ABOUT THE SPEAKER
Rajiv Maheswaran - Researcher
Using advanced data analysis tools, Rajiv Maheswaran and Second Spectrum help make basketball teams smarter.

Why you should listen

Sports fans can get obsessed with stats about player performance and game-day physics. But basketball, a fluid and fast-moving game, has been tough to understand through numbers. Rajiv Maheswaran is working to change that, by offering pro basketball teams insight into game data to make better decisions. Maheswaran is the CEO and co-founder of Second Spectrum, a startup transforming sports through technology. He is also a Research Assistant Professor at the University of Southern California's Computer Science Department and a Project Leader at the Information Sciences Institute at the USC Viterbi School of Engineering, where he co-directs the Computational Behavior Group.

His research spans various aspects of multi-agent systems and distributed artificial intelligence using decision-theoretic and game-theoretic frameworks and solutions. His current interests focus on data analytics, visualization and real-time interaction to understand behavior in spatiotemporal domains. Like, say, the spatiotemporal domain around a basketball hoop.

More profile about the speaker
Rajiv Maheswaran | Speaker | TED.com
TED2015

Rajiv Maheswaran: The math behind basketball's wildest moves

राजीव महेश्वरन: बास्केटबाल के सबसे अद्भुत चाल के पीछे का गणित

Filmed:
2,683,104 views

बास्केटबाल एक तेजी से बढ्ने वाला और रचनात्मक खेल है जिसमे सँपर्क, आहेम, स्पाटियो – टेँपोरल पाटर्न पहचानना है. राजीव महेश्वरन और उनके सहयोगी खेल के मुख्य चाल के पीछे गतियोँ को विश्लेषण करते है अँत:प्रेरणा और नया डाटा के साथ मिल कर प्रशिक्षकों और खिलाडियोँ की मदद करने के लिए. बोनस : वो लोग जो सीख रहे हैँ वो हमेँ लोगोँ की गती को समझ्ने मे मदद करेगा.
- Researcher
Using advanced data analysis tools, Rajiv Maheswaran and Second Spectrum help make basketball teams smarter. Full bio

Double-click the English transcript below to play the video.

