TED2015
Rajiv Maheswaran: The math behind basketball's wildest moves
राजीव महेश्वरन: बास्केटबाल के सबसे अद्भुत चाल के पीछे का गणित
Filmed:
Readability: 3.1
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.
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
मैं और मेरे साथी
बिंदु गति शास्त्र से मंत्रमुग्ध हैं
बिंदु गति शास्त्र से मंत्रमुग्ध हैं
00:16
So what are these dots?
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 moving in our homes,
in our offices, as we shop and travel
in our offices, as we shop and travel
3
7412
5085
हम अपने घरो में, आफिस मे
जब हम खरीददारी या यात्रा करते हैं
जब हम खरीददारी या यात्रा करते हैं
00:24
throughout our cities
and around the world.
and around the world.
4
12521
2066
अपने शहर में और
पूरी दुनिया मे घूमते है
पूरी दुनिया मे घूमते है
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
अगर हम इस गति को समझ पाये
तो कितना अच्छा होगा
तो कितना अच्छा होगा
00:30
If we could find patterns and meaning
and insight in it.
and insight in it.
6
18918
2890
अगर हम इसके स्वरूप
और अर्थ ढूँढ पाते ?
और अर्थ ढूँढ पाते ?
00:34
And luckily for us, we live in a time
7
22259
1785
यह हमारा सौभाग्य है
हम ऐसे समय जीते है
हम ऐसे समय जीते है
00:36
where we're incredibly good
at capturing information about ourselves.
at capturing information about ourselves.
8
24068
4497
जहॉ हमारे बारे मे सुचना
प्राप्त करने मे हम सफल है
प्राप्त करने मे हम सफल है
00:40
So whether it's through
sensors or videos, or apps,
sensors or videos, or apps,
9
28807
3663
हम अपने गति की सभी
विवरण सेन्सर्स, वीडियो
विवरण सेन्सर्स, वीडियो
00:44
we can track our movement
with incredibly fine detail.
with incredibly fine detail.
10
32494
2809
और एप्स द्वारा
प्राप्त कर सकते है
प्राप्त कर सकते है
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
तो यह पता चलता हैं कि जहाँ गति के बारे में
सबसे ज्यादा आकड़े मिल सकते हैं
सबसे ज्यादा आकड़े मिल सकते हैं
00:53
is sports.
12
41148
1208
वो खेल हैं
00:54
So whether it's basketball or baseball,
or football or the other football,
or football or the other football,
13
42682
5333
बास्केटबाल या बेसबाल
फुटबाल या दूसरा फुटबाल हो
फुटबाल या दूसरा फुटबाल हो
01:00
we're instrumenting our stadiums
and our players to track their movements
and our players to track their movements
14
48039
4402
उपकरण से ह्मारे स्टेडियम्स
और खिलाडियॉ से उनके
और खिलाडियॉ से उनके
01:04
every fraction of a second.
15
52465
1313
गति के हर पल को ट्रैक कर रहे है
01:05
So what we're doing
is turning our athletes into --
is turning our athletes into --
16
53802
4382
तो ह्म अपने खिलाडियो को
01:10
you probably guessed it --
17
58208
1959
हाँ आपने सही अंदाजा लगाया
01:12
moving dots.
18
60191
1396
गतिमान बिंदुओं मे बदल रहे है
01:13
So we've got mountains of moving dots
and like most raw data,
and like most raw data,
19
61946
4934
हमारे पास चलती बिंदुओ
का पहाड है और कच्चे आँकडॉ को
का पहाड है और कच्चे आँकडॉ को
01:18
it's hard to deal with
and not that interesting.
and not that interesting.
20
66904
2502
समझ पाना कठिन हैं
और दिलचस्प नही
और दिलचस्प नही
01:21
But there are things that, for example,
basketball coaches want to know.
basketball coaches want to know.
21
69430
3769
उदाहरणार्थ बास्केट्बाल कोच बहुत
चीजेँ जानना चाहते हैं किंतु समस्या
चीजेँ जानना चाहते हैं किंतु समस्या
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
ये हैं कि जानने के लिये उन्हेँ
खेल के हर पल ध्यान देना होगा
खेल के हर पल ध्यान देना होगा
01:29
of every game, remember it and process it.
23
77057
2589
याद करना होगा और उचित
कारवाई करना होगा
कारवाई करना होगा
01:31
And a person can't do that,
24
79804
1930
ये काम एक व्यक्ति नहीँ कर सकता
01:33
but a machine can.
25
81758
1310
बल्कि मशीन कर सकती है
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
लेकिन एक मशीन कोच के
नजर से खेल को नही देख सकती
नजर से खेल को नही देख सकती
01:39
At least they couldn't until now.
27
87363
2261
अब तक तो नही
01:42
So what have we taught the machine to see?
28
90228
2103
तो हम मशीन को क्या
देखने के लिये सिखाया
देखने के लिये सिखाया
01:45
So, we started simply.
29
93569
1787
पहले आसान तरीके
से शुरु किया
से शुरु किया
01:47
We taught it things like passes,
shots and rebounds.
shots and rebounds.
30
95380
3799
हम उसको पासेस शाट्स और
रिबौंड्स जैसे चीज़ सिखाया
रिबौंड्स जैसे चीज़ सिखाया
01:51
Things that most casual fans would know.
31
99203
2541
चीज जो साधारण दर्शक
भी जानते है
भी जानते है
01:53
And then we moved on to things
slightly more complicated.
slightly more complicated.
