TED2015
Rajiv Maheswaran: The math behind basketball's wildest moves
Ρατζίβ Μαχεσουάραν: Τα μαθηματικά πίσω από τις πιο έξαλλες κινήσεις του μπάσκετ
Filmed:
Readability: 3.1
2,683,104 views
Το μπάσκετ είναι ένα γρήγορο παιχνίδι αυτοσχεδιασμού, επαφής και… ε χμ, χωροχρονικής αναγνώρισης προτύπων. Ο Ρατζίβ Μαχεσουάραν και οι συνάδελφοί του αναλύουν τις κινήσεις πίσω από τις βασικές κινήσεις του παιχνιδιού, για να βοηθούν τους προπονητές και τους παίκτες να συνδυάσουν τη διαίσθηση με νέα δεδομένα. Δώρο: αυτά που μαθαίνουν θα μπορούσαν να μας βοηθήσουν να καταλάβουμε πώς κινούνται οι άνθρωποι παντού.
Rajiv Maheswaran - Researcher
Using advanced data analysis tools, Rajiv Maheswaran and Second Spectrum help make basketball teams smarter. Full bio
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 colleagues and I are fascinated
by the science of moving dots.
by the science of moving dots.
0
954
3583
Οι συνεργάτες μου κι εγώ έχουμε γοητευτεί
από την επιστήμη των κινούμενων κουκκίδων.
από την επιστήμη των κινούμενων κουκκίδων.
00:16
So what are these dots?
1
4927
1150
Τι είναι αυτές οι κουκκίδες;
Βασικά, είμαστε όλοι εμείς.
Βασικά, είμαστε όλοι εμείς.
00:18
Well, it's all of us.
2
6101
1287
00:19
And we're moving in our homes,
in our offices, as we shop and travel
in our offices, as we shop and travel
3
7412
5085
Κινούμαστε στα σπίτια ή τα γραφεία μας,
καθώς ψωνίζουμε και ταξιδεύουμε
καθώς ψωνίζουμε και ταξιδεύουμε
00:24
throughout our cities
and around the world.
and around the world.
4
12521
2066
μέσα στις πόλεις μας
αλλά και σε όλο τον κόσμο
αλλά και σε όλο τον κόσμο
00:26
And wouldn't it be great
if we could understand all this movement?
if we could understand all this movement?
5
14958
3669
Δεν θα ήταν καταπληκτικό αν μπορούσαμε
να κατανοήσουμε όλες αυτές τις κινήσεις;
να κατανοήσουμε όλες αυτές τις κινήσεις;
00:30
If we could find patterns and meaning
and insight in it.
and insight in it.
6
18918
2890
Αν μπορούσαμε να βρούμε μοτίβα,
νόημα και επίγνωση σε αυτήν;
νόημα και επίγνωση σε αυτήν;
00:34
And luckily for us, we live in a time
7
22259
1785
Ευτυχώς για μας, ζούμε σε μία εποχή,
00:36
where we're incredibly good
at capturing information about ourselves.
at capturing information about ourselves.
8
24068
4497
στην οποία μπορούμε να μαζεύουμε
πληροφορίες για τους εαυτούς μας.
πληροφορίες για τους εαυτούς μας.
00:40
So whether it's through
sensors or videos, or apps,
sensors or videos, or apps,
9
28807
3663
Είτε μέσα από αισθητήρες,
βίντεο ή εφαρμογές
βίντεο ή εφαρμογές
00:44
we can track our movement
with incredibly fine detail.
with incredibly fine detail.
10
32494
2809
μπορούμε να παρακολουθήσουμε
τις κινήσεις μας με απίστευτη λεπτομέρεια
τις κινήσεις μας με απίστευτη λεπτομέρεια
00:48
So it turns out one of the places
where we have the best data about movement
where we have the best data about movement
11
36092
5032
Ένα από τα μέρη όπου έχουμε
τα καλύτερα δεδομένα σχετικά με την κίνηση
τα καλύτερα δεδομένα σχετικά με την κίνηση
00:53
is sports.
12
41148
1208
είναι τα αθλήματα.
00:54
So whether it's basketball or baseball,
or football or the other football,
or football or the other football,
13
42682
5333
Είτε μπάσκετ, είτε μπέιζμπολ,
είτε ποδόσφαιρο, είτε το άλλο ποδόσφαιρο,
είτε ποδόσφαιρο, είτε το άλλο ποδόσφαιρο,
01:00
we're instrumenting our stadiums
and our players to track their movements
and our players to track their movements
14
48039
4402
εξοπλίζουμε τα στάδια και τους παίκτες
για να καταγράφουμε τις κινήσεις τους
για να καταγράφουμε τις κινήσεις τους
01:04
every fraction of a second.
15
52465
1313
σε κάθε κλάσμα του δευτερολέπτου.
01:05
So what we're doing
is turning our athletes into --
is turning our athletes into --
16
53802
4382
Αυτό που κάνουμε είναι ότι
μετατρέπουμε τους αθλητές μας σε --
μετατρέπουμε τους αθλητές μας σε --
01:10
you probably guessed it --
17
58208
1959
μάλλον το μαντέψατε --
01:12
moving dots.
18
60191
1396
κινούμενες κουκκίδες.
01:13
So we've got mountains of moving dots
and like most raw data,
and like most raw data,
19
61946
4934
Έχουμε πληθώρα κινούμενων κουκκίδων και
όπως τα περισσότερα ακατέργαστα δεδομένα,
όπως τα περισσότερα ακατέργαστα δεδομένα,
η επεξεργασία τους είναι δύσκολη
και όχι πολύ ενδιαφέρουσα.
και όχι πολύ ενδιαφέρουσα.
01:18
it's hard to deal with
and not that interesting.
and not that interesting.
20
66904
2502
01:21
But there are things that, for example,
basketball coaches want to know.
basketball coaches want to know.
21
69430
3769
Αλλά οι προπονητές του μπάσκετ π.χ.