00:12
My colleaguesसहयोगियों and I are fascinatedमोहित
by the scienceविज्ञान of movingचलती dotsडॉट्स.
0
954
3583
मैं और मेरे साथी
बिंदु गति शास्त्र से मंत्रमुग्ध हैं
00:16
So what are these dotsडॉट्स?
1
4927
1150
असल मे ये बिंदु क्या है ?
00:18
Well, it's all of us.
2
6101
1287
ये हम सब लोग है
00:19
And we're movingचलती in our homesघरों,
in our officesकार्यालयों, as we shopदुकान and travelयात्रा
3
7412
5085
हम अपने घरो में, आफिस मे
जब हम खरीददारी या यात्रा करते हैं
00:24
throughoutभर our citiesशहरों
and around the worldविश्व.
4
12521
2066
अपने शहर में और
पूरी दुनिया मे घूमते है
00:26
And wouldn'tनहीं होगा it be great
if we could understandसमझना all this movementआंदोलन?
5
14958
3669
अगर हम इस गति को समझ पाये
तो कितना अच्छा होगा
00:30
If we could find patternsपैटर्न and meaningअर्थ
and insightअंतर्दृष्टि in it.
6
18918
2890
अगर हम इसके स्वरूप
और अर्थ ढूँढ पाते ?
00:34
And luckilyकिस्मत से for us, we liveजीना in a time
7
22259
1785
यह हमारा सौभाग्य है
हम ऐसे समय जीते है
00:36
where we're incrediblyअविश्वसनीय रूप से good
at capturingवश में कर लेना informationजानकारी about ourselvesहम.
8
24068
4497
जहॉ हमारे बारे मे सुचना
प्राप्त करने मे हम सफल है
00:40
So whetherकि क्या it's throughके माध्यम से
sensorsसेंसर or videosवीडियो, or appsक्षुधा,
9
28807
3663
हम अपने गति की सभी
विवरण सेन्सर्स, वीडियो
00:44
we can trackधावन पथ our movementआंदोलन
with incrediblyअविश्वसनीय रूप से fine detailविस्तार.
10
32494
2809
और एप्स द्वारा
प्राप्त कर सकते है
00:48
So it turnsबदल जाता है out one of the placesस्थानों
where we have the bestश्रेष्ठ dataजानकारी about movementआंदोलन
11
36092
5032
तो यह पता चलता हैं कि जहाँ गति के बारे में
सबसे ज्यादा आकड़े मिल सकते हैं
00:53
is sportsखेल.
12
41148
1208
वो खेल हैं
00:54
So whetherकि क्या it's basketballबास्केटबाल or baseballबेसबॉल,
or footballफ़ुटबॉल or the other footballफ़ुटबॉल,
13
42682
5333
बास्केटबाल या बेसबाल
फुटबाल या दूसरा फुटबाल हो
01:00
we're instrumentingसाधन our stadiumsस्टेडियमों
and our playersखिलाड़ियों to trackधावन पथ theirजो अपने movementsआंदोलनों
14
48039
4402
उपकरण से ह्मारे स्टेडियम्स
और खिलाडियॉ से उनके
01:04
everyप्रत्येक fractionअंश of a secondदूसरा.
15
52465
1313
गति के हर पल को ट्रैक कर रहे है
01:05
So what we're doing
is turningमोड़ our athletesएथलीटों into --
16
53802
4382
तो ह्म अपने खिलाडियो को
01:10
you probablyशायद guessedअनुमान लगाया it --
17
58208
1959
हाँ आपने सही अंदाजा लगाया
01:12
movingचलती dotsडॉट्स.
18
60191
1396
गतिमान बिंदुओं मे बदल रहे है
01:13
So we'veहमने got mountainsपहाड़ों of movingचलती dotsडॉट्स
and like mostअधिकांश rawकच्चा dataजानकारी,
19
61946
4934
हमारे पास चलती बिंदुओ
का पहाड है और कच्चे आँकडॉ को
01:18
it's hardकठिन to dealसौदा with
and not that interestingदिलचस्प.
20
66904
2502
समझ पाना कठिन हैं
और दिलचस्प नही
01:21
But there are things that, for exampleउदाहरण,
basketballबास्केटबाल coachesकोच want to know.
21
69430
3769
उदाहरणार्थ बास्केट्बाल कोच बहुत
चीजेँ जानना चाहते हैं किंतु समस्या
01:25
And the problemमुसीबत is they can't know them
because they'dवे चाहते have to watch everyप्रत्येक secondदूसरा
22
73223
3810
ये हैं कि जानने के लिये उन्हेँ
खेल के हर पल ध्यान देना होगा
01:29
of everyप्रत्येक gameखेल, rememberयाद है it and processप्रक्रिया it.
23
77057
2589
याद करना होगा और उचित
कारवाई करना होगा
01:31
And a personव्यक्ति can't do that,
24
79804
1930
ये काम एक व्यक्ति नहीँ कर सकता
01:33
but a machineमशीन can.
25
81758
1310
बल्कि मशीन कर सकती है
01:35
The problemमुसीबत is a machineमशीन can't see
the gameखेल with the eyeआंख of a coachकोच.
26
83661
3410
लेकिन एक मशीन कोच के
नजर से खेल को नही देख सकती
01:39
At leastकम से कम they couldn'tनहीं कर सका untilजब तक now.
27
87363
2261
अब तक तो नही
01:42
So what have we taughtसिखाया the machineमशीन to see?
28
90228
2103
तो हम मशीन को क्या
देखने के लिये सिखाया
01:45
So, we startedशुरू कर दिया है simplyकेवल.
29
93569
1787
पहले आसान तरीके
से शुरु किया
01:47
We taughtसिखाया it things like passesगुजरता,
shotsशॉट्स and reboundsRebounds.
30
95380
3799
हम उसको पासेस शाट्स और
रिबौंड्स जैसे चीज़ सिखाया
01:51
Things that mostअधिकांश casualआकस्मिक fansप्रशंसकों would know.
31
99203
2541
चीज जो साधारण दर्शक
भी जानते है
01:53
And then we movedले जाया गया on to things
slightlyथोड़ा more complicatedउलझा हुआ.
32
101768
2832
और फिर हम थोडी मुश्किल
चीजोँ के ओर बढ गये
01:56
Eventsघटनाओं like post-upsपोस्ट-अप्स,
and pick-and-rollsपिक-एंड-रोल, and isolationsisolations.
33
104624
4588
जैसे पोस्ट-अप्स पिक-अंड-रोल्स
और आईसोलेश्न्स
02:01
And if you don't know them, that's okay.
Mostसबसे casualआकस्मिक playersखिलाड़ियों probablyशायद do.
34
109377
3543
और अगर आप इन्हेँ
नहीँ जानते तो कोई बात नहीँ
