प्रक्रिया सफल दिखती है।

यह समझने के लिए अगस्त 2026 याद करना ज़रूरी है। लॉकडाउन में दुनिया भर का खेल बंद था, और FIDE ऑनलाइन ओलंपियाड चल रहा था। मैंने भारत की ओपन और महिला टीमों के 288 ऑनलाइन गेम्स स्क्रैप किए और उनमें सर्वर डिस्कनेक्ट, इंक्रीमेंट का इस्तेमाल, और दस सेकंड से कम लैग में एक्यूरेसी कोड की। फ़ाइनल रूस के ख़िलाफ़ सर्वर फेल होने के बाद संयुक्त ख़िताब पर ख़त्म हुआ। उस वक़्त हर कोई "काश" की कहानी लिख रहा था। मैंने वह कहानी नहीं लिखी। मैंने एक डेटा नोट लिखा, जिसमें दिखाया कि लैग के दबाव में सबसे ऊँचा कन्वर्ज़न रेट भारत के जूनियर बोर्ड्स का था। ChessBase India ने फ़ॉलो-अप फ़ीचर माँगा।

वहाँ से मेरा लिखना बदल गया। मैंने संकट को सबूत की तरह पढ़ना शुरू किया — पहले वह चर जो फेल हुआ (लैग, डिस्कनेक्ट, समय नियंत्रण), फिर इंसानी क़ीमत। इसी आदत ने मुझे पोस्ट-मॉर्टम लिखने वाला बनाया, रंगीन फ़ीचर लिखने वाला नहीं।

अब सवाल यह है कि शतरंज में खाली लौटने वाली पाइपलाइन इतनी आम क्यों है। चार विफलताएँ मैंने बार-बार देखी हैं, और उनके नाम उनके लक्षणों से आते हैं।

स्कीमा का डगमगाना। एक ही टूर्नामेंट के तीन स्रोत तीन अलग फ़ील्ड नाम देते हैं — कहीं "white_player", कहीं "player_white", कहीं सिर्फ़ "white"। जब स्क्रिप्ट इनमें से कोई एक नाम ढूँढ़ती है और नहीं मिलता, तो वह पंक्ति को हटा देती है, एरर नहीं देती। 45 गेम्स के डेटासेट से 40 पंक्तियाँ चुपचाप ग़ायब हो सकती हैं और डैशबोर्ड हरा बना रहता है।

समय-मुद्रा की गड़बड़ी। शतरंज में रेटिंग सूची की तारीख़ एक जीवित चीज़ है। जुलाई 2026 की रेटिंग पर बनाया गया मॉडल जनवरी 2026 में अलग नतीजा देगा, क्योंकि खिलाड़ी की करंट फ़ॉर्म और उसका कैलेंडर-लोड उस अवधि में बदल चुका होता है। जो पाइपलाइन तारीख़ नहीं संभाल सकती, वह पुराने डेटा को नए डेटा की तरह पेश करती है। यह विफलता नहीं, ग़लत बयानी है, और यह बहीखाते की सबसे महँगी गलती है।

नमूने की पक्षपात। और यहीं भारतीय शतरंज की सबसे बड़ी संरचनात्मक समस्या छिपी है, जिस पर मैं बाद में लौटूँगा।

संस्थागत चुप्पी। FIDE और राज्य संघों की अधिकांश सूचनाएँ PDF सर्कुलर के रूप में आती हैं, API के रूप में नहीं। AICF के चुनाव चक्र, राज्य संघों के निलंबन, टूर्नामेंट कैलेंडर के देर से हुए संशोधन — ये सब मशीन-पठनीय फ़ॉर्मैट में मौजूद नहीं हैं। जहाँ इनपुट हाथ से टाइप करना पड़े, वहाँ हर मॉडल अनिवार्य रूप से एक इंसान की थकान पर टिका होता है, और थकान कोई मेट्रिक नहीं है।