θέλουν να γνωρίζουν κάποια πράγματα,
θέλουν να γνωρίζουν κάποια πράγματα,
01:25
And the problem is they can't know them
because they'd have to watch every second
because they'd have to watch every second
22
73223
3810
αλλά δεν μπορούν, διότι πρέπει
να παρακολουθούν κάθε δευτερόλεπτο
να παρακολουθούν κάθε δευτερόλεπτο
01:29
of every game, remember it and process it.
23
77057
2589
κάθε παιχνιδιού, να τα θυμούνται
και να τα επεξεργάζονται.
και να τα επεξεργάζονται.
Αυτό δεν μπορεί να το κάνει ένας άνθρωπος,
αλλά μπορεί να το κάνει ένας υπολογιστής.
αλλά μπορεί να το κάνει ένας υπολογιστής.
01:31
And a person can't do that,
24
79804
1930
01:33
but a machine can.
25
81758
1310
01:35
The problem is a machine can't see
the game with the eye of a coach.
the game with the eye of a coach.
26
83661
3410
Όμως οι υπολογιστές δεν μπορούν να δουν
το παιχνίδι όπως ένας προπονητής.
το παιχνίδι όπως ένας προπονητής.
01:39
At least they couldn't until now.
27
87363
2261
Ή τουλάχιστον, δεν μπορούσαν μέχρι τώρα.
01:42
So what have we taught the machine to see?
28
90228
2103
Τι διδάξαμε τους υπολογιστές να βλέπουν;
01:45
So, we started simply.
29
93569
1787
Ξεκινήσαμε απλά.
01:47
We taught it things like passes,
shots and rebounds.
shots and rebounds.
30
95380
3799
Τους μάθαμε τις πάσες,
τα σουτ και τα ριμπάουντ,
τα σουτ και τα ριμπάουντ,
01:51
Things that most casual fans would know.
31
99203
2541
αυτά που γνωρίζουν
οι περισσότεροι φίλαθλοι.
οι περισσότεροι φίλαθλοι.
01:53
And then we moved on to things
slightly more complicated.
slightly more complicated.
32
101768
2832
Μετά περάσαμε σε λίγο
πιο περίπλοκα πράγματα,
πιο περίπλοκα πράγματα,
01:56
Events like post-ups,
and pick-and-rolls, and isolations.
and pick-and-rolls, and isolations.
33
104624
4588
όπως τα ποσταρίσματα, τα πικ εν ρολ
και το παιχνίδι απομόνωσης.
και το παιχνίδι απομόνωσης.
02:01
And if you don't know them, that's okay.
Most casual players probably do.
Most casual players probably do.
34
109377
3543
Αν δεν τα ξέρετε, δεν πειράζει. Όσοι
παίζουν κάπου-κάπου μάλλον τα γνωρίζουν.
παίζουν κάπου-κάπου μάλλον τα γνωρίζουν.
02:05
Now, we've gotten to a point where today,
the machine understands complex events
the machine understands complex events
35
113560
5340
Σήμερα, έχουμε φτάσει στο σημείο όπου
οι μηχανές καταλαβαίνουν σύνθετα γεγονότα
οι μηχανές καταλαβαίνουν σύνθετα γεγονότα
02:10
like down screens and wide pins.
36
118924
3073
όπως κάτω σκριν και wide pin,
02:14
Basically things only professionals know.
37
122021
2726
πράγματα που γνωρίζουν
μόνον οι επαγγελματίες.
μόνον οι επαγγελματίες.
02:16
So we have taught a machine to see
with the eyes of a coach.
with the eyes of a coach.
38
124771
4388
Μάθαμε, δηλαδή, στους υπολογιστές
να βλέπουν με τα μάτια ενός προπονητή.
να βλέπουν με τα μάτια ενός προπονητή.
02:22
So how have we been able to do this?
39
130009
1857
Πώς το κάναμε αυτό;
02:24
If I asked a coach to describe
something like a pick-and-roll,
something like a pick-and-roll,
40
132511
3118
Αν ζητούσα από έναν προπονητή
να μου περιγράψει κάτι σαν το πικ εν ρολ,
να μου περιγράψει κάτι σαν το πικ εν ρολ,
02:27
they would give me a description,
41
135653
1640
θα μου έδινε μια περιγραφή,
02:29
and if I encoded that as an algorithm,
it would be terrible.
it would be terrible.
42
137317
2856
και αν προσπαθούσα να τη μετατρέψω σε
αλγόριθμο, το αποτέλεσμα θα ήταν τραγικό.
αλγόριθμο, το αποτέλεσμα θα ήταν τραγικό.
02:33
The pick-and-roll happens to be this dance
in basketball between four players,
in basketball between four players,
43
141026
4278
Το πικ εν ρολ είναι ένα είδος χορογραφίας
ανάμεσα σε τέσσερις παίκτες,
ανάμεσα σε τέσσερις παίκτες,
02:37
two on offense and two on defense.
44
145328
1912
δύο επιτιθέμενους και δύο αμυνόμενους.
02:39
And here's kind of how it goes.
45
147486
1618
Είναι κάπως έτσι.
02:41
So there's the guy on offense
without the ball
without the ball
46
149128
2533
Αυτός είναι ο επιθετικός χωρίς την μπάλα
02:43
the ball and he goes next to the guy
guarding the guy with the ball,
guarding the guy with the ball,
47
151685
3209
και πηγαίνει δίπλα στον παίκτη,
που μαρκάρει τον παίκτη με την μπάλα
που μαρκάρει τον παίκτη με την μπάλα
02:46
and he kind of stays there
48
154918
1257
και μένει εκεί
02:48
and they both move and stuff happens,
and ta-da, it's a pick-and-roll.
and ta-da, it's a pick-and-roll.
49
156199
3317
και κινούνται και οι δύο και συμβαίνουν
διάφορα και αυτό είναι το πικ εν ρολ.
διάφορα και αυτό είναι το πικ εν ρολ.
02:51
(Laughter)
50
159540
2215
(Γέλια)
02:53
So that is also an example
of a terrible algorithm.
of a terrible algorithm.
51
161779
2508
Επίσης είναι ένα παράδειγμα
άθλιου αλγορίθμου.
άθλιου αλγορίθμου.