02:05
Now, we'veहमने gottenमिल गया to a pointबिंदु where todayआज,
the machineमशीन understandsसमझता है complexजटिल eventsआयोजन
35
113560
5340
अब हम वहां पहुँच गये जहाँ आज
मशीन मुश्किल ईवेँट्स को समझती हैं
02:10
like down screensस्क्रीन and wideचौड़ा pinsपिन.
36
118924
3073
जैसे डौन स्क्रींस और वाईड पिंस
02:14
Basicallyमूलतः things only professionalsपेशेवरों know.
37
122021
2726
ये चीज मूल रूप से
पेशेवर ही जानते हैँ
02:16
So we have taughtसिखाया a machineमशीन to see
with the eyesआंखें of a coachकोच.
38
124771
4388
हम एक मशीन को कोच की
नजर से देखना सिखाया
02:22
So how have we been ableयोग्य to do this?
39
130009
1857
हम यह कैसे कर पाये ?
02:24
If I askedपूछा a coachकोच to describeवर्णन
something like a pick-and-rollपिक-एंड-रोल,
40
132511
3118
यदि मै एक कोच को पिक-अंड-रोल्स
के बारे मे वर्णन देने को कहने से
02:27
they would give me a descriptionविवरण,
41
135653
1640
वे मुझे वर्णन दे सकते है
02:29
and if I encodedएन्कोडेड that as an algorithmएल्गोरिथ्म,
it would be terribleभयानक.
42
137317
2856
मै एंकोड करके एक अल्गोरित्म
के रूप मे दे दू तो बहुत अच्छा होगा
02:33
The pick-and-rollपिक-एंड-रोल happensहो जाता to be this danceनृत्य
in basketballबास्केटबाल betweenके बीच fourचार playersखिलाड़ियों,
43
141026
4278
पिक-अंड-रोल्स चार खिलाडियोँ के
बीच एक नृत्य जैसा लगता हैँ जहाँ
02:37
two on offenseअपराध and two on defenseरक्षा.
44
145328
1912
दो खिलाडी आक्रमण
दो खिलाडी रक्षा करते हैँ
02:39
And here'sयहाँ है kindमेहरबान of how it goesजाता है.
45
147486
1618
ऐसा चल रहा है
02:41
So there's the guy on offenseअपराध
withoutके बग़ैर the ballगेंद
46
149128
2533
यहाँ एक खिलाड़ी आक्रमण मे
बिना गेँद के है
02:43
the ballगेंद and he goesजाता है nextआगामी to the guy
guardingपहरा the guy with the ballगेंद,
47
151685
3209
गेँद और खिलाड़ी चलते है उस खिलाड़ी के पास
जिस के पास गेँद है
02:46
and he kindमेहरबान of staysरहता है there
48
154918
1257
और खिलाडी रुकता है
02:48
and they bothदोनों moveचाल and stuffसामग्री happensहो जाता,
and ta-daटीए-डीए, it's a pick-and-rollपिक-एंड-रोल.
49
156199
3317
दोनोँ चलते है टा-डा होता है
यहीँ है पिक-अंड-रोल्
02:51
(Laughterहँसी)
50
159540
2215
(हंसी)
02:53
So that is alsoभी an exampleउदाहरण
of a terribleभयानक algorithmएल्गोरिथ्म.
51
161779
2508
यह भी कठिन अल्गोरित्म
का एक उदाहरण है
02:56
So, if the playerखिलाड़ी who'sकौन है the interfererदखल --
he's calledबुलाया the screenerscreener --
52
164913
4204
यदि एक खिलाडी दखल देने से
उसको कहते है स्क्रीनर
03:01
goesजाता है closeबंद करे by, but he doesn't stop,
53
169278
2872
बहुत करीब पहुँच कर रुके नहीँ तो
03:04
it's probablyशायद not a pick-and-rollपिक-एंड-रोल.
54
172174
1765
पिक-अंड-रोल् शायद नहीँ कह सकते है
03:06
Or if he does stop,
but he doesn't stop closeबंद करे enoughपर्याप्त,
55
174560
3945
यदि खिलाडी रुकता है लेकिन
बहुत करीब नहीँ तो
03:10
it's probablyशायद not a pick-and-rollपिक-एंड-रोल.
56
178529
1761
पिक-अंड-रोल् शायद नहीँ कह सकते है
03:12
Or, if he does go closeबंद करे by
and he does stop
57
180642
3237
या बहुत करीब जाकर रुकने से
लेकिन बास्केट के नीचे करने से
03:15
but they do it underके अंतर्गत the basketटोकरी,
it's probablyशायद not a pick-and-rollपिक-एंड-रोल.
58
183903
3324
पिक-अंड-रोल् शायद नहीँ हो सकते है
03:19
Or I could be wrongगलत,
they could all be pick-and-rollsपिक-एंड-रोल.
59
187462
2524
या मैँ गलत हो सकता हूँ
वे सब पिक-अंड-रोल् हो सकते है
03:22
It really dependsनिर्भर करता है on the exactसटीक timingसमय,
the distancesदूरी, the locationsस्थानों,
60
190010
4568
ये सही वक्त, दुरी और स्थान पर
निर्भर करता है
03:26
and that's what makesबनाता है it hardकठिन.
61
194602
1495
और यही चीज उसको
मुश्किल बनाता है
03:28
So, luckilyकिस्मत से, with machineमशीन learningसीख रहा हूँ,
we can go beyondपरे our ownअपना abilityयोग्यता
62
196579
4944
लेकिन मशीन की सहायता से
हमारे सामर्थ्य से बढकर
03:33
to describeवर्णन the things we know.
63
201547
1743
चीजोँ का विवरण दे सकते है
03:35
So how does this work?
Well, it's by exampleउदाहरण.
64
203314
2280
तो ये कैसे काम करता है ?
ये एक उदाहरण से
03:37
So we go to the machineमशीन and say,
"Good morningसुबह, machineमशीन.
65
205759
2830
हम मशीन के पास जाते और कहते
" गुड मोर्निंग मशीन
03:41
Here are some pick-and-rollsपिक-एंड-रोल,
and here are some things that are not.
66
209077
3359
इधर कुछ पिक-अंड-रोल्स है
और इधर कुछ चीज वो नहीँ है
03:44
Please find a way to tell the differenceअंतर."
67
212720
2252
उन दोनोँ के बीच अँतर
बताने का रास्ता ढूँढो "
03:47
And the keyकुंजी to all of this is to find
featuresविशेषताएं that enableसक्षम it to separateअलग.
68
215076
3707
और जो लक्षण सबसे उसको अलग करते हो
उसको पता करना ही असली सूत्र है
03:50
So if I was going
to teachसिखाना it the differenceअंतर