कोर: टेबल कहाँ सच बोलती है, और कहाँ चुप रह जाती है

जुलाई 2026। चेन्नई ओलंपियाड से ठीक पहले, मैंने अपनी आख़िरी यूनिवर्सिटी गर्मियों का हिस्सा एक चेन्नई शतरंज अकादमी के लिए रिमोट कंसल्टिंग में लगाया। काम सीधा था: बोर्ड-ऑर्डर डेटा तैयार करना। 11 राउंड की मैचअप, रंग-संतुलन, और समय-नियंत्रण कन्वर्ज़न। मेमो में मैंने तर्क दिया कि इंडिया-2 को अपने सबसे युवा खिलाड़ियों को ऊँचे बोर्ड पर रखना चाहिए, ताकि मैच पॉइंट्स अधिकतम हों। इंडिया-2 ने ओपन ब्रॉन्ज़ जीता, और गुकेश ने बोर्ड एक पर 8/11 स्कोर किया। अकादमी ने वह मेमो कोचों के साथ साझा किया, और वह तमिलनाडु के शतरंज हलक़ों में घूमने लगा।

बोर्ड ऑर्डर सिर्फ़ एक रैंकिंग है जिसके परिणाम होते हैं; मैंने दोनों पढ़ना सीखा।

उस मेमो के पीछे जो डेटा था, वह साफ़ था — और यह बात मुझे बाद में समझ आई कि उसकी सफ़ाई किसी पाइपलाइन की जीत नहीं थी। 11 राउंड, तय संख्या में टीमें, पहले से घोषित रंग-क्रम: यह वह दुर्लभ मामला है जहाँ इनपुट साफ़ होता है, और इसीलिए निष्कर्ष भरोसेमंद होता है। वह ब्रॉन्ज़ एक संरचनात्मक जीत थी, किस्मत नहीं। उस मेमो ने मुझे मेरा पहला पेड डेटा कॉन्ट्रैक्ट दिलाया, कोलकाता की एक शतरंज अकादमी के साथ, और तब से मैं युवा खिलाड़ियों की प्रतिस्पर्धी क़ीमत टूर्नामेंट के बाद नहीं, उससे पहले आँकने लगा।

अब इसकी तुलना उस चीज़ से करें जिसे लोग भारत का शतरंज पाइपलाइन कहते हैं। वेल्लम्मल स्कूलों से GM तक की यात्रा, तमिलनाडु की नक़द इनाम-योजनाएँ, और ONGC, LIC, रेलवे जैसे PSU में नौकरियाँ — यह एक ऐसा तंत्र है जिसके बारे में हर कोई बात करता है और जिसका मशीन-पठनीय डेटा किसी एक जगह पर मौजूद नहीं है। इस अंतर को मैं मार्केट का नहीं, रिकॉर्ड-कीपिंग का मुद्दा मानता हूँ।

यहीं नमूने की पक्षपात सबसे महँगी साबित होती है: जो रास्ता सबसे अच्छी तरह दर्ज है, वही सबसे ज़्यादा GM देता है, और इसलिए नमूना ख़ुद अपनी तारीफ़ करता है।

तमिलनाडु का डेटा अच्छा है क्योंकि तमिलनाडु में डेटा रखने की परंपरा है, नक़द इनाम है, और मीडिया की नज़र है। बिहार, ओडिशा, पूर्वोत्तर, और उन राज्यों का क्या जहाँ कैश अवॉर्ड की व्यवस्था ही नहीं है और PSU कोटा भी सिकुड़ रहा है? वहाँ से आने वाला खिलाड़ी किसी सूची में नहीं दिखता, क्योंकि सूची बनाने वाला तंत्र वहाँ पहुँचता ही नहीं। पाइपलाइन वहाँ खाली नहीं लौट रही। पाइपलाइन वहाँ गई ही नहीं।

कोलकाता में मैंने सीखा कि साफ़ टेबल भी गंदा सवाल छिपा सकती है।

यही वजह है कि 2026 के बाद मैंने बोर्ड-ऑर्डर इकोनॉमिक्स लिखना शुरू किया। प्रश्न यह नहीं है कि यह बच्चा कितना अच्छा है। प्रश्न यह है कि यह तंत्र कितना भुगत रहा है और बदले में क्या पा रहा है। तमिलनाडु एक GM पर जो खर्च करता है, वह ब्रॉडकास्ट और स्पॉन्सरशिप से वसूल नहीं होता। यह घाटा छिपा नहीं है; यह किसी भी ईमानदार बैलेंस शीट पर साफ़ दिखता है। और यही घाटा बताता है कि शतरंज एक ऐसा निचला बाज़ार है जिसका रिज़्यूमे महाशक्ति जैसा है।