02:56
So, if the player who's the interferer --
he's called the screener --
he's called the screener --
52
164913
4204
Αν ο παίκτης που παρεμβάλλεται
-- ονομάζεται σκρίνερ --
-- ονομάζεται σκρίνερ --
03:01
goes close by, but he doesn't stop,
53
169278
2872
πλησιάζει, αλλά δεν σταματά,
03:04
it's probably not a pick-and-roll.
54
172174
1765
μάλλον δεν είναι πικ εν ρολ.
03:06
Or if he does stop,
but he doesn't stop close enough,
but he doesn't stop close enough,
55
174560
3945
Ή αν σταματά, αλλά
δεν σταματά αρκετά κοντά,
δεν σταματά αρκετά κοντά,
03:10
it's probably not a pick-and-roll.
56
178529
1761
μάλλον δεν είναι πικ εν ρολ.
03:12
Or, if he does go close by
and he does stop
and he does stop
57
180642
3237
Ή αν πλησιάζει αρκετά και σταματά,
03:15
but they do it under the basket,
it's probably not a pick-and-roll.
it's probably not a pick-and-roll.
58
183903
3324
αλλά το κάνει κάτω από το καλάθι,
μάλλον δεν είναι πικ εν ρολ.
μάλλον δεν είναι πικ εν ρολ.
Ή ίσως κάνω λάθος,
ίσως όλα αυτά είναι πικ εν ρολ.
ίσως όλα αυτά είναι πικ εν ρολ.
03:19
Or I could be wrong,
they could all be pick-and-rolls.
they could all be pick-and-rolls.
59
187462
2524
03:22
It really depends on the exact timing,
the distances, the locations,
the distances, the locations,
60
190010
4568
Εξαρτάται από τον ακριβή χρονισμό,
τις αποστάσεις, τις θέσεις
τις αποστάσεις, τις θέσεις
03:26
and that's what makes it hard.
61
194602
1495
και αυτό είναι που το κάνει δύσκολο.
03:28
So, luckily, with machine learning,
we can go beyond our own ability
we can go beyond our own ability
62
196579
4944
Ευτυχώς με τη μηχανική μάθηση,
μπορούμε να υπερβούμε την ικανότητά μας
μπορούμε να υπερβούμε την ικανότητά μας
να περιγράφουμε πράγματα που γνωρίζουμε.
03:33
to describe the things we know.
63
201547
1743
03:35
So how does this work?
Well, it's by example.
Well, it's by example.
64
203314
2280
Πώς δουλεύει; Είναι πολύ απλό.
03:37
So we go to the machine and say,
"Good morning, machine.
"Good morning, machine.
65
205759
2830
Πηγαίνουμε σε έναν υπολογιστή
και λέμε «Καλημέρα, υπολογιστή.
και λέμε «Καλημέρα, υπολογιστή.
03:41
Here are some pick-and-rolls,
and here are some things that are not.
and here are some things that are not.
66
209077
3359
Ορίστε μερικά πικ εν ρολ
και κάποια πράγματα που δεν είναι.
και κάποια πράγματα που δεν είναι.
03:44
Please find a way to tell the difference."
67
212720
2252
Σε παρακαλώ βρες
έναν τρόπο να τα ξεχωρίζεις».
έναν τρόπο να τα ξεχωρίζεις».
03:47
And the key to all of this is to find
features that enable it to separate.
features that enable it to separate.
68
215076
3707
Το κλειδί είναι να βρει χαρακτηριστικά,
που το βοηθούν να τα ξεχωρίσει.
που το βοηθούν να τα ξεχωρίσει.
03:50
So if I was going
to teach it the difference
to teach it the difference
69
218807
2109
Έτσι, αν προσπαθούσα
να του μάθω τη διαφορά
να του μάθω τη διαφορά
ανάμεσα σε ένα μήλο και ένα πορτοκάλι,
03:52
between an apple and orange,
70
220940
1381
03:54
I might say, "Why don't you
use color or shape?"
use color or shape?"
71
222345
2375
θα του έλεγα «Χρησιμοποίησε
το χρώμα ή το σχήμα».
το χρώμα ή το σχήμα».
03:56
And the problem that we're solving is,
what are those things?
what are those things?
72
224744
2943
Στο πρόβλημα που λύνουμε,
ποια είναι αυτά τα χαρακτηριστικά;
ποια είναι αυτά τα χαρακτηριστικά;
03:59
What are the key features
73
227711
1247
Ποια είναι τα χαρακτηριστικά
04:00
that let a computer navigate
the world of moving dots?
the world of moving dots?
74
228982
3499
που επιτρέπουν σε έναν ΗΥ να πλοηγείται
στον κόσμο των κινούμενων κουκκίδων;
στον κόσμο των κινούμενων κουκκίδων;
04:04
So figuring out all these relationships
with relative and absolute location,
with relative and absolute location,
75
232505
4823
Συνεπώς ο υπολογισμός των σχέσεων
ανάμεσα στη σχετική και απόλυτη θέση,
ανάμεσα στη σχετική και απόλυτη θέση,
04:09
distance, timing, velocities --
76
237352
1909
την απόσταση, τον χρονισμό, τις ταχύτητες,
04:11
that's really the key to the science
of moving dots, or as we like to call it,
of moving dots, or as we like to call it,
77
239440
4928
αυτό είναι το κλειδί της επιστήμης
των κινούμενων κουκκίδων ή όπως την λέμε
των κινούμενων κουκκίδων ή όπως την λέμε
04:16
spatiotemporal pattern recognition,
in academic vernacular.
in academic vernacular.
78
244392
3344
στην ακαδημαϊκή διάλεκτο,
χωροχρονική αναγνώριση προτύπων.
χωροχρονική αναγνώριση προτύπων.
04:19
Because the first thing is,
you have to make it sound hard --
you have to make it sound hard --
79
247925
2898
Επειδή κατ' αρχάς πρέπει να
το κάνουμε να ακούγεται δύσκολο --
το κάνουμε να ακούγεται δύσκολο --
04:22
because it is.
80
250847
1278
διότι είναι δύσκολο.