69
218807
2109
इसलिए यदि मुझे उसको
सेब और सँतरा मे
03:52
betweenके बीच an appleसेब and orangeनारंगी,
70
220940
1381
अंतर सिखाना होता तो
03:54
I mightपराक्रम say, "Why don't you
use colorरंग or shapeआकार?"
71
222345
2375
मै उसको "रँग या आकार इस्तेमाल
करने के लिए कहूँगा ?"
03:56
And the problemमुसीबत that we're solvingहल is,
what are those things?
72
224744
2943
और हम जो समस्या को सुलझा रहे है
वह ऐसे क्या चीज है
03:59
What are the keyकुंजी featuresविशेषताएं
73
227711
1247
मूल लक्षण क्या है
04:00
that let a computerकंप्यूटर navigateनेविगेट
the worldविश्व of movingचलती dotsडॉट्स?
74
228982
3499
जो कम्प्यूटर को गतिमान बिँदु के
दुनिया मे दिशा दिखा सकते है?
04:04
So figuringलगाना out all these relationshipsरिश्तों
with relativeसापेक्ष and absoluteपूर्ण locationस्थान,
75
232505
4823
ये सारी सँबँधोँ के बीच दुरी समय गति
के बारे मे रिलेटिव और आब्सोल्युट
04:09
distanceदूरी, timingसमय, velocitiesVelocities --
76
237352
1909
स्थान की कल्पना करना ही
04:11
that's really the keyकुंजी to the scienceविज्ञान
of movingचलती dotsडॉट्स, or as we like to call it,
77
239440
4928
असल मे बिँदु गति शास्त्र की सूत्र है
या जैसे कि हम शैक्षिक भाषा मे
04:16
spatiotemporalspatiotemporal patternपैटर्न recognitionमान्यता,
in academicशैक्षिक vernacularपत्रकारिकता.
78
244392
3344
स्पटियोटेँपोरल स्वरूप पहचान
के नाम से जाना जाता है
04:19
Because the first thing is,
you have to make it soundध्वनि hardकठिन --
79
247925
2898
पहले चीज यह हैं कि
इसे सुनने में कठिन बनाना है
04:22
because it is.
80
250847
1278
क्योँकि यह कठिन है
04:24
The keyकुंजी thing is, for NBAएनबीए coachesकोच,
it's not that they want to know
81
252410
3141
एनबीए कोचेस के लिए
पिक-अंड-रोल हुआ की नहीँ
04:27
whetherकि क्या a pick-and-rollपिक-एंड-रोल happenedहो गई or not.
82
255575
1922
ज्यादा मान्य नहीँ रखता
04:29
It's that they want to know
how it happenedहो गई.
83
257521
2076
बल्कि कैसे हुआ जानना जरूरी मानते है
04:31
And why is it so importantजरूरी to them?
So here'sयहाँ है a little insightअंतर्दृष्टि.
84
259621
2986
और ये उनको क्योँ आवश्यक है?
एक उदाहरण प्रस्तुत करता हूँ
04:34
It turnsबदल जाता है out in modernआधुनिक basketballबास्केटबाल,
85
262631
1771
आधुनिक बास्केटबाल मे
04:36
this pick-and-rollपिक-एंड-रोल is perhapsशायद
the mostअधिकांश importantजरूरी playप्ले.
86
264426
2539
शायद पिक-अंड-रोल की ही
बहुत महत्वपूर्ण भूमिका है
04:39
And knowingज्ञान how to runरन it,
and knowingज्ञान how to defendबचाव it,
87
267065
2620
समझना कि कैसे दौडना और
समझना कि कैसे रक्षा करना
04:41
is basicallyमूल रूप से a keyकुंजी to winningजीत
and losingहार mostअधिकांश gamesखेल.
88
269709
2670
मूल रूप से खेलोँ मे जीतने या
हारने को प्रभावित करता है
04:44
So it turnsबदल जाता है out that this danceनृत्य
has a great manyअनेक variationsविविधताओं
89
272403
3801
ये नृत्य अलग अलग रूप मे है
04:48
and identifyingपहचान the variationsविविधताओं
is really the thing that mattersमामलों,
90
276228
3648
और इसको पहचानना ही असली चीज है
04:51
and that's why we need this
to be really, really good.
91
279900
2529
इसलिए ये सब बहुत ज्यादा
अच्छा होना हमारे लिये जरूरी है
04:55
So, here'sयहाँ है an exampleउदाहरण.
92
283228
1176
यहॉ एक उदाहरण है
04:56
There are two offensiveअपमानजनक
and two defensiveबचाव playersखिलाड़ियों,
93
284428
2379
वहॉ दो आक्रमिक खिलाडी
दो रक्षा पँती के खिलाडी है
04:58
gettingमिल रहा readyतैयार to do
the pick-and-rollपिक-एंड-रोल danceनृत्य.
94
286831
2152
जो पिक-अंड-रोल नृत्य
के लिए तैयार हो रहे है
05:01
So the guy with ballगेंद
can eitherभी take, or he can rejectअस्वीकार.
95
289007
2683
खिलाडी जिस के पास गेँद है वह
या तो ले सकता या छोड सकता
05:04
His teammateटीम can eitherभी rollरोल or popपॉप.
96
292086
3001
उसके टीम के साथी या तो रोल
या पाप कर सकते है
05:07
The guy guardingपहरा the ballगेंद
can eitherभी go over or underके अंतर्गत.
97
295111
2986
खिलाडी जो गेँद को रक्षा करता हैं
वो या तो ऊपर से या नीचे से जा सकता
05:10
His teammateटीम can eitherभी showदिखाना
or playप्ले up to touchस्पर्श, or playप्ले softमुलायम
98
298121
4565
उसके टीम के साथी या तो शो
या प्ले अप टु टच या प्ले साफ्ट
05:14
and togetherसाथ में they can
eitherभी switchस्विच or blitzब्लिट्ज
99
302710
2618
और मिलके उन लोग या तो स्विच
या ब्लिट्ज़ कर सकते हैँ
05:17
and I didn't know
mostअधिकांश of these things when I startedशुरू कर दिया है
100
305352
2659
और जब मैंने शुरू किया था
ये सब मै नही जानता था
05:20
and it would be lovelyसुंदर if everybodyहर movedले जाया गया
accordingअनुसार to those arrowsतीर.
101
308035
3920
और यदि सब लोग उस तीरों के अनुसार
चलने से कितना अच्छा होगा
05:23
It would make our livesरहता है a lot easierआसान,
but it turnsबदल जाता है out movementआंदोलन is very messyगंदा.
102
311979
3905