दिसंबर 2026 की लाइव डेस्क पर यही सबक काम आया। गुकेश-डिंग मैच में न्यूज़रूम के पास भावना का डेटा था, संरचना का नहीं। गेम 12 में डिंग ने जीतकर स्कोर बराबर किया, और हर कोई कोलैप्स की कहानी लिखने को तैयार था। मैंने वह कॉलम नहीं लिखा। मैंने 14 गेम्स का मॉडल खोला: गुकेश का औसत एंडगेम सेंटीपॉन लॉस 11.4, डिंग का 18.7, और गेम 12 में डिंग ने 37 मिनट ज़्यादा जलाए थे। ये तीन संख्याएँ एक ही दिशा में इशारा कर रही थीं — गेम 14 का फ़ैसला टाइम ट्रबल पर होगा। वह हुआ भी।

मैंने मैच रिपोर्ट को टेबल में बदला, फिर टेबल को सवाल में।

यह कहानी अक्सर "डेटा जीत गया" की तरह सुनाई जाती है। सच्चाई यह है कि वहाँ डेटा जीता नहीं; डेटा उपलब्ध था। मैच के हर गेम का PGN मौजूद था, हर चाल का समय दर्ज था, और सेंटीपॉन लॉस निकालने के लिए इंजन का एक ही संस्करण इस्तेमाल हुआ था। इन तीन में से एक भी चीज़ अनुपलब्ध होती, तो मेरा 14-गेम का मॉडल भी उसी खाली ऐरे की तरह शून्य लौटता, और न्यूज़रूम अपनी कोलैप्स कहानी छाप देता। मेरी भविष्यवाणी सही निकली, लेकिन उसका श्रेय दूरदर्शिता को नहीं, इनपुट की स्वच्छता को जाता है।

अब उस बाज़ार की ओर देखिए जिसकी क़ीमत मैं दो साल से नापने की कोशिश कर रहा हूँ। ग्लोबल चेस लीग मुंबई तक दिसंबर 2026 में पहुँची। यह देरी मार्केट फ़ेलियर है या प्राइसिंग प्रॉब्लम? मेरा जवाब है प्राइसिंग प्रॉब्लम — लेकिन वह उस प्राइसिंग का नतीजा है जो हमने ख़ुद बनाई। भारतीय शतरंज ने दुनिया के सबसे अच्छे खिलाड़ियों की एक पूरी पीढ़ी बनाई है, और उसके पास बेचने के लिए साल में एक लंबा वीकेंड जितनी चलने वाली लीग है। यह असंतुलन खिलाड़ियों की क़ाबिलियत का नतीजा नहीं है। यह उस इन्फ़्रास्ट्रक्चर का नतीजा है जिसमें इवेंट डेटा किसी स्क्रिप्ट से नहीं, किसी की याद से निकलता है।

कॉन्ट्रैरियन: ज़्यादा डेटा इलाज नहीं है

जब पाइपलाइन खाली लौटती है, तो सबसे आसान प्रतिक्रिया ज़्यादा डेटा माँगना होती है। मेरा अनुभव कहता है कि यह प्रतिक्रिया ग़लत दिशा में ले जाती है।

खाली ऐरे बग नहीं, सिग्नल है। जिस स्तर पर डेटा नहीं बन रहा, वहाँ दिक़्क़त मात्रा की नहीं, जुटाने के प्रोत्साहन की है। कोई राज्य संघ अपने टूर्नामेंट के नतीजे मशीन-पठनीय फ़ॉर्मैट में क्यों देगा, अगर उससे उसकी कमज़ोरी दिखती है और उसे कोई फ़ायदा नहीं मिलता? कोई अकादमी अपने खिलाड़ियों का घंटा-वार डेटा क्यों साझा करेगी, अगर वह उसका प्रतिस्पर्धी हथियार है? डेटा का न होना प्रोत्साहन की समस्या है, और इसे डेटा की कमी की तरह इलाज करना बेकार है। मैंने यह पैटर्न AICF के चुनावी सालों में सबसे साफ़ देखा: जब अधिकारी पदों पर लड़ते हैं, तब राज्य संघों के निलंबन और कैलेंडर के देर से हुए बदलाव आते हैं, और ठीक उसी कालखंड में कोई डेटा रिकॉर्ड नहीं बनता। एक राज्य चुपचाप अगला चैंपियन बनाता रहता है, और उस राज्य के सिवा किसी के पास इसका लिखित सबूत नहीं होता। यह विरोधाभास नहीं, एक औज़ार है।