04:24
The key thing is, for NBA coaches,
it's not that they want to know
it's not that they want to know
81
252410
3141
Για τους προπονητές του NBA,
το σημαντικό δεν είναι να γνωρίζουν
το σημαντικό δεν είναι να γνωρίζουν
04:27
whether a pick-and-roll happened or not.
82
255575
1922
αν έγινε ή δεν έγινε ένα πικ εν ρολ,
04:29
It's that they want to know
how it happened.
how it happened.
83
257521
2076
αλλά να γνωρίζουν πώς έγινε.
04:31
And why is it so important to them?
So here's a little insight.
So here's a little insight.
84
259621
2986
Και γιατί αυτό είναι τόσο σημαντικό;
Θα σας πω μια πληροφορία εκ των έσω.
04:34
It turns out in modern basketball,
85
262631
1771
Στο σύγχρονο μπάσκετ το πικ εν ρολ
είναι ίσως η πιο σημαντική κίνηση.
είναι ίσως η πιο σημαντική κίνηση.
04:36
this pick-and-roll is perhaps
the most important play.
the most important play.
86
264426
2539
04:39
And knowing how to run it,
and knowing how to defend it,
and knowing how to defend it,
87
267065
2620
Το να ξέρουμε πώς να το κάνουμε
και πώς να το αντιμετωπίζουμε,
και πώς να το αντιμετωπίζουμε,
04:41
is basically a key to winning
and losing most games.
and losing most games.
88
269709
2670
είναι το κλειδί για να νικήσουμε
τα περισσότερα παιχνίδια.
τα περισσότερα παιχνίδια.
04:44
So it turns out that this dance
has a great many variations
has a great many variations
89
272403
3801
Αποδεικνύεται ότι αυτός ο χορός
έχει πολλές σημαντικές παραλλαγές
έχει πολλές σημαντικές παραλλαγές
04:48
and identifying the variations
is really the thing that matters,
is really the thing that matters,
90
276228
3648
και η αναγνώριση των παραλλαγών
είναι πραγματικά αυτό που έχει σημασία
είναι πραγματικά αυτό που έχει σημασία
04:51
and that's why we need this
to be really, really good.
to be really, really good.
91
279900
2529
και γι' αυτό πρέπει να
την κάνουμε πάρα πολύ καλά.
την κάνουμε πάρα πολύ καλά.
04:55
So, here's an example.
92
283228
1176
Ορίστε ένα παράδειγμα.
04:56
There are two offensive
and two defensive players,
and two defensive players,
93
284428
2379
Υπάρχουν δύο επιτιθέμενοι
και δύο αμυνόμενοι παίκτες
και δύο αμυνόμενοι παίκτες
04:58
getting ready to do
the pick-and-roll dance.
the pick-and-roll dance.
94
286831
2152
ετοιμάζονται να χορέψουν
στον ρυθμό του πικ εν ρολ.
στον ρυθμό του πικ εν ρολ.
05:01
So the guy with ball
can either take, or he can reject.
can either take, or he can reject.
95
289007
2683
Ο παίκτης με την μπάλα, μπορεί
να το χρησιμοποιήσει ή όχι
να το χρησιμοποιήσει ή όχι
05:04
His teammate can either roll or pop.
96
292086
3001
Ο συμπαίκτης του μπορεί
είτε να ρολάρει, είτε να βγει έξω.
είτε να ρολάρει, είτε να βγει έξω.
05:07
The guy guarding the ball
can either go over or under.
can either go over or under.
97
295111
2986
Ο αμυνόμενος που μαρκάρει την μπάλα
μπορεί να πάει πάνω ή κάτω.
μπορεί να πάει πάνω ή κάτω.
Ο συμπαίκτης του μπορεί είτε να
παίξει εξ επαφής, είτε από μακριά
παίξει εξ επαφής, είτε από μακριά
05:10
His teammate can either show
or play up to touch, or play soft
or play up to touch, or play soft
98
298121
4565
05:14
and together they can
either switch or blitz
either switch or blitz
99
302710
2618
και οι δυο τους μπορούν είτε
να αλλάξουν παίκτη είτε όχι.
να αλλάξουν παίκτη είτε όχι.
05:17
and I didn't know
most of these things when I started
most of these things when I started
100
305352
2659
Δεν ήξερα τα περισσότερα
από αυτά όταν ξεκίνησα
από αυτά όταν ξεκίνησα
05:20
and it would be lovely if everybody moved
according to those arrows.
according to those arrows.
101
308035
3920
και θα ήταν υπέροχα αν όλοι
κινούνταν σύμφωνα με αυτά τα βέλη.
κινούνταν σύμφωνα με αυτά τα βέλη.
05:23
It would make our lives a lot easier,
but it turns out movement is very messy.
but it turns out movement is very messy.
102
311979
3905
Θα έκανε τις ζωές μας ευκολότερες, αλλά
τελικά οι κινήσεις είναι πολύ μπερδεμένες.
τελικά οι κινήσεις είναι πολύ μπερδεμένες.
05:28
People wiggle a lot and getting
these variations identified
these variations identified
103
316047
5484
Οι παίκτες κινούνται πέρα δώθε και
η αναγνώριση αυτών των κινήσεων
η αναγνώριση αυτών των κινήσεων
05:33
with very high accuracy,
104
321555
1303
με πολύ μεγάλη επιτυχία
05:34
both in precision and recall, is tough
105
322882
1868
και στην ακρίβεια και
στην ανάκληση είναι δύσκολη
στην ανάκληση είναι δύσκολη
05:36
because that's what it takes to get
a professional coach to believe in you.
a professional coach to believe in you.
106
324774
3618
διότι αυτό απαιτείται για να σας
εμπιστευτεί ένας επαγγελματίας κόουτς.
εμπιστευτεί ένας επαγγελματίας κόουτς.
05:40
And despite all the difficulties
with the right spatiotemporal features
with the right spatiotemporal features
107
328416
3380
Παρόλες τις δυσκολίες με τα κατάλληλα
χωροχρονικά χαρακτηριστικά
χωροχρονικά χαρακτηριστικά
05:43
we have been able to do that.
108
331820
1474
τα καταφέραμε.