यह हमारी जीवन को बहुत आसन बनाते
बल्कि ये गति को बहुत अप्रिय बना देता है
05:28
People wiggleWiggle a lot and gettingमिल रहा
these variationsविविधताओं identifiedपहचान की
103
316047
5484
इस अलग रूप को सही सलामत
पहचानना और याद करना लोगोँ
05:33
with very highउच्च accuracyशुद्धता,
104
321555
1303
के लिये बहुत कठिन परिश्रम
05:34
bothदोनों in precisionशुद्धता and recallयाद, is toughकठोर
105
322882
1868
की आवश्यकता हैँ
05:36
because that's what it takes to get
a professionalपेशेवर coachकोच to believe in you.
106
324774
3618
क्योँकि यही जो चीज एक प्रोफेषनल कोच
आप की नैपुण्यता को मान्य देता है
05:40
And despiteके बावजूद all the difficultiesकठिनाइयों
with the right spatiotemporalspatiotemporal featuresविशेषताएं
107
328416
3380
और हम लोग काफी दुविधाएँ
आने के पश्चात भी
05:43
we have been ableयोग्य to do that.
108
331820
1474
सही स्पषियोटेँपोरल
लक्षण कर पाये
05:45
Coachesडिब्बों trustभरोसा our abilityयोग्यता of our machineमशीन
to identifyकी पहचान these variationsविविधताओं.
109
333318
3927
कोच्स हमारी मशीन की ये लक्षण पता कर ने की
क्षमता पर बहुत उम्मीद रखते है
05:49
We're at the pointबिंदु where
almostलगभग everyप्रत्येक singleएक contenderदावेदार
110
337478
3533
हम वहा पहुँच गये जहाँ NBA चैम्पियनशिप
के लगभग हर एक खिलाडी इस साल
05:53
for an NBAएनबीए championshipचैम्पियनशिप this yearसाल
111
341035
1623
हमारी साफ्ट्वेर
इस्तेमाल कर रहे है
05:54
is usingका उपयोग करते हुए our softwareसॉफ्टवेयर, whichकौन कौन से is builtबनाया
on a machineमशीन that understandsसमझता है
112
342682
4408
जो एक मशीन के ऊपर
बनाया गया जो
05:59
the movingचलती dotsडॉट्स of basketballबास्केटबाल.
113
347114
1634
बास्केट्बाल की बिंदु
गति को समझ्ता हैं
06:01
So not only that, we have givenदिया हुआ adviceसलाह
that has changedबदल गया strategiesरणनीतियाँ
114
349872
5153
पर इतना ही नही हम ने जो
सलाह दी उसने रणनीति को बदल दिया
06:07
that have helpedमदद की teamsटीमों winजीत
very importantजरूरी gamesखेल,
115
355049
3352
जो टीम्स को जीतने मे मदद करता है
06:10
and it's very excitingउत्तेजित करनेवाला because you have
coachesकोच who'veहै जो been in the leagueसंघ
116
358425
3732
और ये बहुत ही उत्तेजक है क्योँकि
जो कोचेस 30 साल से लीग मे है
06:14
for 30 yearsवर्षों that are willingतैयार to take
adviceसलाह from a machineमशीन.
117
362181
3067
वो एक मशीन से सलाह
लेने के लिये तैयार है
06:17
And it's very excitingउत्तेजित करनेवाला,
it's much more than the pick-and-rollपिक-एंड-रोल.
118
365874
2906
और यह बहुत ही दिलचस्त और
पिक-अंड-रोल से ज्यादा है
06:20
Our computerकंप्यूटर startedशुरू कर दिया है out
with simpleसरल things
119
368804
2076
हमारा कम्पुटर छोटे चीजोँ से शुरु किया
06:22
and learnedसीखा more and more complexजटिल things
120
370904
2064
और बहुत ही जटिल चीजोँ को सीखा
06:24
and now it knowsजानता है so manyअनेक things.
121
372992
1561
और अब इसको बहुत चीज मालूम है
06:26
Franklyसच कहूँ तो, I don't understandसमझना
much of what it does,
122
374577
2835
वो क्या करती है ये ज्यादातर
मै नही समझता
06:29
and while it's not that specialविशेष
to be smarterहोशियार than me,
123
377436
3715
और मुझसे चतुर होना भी
कोई बडी बात नही
06:33
we were wonderingसोच,
can a machineमशीन know more than a coachकोच?
124
381175
3644
हमे आश्चर्य होता है क्या एक मशीन
कोच से ज्यादा जान सकता?
06:36
Can it know more than personव्यक्ति could know?
125
384843
2055
क्या वो एक आदमी से ज्यादा जान सकता?
06:38
And it turnsबदल जाता है out the answerउत्तर is yes.
126
386922
1745
और हम लोगोँ को कहना पडेगा हाँ
06:40
The coachesकोच want playersखिलाड़ियों
to take good shotsशॉट्स.
127
388691
2557
कोचेस चाहते हैँ खिलाडी
अच्छे शाट ले
06:43
So if I'm standingखड़ा है nearपास the basketटोकरी
128
391272
1651
अगर मै बास्केट के पास हूँ
06:44
and there's nobodyकोई भी नहीं nearपास me,
it's a good shotशॉट.
129
392947
2166
और मेरे आसपास कोई नही
तो ये अच्छा शाट है
06:47
If I'm standingखड़ा है farदूर away surroundedघिरे
by defendersरक्षक, that's generallyआम तौर पर a badखराब shotशॉट.
130
395137
3940
अगर मै बहुत दूर खडा हूँ और मेरे चारोँ तरफ
रक्षा खिलाडी है तो वो गलत शाट है
06:51
But we never knewजानता था how good "good" was,
or how badखराब "badखराब" was quantitativelyमात्रात्मक.
131
399101
4876
लेकिन हम अभी तक ये नही जानते कि
अच्छा कितना "अच्छा" था
06:56
Untilतक now.
132
404209
1150
और बुरा कितना "बुरा" था
06:57
So what we can do, again,
usingका उपयोग करते हुए spatiotemporalspatiotemporal featuresविशेषताएं,
133
405771
3058
और हम लोग क्या करेँ फिरसे
हर शाट को स्पाटियोटेँपोरल
07:00
we lookedदेखा at everyप्रत्येक shotशॉट.
134
408853
1374
लक्षण द्वारा देखे
07:02
We can see: Where is the shotशॉट?
What's the angleकोण to the basketटोकरी?
135
410251
3005
हम देख सकते : शाट किधर है?
बास्केट तक क्या कोण है?
07:05