सहसंबंध को कारण बनाने की जल्दबाज़ी वहीं शुरू होती है जहाँ टेबल सबसे साफ़ दिखती है। जूनियर रेटिंग ऊँची है इसलिए वह खिलाड़ी सीनियर स्तर पर भी चलेगा — यह वह वाक्य है जो हर फ़्रैंचाइज़ी रोस्टर और हर GCL स्लॉट के पीछे काम करता है, और जिसकी सत्यता दर उतनी ऊँची नहीं है जितना उसका आत्मविश्वास है। फुटबॉल के ट्रांसफ़र-मार्केट मॉडल युवा क्षमता को ज़्यादा आँकते हैं और ड्रेसिंग-रूम रसायन को कम — शतरंज में यही त्रुटि PSU नौकरी, नक़द इनाम, और कोचिंग-सहारे के रूप में दिखती है। एक चौदह साल के प्रतिभाशाली खिलाड़ी की क़ीमत उसकी रेटिंग से नहीं, उस घर की आर्थिक स्थिरता से तय होती है जिसमें वह बैठा है, और वह कॉलम आमतौर पर टेबल में मौजूद ही नहीं होता।

पहला ईमानदार कॉलम वही था जिसका शीर्षक "हम कहाँ चूके" था।

भारतीय शतरंज की सबसे बड़ी विफलता फेडरेशन का चुनाव चक्र नहीं है; विफलता उस चक्र के दौरान डेटा का बंद हो जाना है। और अगर मुझे इस लेख की अपनी सबसे कमज़ोर कड़ी बतानी हो, तो वह यह है: मेरे पास यह दावा साबित करने के लिए कोई 288-गेम्स वाला डेटासेट नहीं है। मेरे पास सात साल का अवलोकन है, चार शहरों के डेटा डेस्क हैं, और एक ऐसा पैटर्न है जिसे मैंने हर बार दोहराया होते देखा — पर नमूना छोटा है, और मैं उसे बड़ा बताकर नहीं बेचूँगा। 2026 के चेन्नई मुक़ाबले को मैं कंट्रोल ग्रुप की तरह पढ़ता हूँ और 2026 के सिंगापुर को ट्रीटमेंट की तरह। सवाल यह नहीं कि कहानी क्या थी। सवाल यह है कि तंत्र में क्या बदला — और उसका ईमानदार जवाब देने के लिए जो डेटा चाहिए, वह भारत में किसी एक जगह मौजूद नहीं है।

मॉडल पहले विफलता को, तो सफलता जादू दिखना बंद कर देती है।

इसलिए जब मुझसे पूछा जाता है कि भारत का शतरंज पाइपलाइन दुनिया का सबसे अच्छा क्यों है, तो मैं एक पंक्ति जोड़ता हूँ: जिस पाइपलाइन के बारे में मैं सबसे कम जानता हूँ, वही सबसे अच्छा दिखता है। यह विनम्रता नहीं है। यह बहीखाता है।

टेकअवे

अगले बारह महीनों में, यानी दिसंबर 2026 तक, अगर FIDE की रेटिंग सूची की तरह AICF और राज्य संघों के टूर्नामेंट नतीजे भी मशीन-पठनीय फ़ॉर्मैट में नहीं निकले, तो हर नई डेटा-ड्रिवेन रिपोर्ट उसी खाली ऐरे पर खड़ी होगी जिसे किसी ने देखा नहीं। और तब सबसे बड़ा नुक़सान यह नहीं होगा कि हमारी भविष्यवाणियाँ ग़लत होंगी। सबसे बड़ा नुक़सान यह होगा कि हमें कभी पता ही नहीं चलेगा कि हम कहाँ चूके।

मैं जान-बूझकर ग़लत होना पसंद करता हूँ, सुरक्षित रूप से धुँधला रहने से।