Οι προπονητές εμπιστεύονται την ικανότητα
της μηχανής να αναγνωρίζει τις κινήσεις.
της μηχανής να αναγνωρίζει τις κινήσεις.
05:45
Coaches trust our ability of our machine
to identify these variations.
to identify these variations.
109
333318
3927
05:49
We're at the point where
almost every single contender
almost every single contender
110
337478
3533
Βρισκόμαστε σε ένα σημείο,
όπου σχεδόν κάθε διεκδικητής
όπου σχεδόν κάθε διεκδικητής
05:53
for an NBA championship this year
111
341035
1623
του πρωταθλήματος του NBA φέτος
05:54
is using our software, which is built
on a machine that understands
on a machine that understands
112
342682
4408
χρησιμοποιεί το λογισμικό μας κάνει
έναν υπολογιστή να καταλαβαίνει
έναν υπολογιστή να καταλαβαίνει
05:59
the moving dots of basketball.
113
347114
1634
τις κινούμενες κουκκίδες του μπάσκετ.
06:01
So not only that, we have given advice
that has changed strategies
that has changed strategies
114
349872
5153
Και όχι μόνο αυτό, αλλά έχουμε δώσει
συμβουλές που έχουν αλλάξει στρατηγικές,
συμβουλές που έχουν αλλάξει στρατηγικές,
06:07
that have helped teams win
very important games,
very important games,
115
355049
3352
που έχουν βοηθήσει ομάδες
να κερδίσουν πολύ σημαντικά παιχνίδια
να κερδίσουν πολύ σημαντικά παιχνίδια
06:10
and it's very exciting because you have
coaches who've been in the league
coaches who've been in the league
116
358425
3732
και είναι πολύ συναρπαστικό,
διότι στο πρωτάθλημα υπάρχουν κόουτς
διότι στο πρωτάθλημα υπάρχουν κόουτς
06:14
for 30 years that are willing to take
advice from a machine.
advice from a machine.
117
362181
3067
με εμπειρία 30 ετών και είναι πρόθυμοι
να πάρουν συμβουλές από μία μηχανή.
να πάρουν συμβουλές από μία μηχανή.
06:17
And it's very exciting,
it's much more than the pick-and-roll.
it's much more than the pick-and-roll.
118
365874
2906
Και είναι πολύ συναρπαστικό,
δεν είναι μόνο το πικ εν ρολ.
δεν είναι μόνο το πικ εν ρολ.
06:20
Our computer started out
with simple things
with simple things
119
368804
2076
Ο υπολογιστής μας ξεκίνησε
με απλά πράγματα
με απλά πράγματα
06:22
and learned more and more complex things
120
370904
2064
και έμαθε περισσότερα
και πιο πολύπλοκα πράγματα
και πιο πολύπλοκα πράγματα
06:24
and now it knows so many things.
121
372992
1561
και τώρα γνωρίζει πάρα πολλά.
06:26
Frankly, I don't understand
much of what it does,
much of what it does,
122
374577
2835
Στα αλήθεια, δεν καταλαβαίνω
πολλά από όσα κάνει
πολλά από όσα κάνει
06:29
and while it's not that special
to be smarter than me,
to be smarter than me,
123
377436
3715
και παρότι δεν είναι τίποτα το ιδιαίτερο
κάποιος να είναι πιο έξυπνος από εμένα,
κάποιος να είναι πιο έξυπνος από εμένα,
06:33
we were wondering,
can a machine know more than a coach?
can a machine know more than a coach?
124
381175
3644
αναρωτιόμασταν αν ένα μηχάνημα μπορεί
να γνωρίζει πιο πολλά από έναν προπονητή.
να γνωρίζει πιο πολλά από έναν προπονητή.
06:36
Can it know more than person could know?
125
384843
2055
Μπορεί να γνωρίζει
περισσότερα από έναν άνθρωπο;
περισσότερα από έναν άνθρωπο;
06:38
And it turns out the answer is yes.
126
386922
1745
Η απάντηση είναι ναι.
Οι προπονητές θέλουν οι παίκτες τους
να κάνουν καλά σουτ.
να κάνουν καλά σουτ.
06:40
The coaches want players
to take good shots.
to take good shots.
127
388691
2557
06:43
So if I'm standing near the basket
128
391272
1651
Αν στέκομαι δίπλα στο καλάθι
06:44
and there's nobody near me,
it's a good shot.
it's a good shot.
129
392947
2166
και δεν είναι κανείς δίπλα μου,
το σουτ είναι καλό.
το σουτ είναι καλό.
06:47
If I'm standing far away surrounded
by defenders, that's generally a bad shot.
by defenders, that's generally a bad shot.
130
395137
3940
Αν είμαι μακριά και περικυκλωμένος από
αμυνόμενους, αυτό είναι γενικά κακό σουτ.
αμυνόμενους, αυτό είναι γενικά κακό σουτ.
06:51
But we never knew how good "good" was,
or how bad "bad" was quantitatively.
or how bad "bad" was quantitatively.
131
399101
4876
Αλλά ποτέ δεν ξέραμε πόσο καλό είναι το
καλό ή πόσο κακό είναι το κακό ποσοτικά.
καλό ή πόσο κακό είναι το κακό ποσοτικά.
06:56
Until now.
132
404209
1150
Μέχρι τώρα.
06:57
So what we can do, again,
using spatiotemporal features,
using spatiotemporal features,
133
405771
3058
Αυτό που κάναμε, πάλι χρησιμοποιώντας
χωροχρονικά χαρακτηριστικά
χωροχρονικά χαρακτηριστικά
07:00
we looked at every shot.
134
408853
1374
ήταν να δούμε κάθε σουτ.
07:02
We can see: Where is the shot?
What's the angle to the basket?
What's the angle to the basket?
135
410251
3005
Μπορούμε να δούμε πού είναι το σουτ.
Ποια η γωνία του ως προς το καλάθι;
Ποια η γωνία του ως προς το καλάθι;
07:05
Where are the defenders standing?
What are their distances?
What are their distances?
136
413280
2762
Πού βρίσκονται οι αμυνόμενοι; Πόσο μακριά;
07:08
What are their angles?