Where are the defendersरक्षक standingखड़ा है?
What are theirजो अपने distancesदूरी?
136
413280
2762
रक्षा खिलाडी कहॉ खडे है?
उनकी दुरी कितनी है?
07:08
What are theirजो अपने anglesकोणों?
137
416066
1331
उनके कोण कितना है?
07:09
For multipleविभिन्न defendersरक्षक, we can look
at how the player'sखिलाड़ी movingचलती
138
417421
2977
जहॉ ज्यादा रक्षा खिलाडी हो वहॉ
देख सकते खिलाडी कैसे चल रहे और
07:12
and predictभविष्यवाणी the shotशॉट typeप्रकार.
139
420422
1433
अंदाजा लगा सकते
कौनसा शोट लगेगा
07:13
We can look at all theirजो अपने velocitiesVelocities
and we can buildनिर्माण a modelआदर्श that predictsभविष्यवाणी
140
421879
4074
हम उनके रफ्तार को देख सकते है और
एक नमूना तैयार कर सकते जो
07:17
what is the likelihoodसंभावना that this shotशॉट
would go in underके अंतर्गत these circumstancesपरिस्थिति?
141
425977
4052
इन परिस्थितियोँ मे ये शाट कहॉ तक
जा सकता है इसका अंदाजा लगयेगा
07:22
So why is this importantजरूरी?
142
430188
1500
तो ये सब आवश्यक क्योँ है?
07:24
We can take something that was shootingशूटिंग,
143
432102
2803
ह्म शूटिँग को ले सकते,
जो पहले एक चीज था
07:26
whichकौन कौन से was one thing before,
and turnमोड़ it into two things:
144
434929
2680
और उसको दो चीजोँ मे बदल दिये
07:29
the qualityगुणवत्ता of the shotशॉट
and the qualityगुणवत्ता of the shooterशूटर.
145
437633
2651
शाट की गुणवत्ता और
शूटर की गुणवत्ता
07:33
So here'sयहाँ है a bubbleबुलबुला chartचार्ट,
because what's TEDटेड withoutके बग़ैर a bubbleबुलबुला chartचार्ट?
146
441680
3262
यहॉ एक बबल चार्ट देखिये
क्योँकि बिना बबल चार्ट TED क्या है?
07:36
(Laughterहँसी)
147
444966
1014
(हंसी)
07:38
Those are NBAएनबीए playersखिलाड़ियों.
148
446004
1311
ये बबल्स NBA खिलाडी हैँ
07:39
The sizeआकार is the sizeआकार of the playerखिलाड़ी
and the colorरंग is the positionपद.
149
447339
3120
बबल का परिमाण खिलाडी का परिमाण है
और रँग उसका स्थिति
07:42
On the x-axisx-अक्ष,
we have the shotशॉट probabilityसंभावना.
150
450483
2132
शाट की सँभावना x-अक्ष मे है
07:44
People on the left take difficultकठिन shotsशॉट्स,
151
452639
1953
लोग जो बाएँ तरफ है
वो मुश्किल शाट लेते हैँ
07:46
on the right, they take easyआसान shotsशॉट्स.
152
454616
2229
जो दाएँ तरफ है
आसन शाट लेते हैँ
07:49
On the [y-axisy-अक्ष] is theirजो अपने shootingशूटिंग abilityयोग्यता.
153
457194
2057
y-अक्ष पर उनके
शूटिँग के सामर्थ्य है
07:51
People who are good are at the topचोटी,
badखराब at the bottomतल.
154
459275
2562
लोग जो अच्छे है वो ऊपर है
जो बुरे वो नीचे है
07:53
So for exampleउदाहरण, if there was a playerखिलाड़ी
155
461861
1760
इस तरह, पहले हम सिर्फ
07:55
who generallyआम तौर पर madeबनाया गया
47 percentप्रतिशत of theirजो अपने shotsशॉट्स,
156
463621
2097
इतना ही जानते थे कि
एक खिलाडी आम तौर पर
07:57
that's all you knewजानता था before.
157
465718
1389
47 प्रतिशत शाट्स बनाता था
07:59
But todayआज, I can tell you that playerखिलाड़ी
takes shotsशॉट्स that an averageऔसत NBAएनबीए playerखिलाड़ी
158
467345
4850
पर आज मै ये कह सकता हू कि
वो खिलाडी एक साधारण NBA
08:04
would make 49 percentप्रतिशत of the time,
159
472219
1961
खिलाड़ी जो 49 प्रतिशत
शाट्स लेता है उनसे
08:06
and they are two percentप्रतिशत worseऔर भी बुरा.
160
474204
1684
2 प्रतिशत बदतर है
08:08
And the reasonकारण that's importantजरूरी
is that there are lots of 47s out there.
161
476266
4515
ये बहुत ही जरूरी है क्योँ कि
वहा ज्यादातर 47 प्रतिशत वाले है
08:13
And so it's really importantजरूरी to know
162
481714
2549
इसलिये ये जानना जरूरी है कि
08:16
if the 47 that you're consideringविचार
givingदे रही है 100 millionदस लाख dollarsडॉलर to
163
484287
3956
अगर आप 100 मिलियन डालर्स
47 प्रतिशतवाले को देना चाहते है जो
08:20
is a good shooterशूटर who takes badखराब shotsशॉट्स
164
488267
3055
एक अच्छा शूटर है लेकिन बुरा शाट लेता
08:23
or a badखराब shooterशूटर who takes good shotsशॉट्स.
165
491346
2397
या बुरा शूटर है जो अच्छा शाट लेता
08:27
Machineमशीन understandingसमझ doesn't just changeपरिवर्तन
how we look at playersखिलाड़ियों,
166
495130
3333
हमारी नजरिये को मशीन का
नजरिया नही बदल सकता लेकिन
08:30
it changesपरिवर्तन how we look at the gameखेल.
167
498487
1858
हम खेल को कैसे देखते
ये जरूर बदल सकता है
08:32
So there was this very excitingउत्तेजित करनेवाला gameखेल
a coupleयुगल of yearsवर्षों agoपूर्व, in the NBAएनबीए finalsफाइनल.
168
500369
3755
कुछ साल पहले NBA फ़ाइनल मे
एक उत्तेजक मेच हुआ था
08:36
Miamiमियामी was down by threeतीन,
there was 20 secondsसेकंड left.
169
504148
3207
मियामि तीन से पीछे था और
सिर्फ 20 सेकन्ड्स बाकी थे
08:39
They were about to loseखोना the championshipचैम्पियनशिप.
170
507379
2025
वो लोग चैम्पियनशिप खोने ही वाले थे
08:41
A gentlemanसज्जन namedनामित LeBronLebron Jamesजेम्स
cameआ गया up and he tookलिया a threeतीन to tieटाई.