137
416066
1331
Σε τι γωνίες;
07:09
For multiple defenders, we can look
at how the player's moving
at how the player's moving
138
417421
2977
Από το πώς κινείται ένας παίκτης
απέναντι σε πολλούς αμυντικούς
απέναντι σε πολλούς αμυντικούς
μπορούμε να προβλέψουμε το είδος του σουτ.
07:12
and predict the shot type.
139
420422
1433
07:13
We can look at all their velocities
and we can build a model that predicts
and we can build a model that predicts
140
421879
4074
Μπορούμε από τις ταχύτητές τους να
φτιάξουμε ένα μοντέλο που προβλέπει
φτιάξουμε ένα μοντέλο που προβλέπει
07:17
what is the likelihood that this shot
would go in under these circumstances?
would go in under these circumstances?
141
425977
4052
την πιθανότητα να μπει το σουτ
κάτω από τις δεδομένες συνθήκες.
κάτω από τις δεδομένες συνθήκες.
07:22
So why is this important?
142
430188
1500
Γιατί είναι αυτό σημαντικό;
07:24
We can take something that was shooting,
143
432102
2803
Μπορούμε να πάρουμε π.χ. το σουτ,
07:26
which was one thing before,
and turn it into two things:
and turn it into two things:
144
434929
2680
που προηγουμένως ήταν ένα πράγμα
και να το κάνουμε δύο:
και να το κάνουμε δύο:
07:29
the quality of the shot
and the quality of the shooter.
and the quality of the shooter.
145
437633
2651
την ποιότητα του σουτ
και την ποιότητα του σουτέρ.
και την ποιότητα του σουτέρ.
07:33
So here's a bubble chart,
because what's TED without a bubble chart?
because what's TED without a bubble chart?
146
441680
3262
Ορίστε ένα διάγραμμα φυσαλίδων -- δεν
θα ήταν TED χωρίς διάγραμμα φυσαλίδων --
θα ήταν TED χωρίς διάγραμμα φυσαλίδων --
07:36
(Laughter)
147
444966
1014
(Γέλιο)
07:38
Those are NBA players.
148
446004
1311
Αυτοί είναι παίκτες του NBA.
07:39
The size is the size of the player
and the color is the position.
and the color is the position.
149
447339
3120
Το μέγεθος είναι το ύψος
του παίκτη και το χρώμα είναι η θέση.
του παίκτη και το χρώμα είναι η θέση.
07:42
On the x-axis,
we have the shot probability.
we have the shot probability.
150
450483
2132
Στον άξονα χ έχουμε
την πιθανότητα ευστοχίας.
την πιθανότητα ευστοχίας.
07:44
People on the left take difficult shots,
151
452639
1953
Οι παίκτες στα αριστερά
κάνουν δύσκολα σουτ,
κάνουν δύσκολα σουτ,
07:46
on the right, they take easy shots.
152
454616
2229
στα δεξιά κάνουν εύκολα σουτ.
07:49
On the [y-axis] is their shooting ability.
153
457194
2057
Στον [άξονα ψ] είναι
η ικανότητα στο σουτ.
η ικανότητα στο σουτ.
Όσοι είναι καλοί είναι ψηλά,
οι κακοί είναι χαμηλά.
οι κακοί είναι χαμηλά.
07:51
People who are good are at the top,
bad at the bottom.
bad at the bottom.
154
459275
2562
07:53
So for example, if there was a player
155
461861
1760
Για παράδειγμα, αν υπήρχε ένας παίκτης
07:55
who generally made
47 percent of their shots,
47 percent of their shots,
156
463621
2097
που γενικά είχε ευστοχία 47%,
07:57
that's all you knew before.
157
465718
1389
αυτό ήταν το μόνο που γνωρίζαμε παλιά.
07:59
But today, I can tell you that player
takes shots that an average NBA player
takes shots that an average NBA player
158
467345
4850
Σήμερα μπορώ να σας πω ότι αυτός ο παίκτης
κάνει σουτ, που ένας μέσος παίκτης του NBA
κάνει σουτ, που ένας μέσος παίκτης του NBA
08:04
would make 49 percent of the time,
159
472219
1961
θα έκανε με ευστοχία 49%
08:06
and they are two percent worse.
160
474204
1684
και είναι λιγότερο εύστοχος κατά 2%.
08:08
And the reason that's important
is that there are lots of 47s out there.
is that there are lots of 47s out there.
161
476266
4515
Αυτό είναι σημαντικό διότι
υπάρχουν πολλοί 47άρηδες.
υπάρχουν πολλοί 47άρηδες.
08:13
And so it's really important to know
162
481714
2549
Άρα είναι σημαντικό να γνωρίζουμε
08:16
if the 47 that you're considering
giving 100 million dollars to
giving 100 million dollars to
163
484287
3956
αν ο 47άρης στον οποίο σκέφτεστε
να δώσετε 100 εκατομμύρια δολάρια
να δώσετε 100 εκατομμύρια δολάρια
08:20
is a good shooter who takes bad shots
164
488267
3055
είναι ένας καλός σουτέρ,
που κάνει δύσκολα σουτ
που κάνει δύσκολα σουτ
08:23
or a bad shooter who takes good shots.
165
491346
2397
ή ένας κακός σουτέρ που κάνει εύκολα σουτ.
08:27
Machine understanding doesn't just change
how we look at players,
how we look at players,
166
495130
3333
Η μηχανική κατανόηση δεν αλλάζει
απλά το πώς βλέπουμε τους παίκτες,
απλά το πώς βλέπουμε τους παίκτες,
08:30
it changes how we look at the game.
167
498487
1858
αλλάζει το πώς βλέπουμε το παιχνίδι.
08:32
So there was this very exciting game
a couple of years ago, in the NBA finals.
a couple of years ago, in the NBA finals.
168
500369
3755
Πριν από δύο χρόνια, είχε γίνει εκείνος
ο συναρπαστικός τελικός του NBA.
ο συναρπαστικός τελικός του NBA.
08:36
Miami was down by three,
there was 20 seconds left.
there was 20 seconds left.
169
504148
3207
Το Μαϊάμι έχανε 3 πόντους
και είχαν απομείνει 20 δευτερόλεπτα.
και είχαν απομείνει 20 δευτερόλεπτα.
08:39
They were about to lose the championship.
170
507379
2025
Θα έχαναν το πρωτάθλημα.
08:41
A gentleman named LeBron James
came up and he took a three to tie.
came up and he took a three to tie.
171
509428
3341
Ένας κύριος, ονόματι Λεμπρόν Τζέιμς,
σούταρε τρίποντο για να ισοφαρίσει.
σούταρε τρίποντο για να ισοφαρίσει.
08:44
He missed.
172
512793
1198
Αστόχησε.
08:46
His teammate Chris Bosh got a rebound,
173
514015
1837
Ένας συμπαίκτης του,
ο Κρις Μπος, πήρε το ρημπάουντ
ο Κρις Μπος, πήρε το ρημπάουντ
08:47
passed it to another teammate
named Ray Allen.
named Ray Allen.
174
515876
2159
και πάσαρε στον Ρέι Άλεν,
08:50
He sank a three. It went into overtime.
175
518059
1919
αυτός έβαλε τρίποντο
και πήγαν στην παράταση.
και πήγαν στην παράταση.
08:52
They won the game.
They won the championship.
They won the championship.
176
520002
2096
Κέρδισαν το παιχνίδι και το πρωτάθλημα.
08:54
It was one of the most exciting
games in basketball.
games in basketball.
177
522122
2444
Ήταν ένα από τα πιο συναρπαστικά
παιχνίδια μπάσκετ.
παιχνίδια μπάσκετ.
08:57
And our ability to know
the shot probability for every player
the shot probability for every player
178
525438
3429
Η ικανότητά μας να γνωρίζουμε
την πιθανότητα ευστοχίας κάθε παίχτη
την πιθανότητα ευστοχίας κάθε παίχτη
09:00
at every second,
179
528891
1188
σε κάθε δευτερόλεπτο
09:02
and the likelihood of them getting
a rebound at every second
a rebound at every second
180
530103
2956
και την πιθανότητα να πάρουν
ένα ρημπάουντ κάθε δευτερόλεπτο
ένα ρημπάουντ κάθε δευτερόλεπτο
09:05
can illuminate this moment in a way
that we never could before.
that we never could before.
181
533083
3443
μπορούν να διαφωτίσουν αυτήν τη φάση όπως
δεν μπορούσε να γίνει ποτέ στο παρελθόν.
δεν μπορούσε να γίνει ποτέ στο παρελθόν.
09:09
Now unfortunately,
I can't show you that video.
I can't show you that video.
182
537618
2668
Δυστυχώς δεν μπορώ να
σας δείξω εκείνο το βίντεο.
σας δείξω εκείνο το βίντεο.
09:12
But for you, we recreated that moment
183
540310
4493
Αλλά ειδικά για σας
αναπαράξαμε εκείνη τη φάση
αναπαράξαμε εκείνη τη φάση
09:16
at our weekly basketball game
about 3 weeks ago.
about 3 weeks ago.
184
544827
2336
στο εβδομαδιαίο μας παιχνίδι
μπάσκετ πριν από 3 εβδομάδες.
μπάσκετ πριν από 3 εβδομάδες.
09:19
(Laughter)
185
547279
2167
(Γέλια)
09:21
And we recreated the tracking
that led to the insights.
that led to the insights.
186
549573
3410
Και αναπαράξαμε όλη τη φάση,
που οδήγησε σε αυτές τις πληροφορίες.
που οδήγησε σε αυτές τις πληροφορίες.
09:25
So, here is us.
This is Chinatown in Los Angeles,
This is Chinatown in Los Angeles,
187
553199
4255
Να το. Είναι στην Τσάινα Τάουν
του Λος Άντζελες,
του Λος Άντζελες,
09:29
a park we play at every week,
188
557478
1564
ένα πάρκο όπου παίζουμε κάθε εβδομάδα
09:31
and that's us recreating
the Ray Allen moment
the Ray Allen moment
189
559066
2231
να κι εμείς, που αναπαράγουμε
τη στιγμή του Ρέι Άλεν
τη στιγμή του Ρέι Άλεν
09:33
and all the tracking
that's associated with it.
that's associated with it.
190
561321
2229
και όλη τη φάση, που προηγείται.
09:36
So, here's the shot.
191
564772
1517
Να και το σουτ
09:38
I'm going to show you that moment
192
566313
2516
Θα σας δείξω αυτήν τη στιγμή
09:40
and all the insights of that moment.
193
568853
2587
και όλες τις πληροφορίες
αυτής της στιγμής.
αυτής της στιγμής.
09:43
The only difference is, instead
of the professional players, it's us,
of the professional players, it's us,
194
571464
3730
Η μόνη διαφορά είναι ότι αντί
για επαγγελματίες παίκτες, παίζουμε εμείς
για επαγγελματίες παίκτες, παίζουμε εμείς
09:47
and instead of a professional
announcer, it's me.
announcer, it's me.
195
575218
2618
και αντί για επαγγελματία
εκφωνητή, θα μιλάω εγώ.
εκφωνητή, θα μιλάω εγώ.
09:49
So, bear with me.
196
577860
1477
Υποστείτε με λιγάκι.
09:53
Miami.
197
581153
1150
Μαϊάμι.
09:54
Down three.
198
582671
1150
Χάνουν με τρεις.
09:56
Twenty seconds left.
199
584107
1150
Απομένουν 20''.
09:59
Jeff brings up the ball.
200
587385
1198
Ο Τζεφ επαναφέρει την μπάλα.
10:02
Josh catches, puts up a three!
201
590656
1535
Ο Τζος την πιάνει και σουτάρει τρίποντο!
10:04
[Calculating shot probability]
202
592631
1849
(Υπολογισμός πιθανότητας ευστοχίας)
10:07
[Shot quality]
203
595278
1150
(Ποιότητα σουτ)
10:09
[Rebound probability]
204
597048
1785
(Υπολογισμός πιθανότητας ριμπάουντ)
10:12
Won't go!
205
600373
1173
Δεν μπήκε!