171
509428
3341
एक जेंटलमैन लमान लेब्रान जेम्स आया
और उन्होँने तीन से टॅइ लिया
08:44
He missedचुक गया.
172
512793
1198
वो छूट गया
टीममेट
08:46
His teammateटीम Chrisक्रिस Boshबोष got a reboundप्रतिक्षेप,
173
514015
1837
क्रिस बोश को
पलटाव मिला उसने बाल
08:47
passedबीतने के it to anotherएक और teammateटीम
namedनामित Rayरे Allenएलन.
174
515876
2159
को अपने दूसरे टीममेट
रे अलेन को पास किया
08:50
He sankडूब गया a threeतीन. It wentचला गया into overtimeअधिक समय तक.
175
518059
1919
उसने तीन मे डुबा दिया
गेम अतिरिक्त समय मे चला गया
08:52
They wonजीत लिया the gameखेल.
They wonजीत लिया the championshipचैम्पियनशिप.
176
520002
2096
वो लोग गेम जीत गये
और चैम्पियनशिप भी
08:54
It was one of the mostअधिकांश excitingउत्तेजित करनेवाला
gamesखेल in basketballबास्केटबाल.
177
522122
2444
वो बास्केट बाल की बहुत ही
उत्तेजक मैचो मे से एक है
08:57
And our abilityयोग्यता to know
the shotशॉट probabilityसंभावना for everyप्रत्येक playerखिलाड़ी
178
525438
3429
और हर एक खिलाडी शाट खेलने की
सँभावना हर एक पल और उसको हर
09:00
at everyप्रत्येक secondदूसरा,
179
528891
1188
एक पल रीबौंड मिलने की
09:02
and the likelihoodसंभावना of them gettingमिल रहा
a reboundप्रतिक्षेप at everyप्रत्येक secondदूसरा
180
530103
2956
सँभावना ये सब जानने की हमारी
क्षमता आप की इस
09:05
can illuminateरोशन this momentपल in a way
that we never could before.
181
533083
3443
पल को और भी याद्गार बनाने वाला था
09:09
Now unfortunatelyदुर्भाग्य से,
I can't showदिखाना you that videoवीडियो.
182
537618
2668
पर बद्किस्मती से मै वो वीडिओ
आपको अभी नही दिखा सक्ता
09:12
But for you, we recreatedनिर्मित that momentपल
183
540310
4493
लेकिन हम ने आप के लिये
वो पल को पुनर-सृजन किया जो तीन
09:16
at our weeklyसाप्ताहिक basketballबास्केटबाल gameखेल
about 3 weeksसप्ताह agoपूर्व.
184
544827
2336
हफ्ते पहले जो हमारा
साप्ताहिक बास्केट बाल मैच हुआ
09:19
(Laughterहँसी)
185
547279
2167
(हंसी)
09:21
And we recreatedनिर्मित the trackingनज़र रखना
that led to the insightsअंतर्दृष्टि.
186
549573
3410
हम ने ट्रेकिंग का पुनर्निमाण किया
जो हमेँ अँतरदृष्टि के ओर लेके गया
09:25
So, here is us.
This is Chinatownचीनाटौन in Losलॉस Angelesएंजिल्स,
187
553199
4255
तो ये हम है ये एक पार्क
चाइनाटाउन लास एंजेलस मे
09:29
a parkपार्क we playप्ले at everyप्रत्येक weekसप्ताह,
188
557478
1564
जहा हम हर हफ्ते खेलते हैँ
09:31
and that's us recreatingपुनः
the Rayरे Allenएलन momentपल
189
559066
2231
और हमने रे अल्लेन मूमेंट को
09:33
and all the trackingनज़र रखना
that's associatedजुड़े with it.
190
561321
2229
और उसके साथ जुडी वो ट्राकिंग
को भी पुनर-सृजन किया
09:36
So, here'sयहाँ है the shotशॉट.
191
564772
1517
तो अब ये रहा शाट
09:38
I'm going to showदिखाना you that momentपल
192
566313
2516
मै ये पल और उसकी सारी
अनुभव आप को दिखाना
09:40
and all the insightsअंतर्दृष्टि of that momentपल.
193
568853
2587
चाहता हु
09:43
The only differenceअंतर is, insteadबजाय
of the professionalपेशेवर playersखिलाड़ियों, it's us,
194
571464
3730
और सिर्फ ये अंतर है कि पेशेवर
खिलाडी की जगह यहा हम होँगे
09:47
and insteadबजाय of a professionalपेशेवर
announcerउद्घोषक, it's me.
195
575218
2618
और पेशेवर वाचक के बदले यहा मै रहूँगा
09:49
So, bearभालू with me.
196
577860
1477
इसलिये थोडा सहन कीजिये(धीरज)
09:53
Miamiमियामी.
197
581153
1150
मियामी
09:54
Down threeतीन.
198
582671
1150
तीन से पीछे
09:56
Twentyबीस secondsसेकंड left.
199
584107
1150
बीस सेकन्ड बाकी हैं
09:59
Jeffजेफ bringsलाता है up the ballगेंद.
200
587385
1198
जेफ्फ बाल लाता है
10:02
Joshजोश catchesकैच, putsडालता है up a threeतीन!
201
590656
1535
जोश कैच करता हैं, तीन
पुट अप करता है
10:04
[Calculatingगणना shotशॉट probabilityसंभावना]
202
592631
1849
शाट की सँभावना की
गणना करने के बाद
10:07
[Shotशॉट qualityगुणवत्ता]
203
595278
1150
शाट की शक्ति
10:09
[Reboundप्रतिक्षेप probabilityसंभावना]
204
597048
1785
पलटाव की सँभावना
10:12
Won'tनहीं go!
205
600373
1173
नही जायेगा
10:13
[Reboundप्रतिक्षेप probabilityसंभावना]
206
601570
1446
पलटाव की सँभावना
10:15
Reboundप्रतिक्षेप, Noelनोएल.
207
603777
1256
पलटाव नोयेल
10:17
Back to DariaDaria.
208
605057
1150
फिर से दारिया के पास
10:18
[Shotशॉट qualityगुणवत्ता]
209
606509
3365
शाट की शक्ती
10:22
Her three-pointerतीन-सूचक -- bangधमाके!
210
610676
1620
उसका तीन पाइंटर- बांग
10:24
Tieटाई gameखेल with fiveपंज secondsसेकंड left.
211
612320
2197
बराबर अंको पर गेम था पांच क्षण बच गये
10:26
The crowdभीड़ goesजाता है wildजंगली.
212
614880
1618
क्राउड (भीड) पागल हो जाते हैं
10:28
(Laughterहँसी)
213
616522
1659
(हंसी)
10:30
That's roughlyमोटे तौर पर how it happenedहो गई.
214
618205
1547
ये सब लग भग ऐसे हुआ था
10:31
(Applauseप्रशंसा)
215
619776
1151
(ताली)
10:32
Roughlyलगभग.
216
620951
1175
लग भग
10:34
(Applauseप्रशंसा)