10:13
[Rebound probability]
206
601570
1446
(Υπολογισμός πιθανότητας ριμπάουντ)
10:15
Rebound, Noel.
207
603777
1256
Ριμπάουντ ο Νοέλ.
10:17
Back to Daria.
208
605057
1150
Πασάρει στην Ντάρια.
10:18
[Shot quality]
209
606509
3365
(Ποιότητα σουτ)
10:22
Her three-pointer -- bang!
210
610676
1620
Σουτάρει τρίποντο -- μέσα!
10:24
Tie game with five seconds left.
211
612320
2197
Ισοπαλία με 5 δευτερόλεπτα να απομένουν.
10:26
The crowd goes wild.
212
614880
1618
Το πλήθος είναι σε παροξυσμό.
10:28
(Laughter)
213
616522
1659
(Γέλιο)
10:30
That's roughly how it happened.
214
618205
1547
Έτσι έγινε περίπου.
10:31
(Applause)
215
619776
1151
(Χειροκρότημα)
10:32
Roughly.
216
620951
1175
Στο περίπου.
10:34
(Applause)
217
622150
1531
(Χειροκρότημα)
10:36
That moment had about a nine percent
chance of happening in the NBA
chance of happening in the NBA
218
624121
5484
Αυτή η στιγμή είχε πιθανότητα
περίπου 9% να συμβεί στο NBA
περίπου 9% να συμβεί στο NBA
10:41
and we know that
and a great many other things.
and a great many other things.
219
629629
2261
και το γνωρίζουμε κι αυτό
και πολλά άλλα πράγματα.
και πολλά άλλα πράγματα.
10:43
I'm not going to tell you how many times
it took us to make that happen.
it took us to make that happen.
220
631914
3491
Δεν θα σας πω πόσες φορές
προσπαθήσαμε για να το καταφέρουμε.
προσπαθήσαμε για να το καταφέρουμε.
10:47
(Laughter)
221
635429
1747
(Χειροκρότημα)
10:49
Okay, I will! It was four.
222
637200
1872
Εντάξει, θα σας πω. Τέσσερις φορές.
10:51
(Laughter)
223
639096
1001
(Χειροκρότημα)
10:52
Way to go, Daria.
224
640121
1165
Μπράβο, Ντάρια.
10:53
But the important thing about that video
225
641647
4263
Το σημαντικό για αυτό το βίντεο και
την επίγνωση που έχουμε
την επίγνωση που έχουμε
10:57
and the insights we have for every second
of every NBA game -- it's not that.
of every NBA game -- it's not that.
226
645934
4568
για κάθε δευτερόλεπτο κάθε παιχνιδιού
του NBA, δεν είναι αυτό.
του NBA, δεν είναι αυτό.
11:02
It's the fact you don't have to be
a professional team to track movement.
a professional team to track movement.
227
650639
3929
Είναι ότι δεν χρειάζεται να είστε ομάδα
του NBA για να παρακολουθείτε την κίνηση
του NBA για να παρακολουθείτε την κίνηση
11:07
You do not have to be a professional
player to get insights about movement.
player to get insights about movement.
228
655083
3657
ή να είστε επαγγελματίας παίκτης
για να έχετε επίγνωση για τις κινήσεις.
για να έχετε επίγνωση για τις κινήσεις.
11:10
In fact, it doesn't even have to be about
sports because we're moving everywhere.
sports because we're moving everywhere.
229
658764
3858
Δεν είναι καν απαραίτητο να πρόκειται
για σπορ, αφού κινούμαστε παντού.
για σπορ, αφού κινούμαστε παντού.
11:15
We're moving in our homes,
230
663654
2369
Κινούμαστε στα σπίτια μας,
11:21
in our offices,
231
669428
1205
στα γραφεία μας,
11:24
as we shop and we travel
232
672238
2690
καθώς ψωνίζουμε και ταξιδεύουμε
11:29
throughout our cities
233
677318
1253
μέσα στις πόλεις μας
11:32
and around our world.
234
680065
1618
και σε όλον τον κόσμο
11:35
What will we know? What will we learn?
235
683270
2295
Τι θα γνωρίζουμε; Τι θα μάθουμε;
11:37
Perhaps, instead of identifying
pick-and-rolls,
pick-and-rolls,
236
685589
2305
Ίσως αντί να αναγνωρίζει τα πικ εν ρολ,
11:39
a machine can identify
the moment and let me know
the moment and let me know
237
687918
3010
ένας υπολογιστής αναγνωρίσει
και με ενημερώσει για τη στιγμή,
και με ενημερώσει για τη στιγμή,
11:42
when my daughter takes her first steps.
238
690952
2059
που η κόρη μου κάνει τα πρώτα της βήματα,
11:45
Which could literally be happening
any second now.
any second now.
239
693035
2536
κάτι που είναι κυριολεκτικά πιθανό
να συμβεί ανά πάσα στιγμή.
να συμβεί ανά πάσα στιγμή.
11:48
Perhaps we can learn to better use
our buildings, better plan our cities.
our buildings, better plan our cities.
240
696140
3697
Ίσως μάθουμε να χρησιμοποιούμε
καλύτερα τα κτίριά μας,
καλύτερα τα κτίριά μας,
να σχεδιάζουμε καλύτερα τις πόλεις μας.
11:52
I believe that with the development
of the science of moving dots,
of the science of moving dots,
241
700362
4173
Πιστεύω ότι με την εξέλιξη της επιστήμης
των κινούμενων κουκκίδων,
των κινούμενων κουκκίδων,
11:56
we will move better, we will move smarter,
we will move forward.
we will move forward.
242
704559
3643
θα μπορούμε να κινούμαστε καλύτερα,
γρηγορότερα, να κινούμαστε προς τα εμπρός.
γρηγορότερα, να κινούμαστε προς τα εμπρός.
12:00
Thank you very much.
243
708607
1189
Σας ευχαριστώ.
12:01
(Applause)
244
709820
5045
(Χειροκρότημα)
ABOUT THE SPEAKER
Rajiv Maheswaran - ResearcherUsing 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.
Rajiv Maheswaran | Speaker | TED.com