217
622150
1531
(ताली)
10:36
That momentपल had about a nineनौ percentप्रतिशत
chanceमोका of happeningहो रहा है in the NBAएनबीए
218
624121
5484
ये पल को NBA मे लगभग नौ
प्रतिशत मुमकिन होने की सँभावना है
10:41
and we know that
and a great manyअनेक other things.
219
629629
2261
और हम लोग और भी
बडे बडे चाज जानते है
10:43
I'm not going to tell you how manyअनेक timesटाइम्स
it tookलिया us to make that happenहोना.
220
631914
3491
मै ये नही बतावूंगा उस पल को
सँभव बनाने के लिये कितने बार लगा
10:47
(Laughterहँसी)
221
635429
1747
(हंसी)
10:49
Okay, I will! It was fourचार.
222
637200
1872
चलो बता देता हू वो चार था
10:51
(Laughterहँसी)
223
639096
1001
(हंसी)
10:52
Way to go, DariaDaria.
224
640121
1165
डारिया ,बहुत आगे जाओगे
10:53
But the importantजरूरी thing about that videoवीडियो
225
641647
4263
पर उस वीडिओ और वो हर पल,
हर गेम का अंतर दृष्टि रखना
10:57
and the insightsअंतर्दृष्टि we have for everyप्रत्येक secondदूसरा
of everyप्रत्येक NBAएनबीए gameखेल -- it's not that.
226
645934
4568
इन सब का दूसरा मतलब है
11:02
It's the factतथ्य you don't have to be
a professionalपेशेवर teamटीम to trackधावन पथ movementआंदोलन.
227
650639
3929
ये यदार्थ है कि उस पल की नजर रखने के लिये
तुम्हे एक पेशेवर टीम होने की जरूरत नही
11:07
You do not have to be a professionalपेशेवर
playerखिलाड़ी to get insightsअंतर्दृष्टि about movementआंदोलन.
228
655083
3657
गती की अनुभव करने के लिये तुम्हे
एक पेशेवर खिलाडी होने की जरूरत नही
11:10
In factतथ्य, it doesn't even have to be about
sportsखेल because we're movingचलती everywhereहर जगह.
229
658764
3858
असल मे वो तो खेल के बारे मे होने की भी
जरूरत नही क्योँ कि हम हर जगह घूमते है
11:15
We're movingचलती in our homesघरों,
230
663654
2369
हम अपने घरोँ मे चलते है
11:21
in our officesकार्यालयों,
231
669428
1205
अपने दफतर मे
11:24
as we shopदुकान and we travelयात्रा
232
672238
2690
जब हम कुछ खरीदते हैं
और जब हम यात्रा करते हैं
11:29
throughoutभर our citiesशहरों
233
677318
1253
हमारे सारे शहर में
11:32
and around our worldविश्व.
234
680065
1618
और अपने आसपास की
दुनिया मे भी घूमते
11:35
What will we know? What will we learnसीखना?
235
683270
2295
हम क्या जानते हैं? क्या समझते हैं?
11:37
Perhapsशायद, insteadबजाय of identifyingपहचान
pick-and-rollsपिक-एंड-रोल,
236
685589
2305
शायद पिक-अँड-रोल्स
को पहचानने के बदले
11:39
a machineमशीन can identifyकी पहचान
the momentपल and let me know
237
687918
3010
एक मशीन मेरी बेटी की
पहला चरण लेने की पल को
11:42
when my daughterबेटी takes her first stepsकदम.
238
690952
2059
पहचान के मुझे बतायेगा
11:45
Whichजो could literallyसचमुच be happeningहो रहा है
any secondदूसरा now.
239
693035
2536
जो कोई भी क्षण
वास्तव में हो सकता है
11:48
Perhapsशायद we can learnसीखना to better use
our buildingsइमारतों, better planयोजना our citiesशहरों.
240
696140
3697
शायद हम भवन का सही उपयोग
शहर का सही नक्शा बना सकते
11:52
I believe that with the developmentविकास
of the scienceविज्ञान of movingचलती dotsडॉट्स,
241
700362
4173
मुझे उम्मीद है कि बिँदु गति शास्त्र
की व्याप्ति से
11:56
we will moveचाल better, we will moveचाल smarterहोशियार,
we will moveचाल forwardआगे.
242
704559
3643
हम लोग बेहतर तरीके से
चतुराई से और आगे बड सकते है
12:00
Thank you very much.
243
708607
1189
धन्यवाद
12:01
(Applauseप्रशंसा)
244
709820
5045
(ताली)
Translated by lalitha annamraju
Reviewed by Omprakash Bisen

▲Back to top

ABOUT THE SPEAKER
Rajiv Maheswaran - Researcher
Using advanced data analysis tools, Rajiv Maheswaran and Second Spectrum help make basketball teams smarter.

Why you should listen

Sports fans can get obsessed with stats about player performance and game-day physics. But basketball, a fluid and fast-moving game, has been tough to understand through numbers. Rajiv Maheswaran is working to change that, by offering pro basketball teams insight into game data to make better decisions. Maheswaran is the CEO and co-founder of Second Spectrum, a startup transforming sports through technology. He is also a Research Assistant Professor at the University of Southern California's Computer Science Department and a Project Leader at the Information Sciences Institute at the USC Viterbi School of Engineering, where he co-directs the Computational Behavior Group.

His research spans various aspects of multi-agent systems and distributed artificial intelligence using decision-theoretic and game-theoretic frameworks and solutions. His current interests focus on data analytics, visualization and real-time interaction to understand behavior in spatiotemporal domains. Like, say, the spatiotemporal domain around a basketball hoop.

More profile about the speaker
Rajiv Maheswaran | Speaker | TED.com