32
101768
2832
और फिर हम थोडी मुश्किल
चीजोँ के ओर बढ गये
चीजोँ के ओर बढ गये
01:56
Events like post-ups,
and pick-and-rolls, and isolations.
and pick-and-rolls, and isolations.
33
104624
4588
जैसे पोस्ट-अप्स पिक-अंड-रोल्स
और आईसोलेश्न्स
और आईसोलेश्न्स
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
और अगर आप इन्हेँ
नहीँ जानते तो कोई बात नहीँ
नहीँ जानते तो कोई बात नहीँ
02:05
Now, we've gotten to a point where today,
the machine understands complex events
the machine understands complex events
35
113560
5340
अब हम वहां पहुँच गये जहाँ आज
मशीन मुश्किल ईवेँट्स को समझती हैं
मशीन मुश्किल ईवेँट्स को समझती हैं
02:10
like down screens and wide pins.
36
118924
3073
जैसे डौन स्क्रींस और वाईड पिंस
02:14
Basically things only professionals know.
37
122021
2726
ये चीज मूल रूप से
पेशेवर ही जानते हैँ
पेशेवर ही जानते हैँ
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
हम एक मशीन को कोच की
नजर से देखना सिखाया
नजर से देखना सिखाया
02:22
So how have we been able to do this?
39
130009
1857
हम यह कैसे कर पाये ?
02:24
If I asked a coach to describe
something like a pick-and-roll,
something like a pick-and-roll,
40
132511
3118
यदि मै एक कोच को पिक-अंड-रोल्स
के बारे मे वर्णन देने को कहने से
के बारे मे वर्णन देने को कहने से
02:27
they would give me a description,
41
135653
1640
वे मुझे वर्णन दे सकते है
02:29
and if I encoded that as an algorithm,
it would be terrible.
it would be terrible.
42
137317
2856
मै एंकोड करके एक अल्गोरित्म
के रूप मे दे दू तो बहुत अच्छा होगा
के रूप मे दे दू तो बहुत अच्छा होगा
02:33
The pick-and-roll happens to be this dance
in basketball between four players,
in basketball between four players,
43
141026
4278
पिक-अंड-रोल्स चार खिलाडियोँ के
बीच एक नृत्य जैसा लगता हैँ जहाँ
बीच एक नृत्य जैसा लगता हैँ जहाँ
02:37
two on offense and two on defense.
44
145328
1912
दो खिलाडी आक्रमण
दो खिलाडी रक्षा करते हैँ
दो खिलाडी रक्षा करते हैँ
02:39
And here's kind of how it goes.
45
147486
1618
ऐसा चल रहा है
02:41
So there's the guy on offense
without the ball
without the ball
46
149128
2533
यहाँ एक खिलाड़ी आक्रमण मे
बिना गेँद के है
बिना गेँद के है
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
गेँद और खिलाड़ी चलते है उस खिलाड़ी के पास
जिस के पास गेँद है
जिस के पास गेँद है
02:46
and he kind of stays there
48
154918
1257
और खिलाडी रुकता है
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
दोनोँ चलते है टा-डा होता है
यहीँ है पिक-अंड-रोल्
यहीँ है पिक-अंड-रोल्
02:51
(Laughter)
50
159540
2215
(हंसी)
02:53
So that is also an example
of a terrible algorithm.
of a terrible algorithm.
51
161779
2508
यह भी कठिन अल्गोरित्म
का एक उदाहरण है
का एक उदाहरण है
02:56
So, if the player who's the interferer --
he's called the screener --
he's called the screener --
52
164913
4204
यदि एक खिलाडी दखल देने से
उसको कहते है स्क्रीनर
उसको कहते है स्क्रीनर
03:01
goes close by, but he doesn't stop,
53
169278
2872
बहुत करीब पहुँच कर रुके नहीँ तो
03:04
it's probably not a pick-and-roll.
54
172174
1765
पिक-अंड-रोल् शायद नहीँ कह सकते है
03:06
Or if he does stop,
but he doesn't stop close enough,
but he doesn't stop close enough,
55
174560
3945
यदि खिलाडी रुकता है लेकिन
बहुत करीब नहीँ तो
बहुत करीब नहीँ तो
03:10
it's probably not a pick-and-roll.
56
178529
1761
पिक-अंड-रोल् शायद नहीँ कह सकते है
03:12
Or, if he does go close by
and he does stop
and he does stop
57
180642
3237
या बहुत करीब जाकर रुकने से
लेकिन बास्केट के नीचे करने से
लेकिन बास्केट के नीचे करने से
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
पिक-अंड-रोल् शायद नहीँ हो सकते है
03:19
Or I could be wrong,
they could all be pick-and-rolls.
they could all be pick-and-rolls.
59
187462
2524
या मैँ गलत हो सकता हूँ
वे सब पिक-अंड-रोल् हो सकते है
वे सब पिक-अंड-रोल् हो सकते है
03:22
It really depends on the exact timing,
the distances, the locations,
the distances, the locations,
60
190010
4568
ये सही वक्त, दुरी और स्थान पर
निर्भर करता है
निर्भर करता है
03:26
and that's what makes it hard.
61
194602
1495
और यही चीज उसको
मुश्किल बनाता है
मुश्किल बनाता है
03:28
So, luckily, with machine learning,
we can go beyond our own ability
we can go beyond our own ability
62
196579
4944
लेकिन मशीन की सहायता से
हमारे सामर्थ्य से बढकर
हमारे सामर्थ्य से बढकर
03:33
to describe the things we know.
63
201547
1743
चीजोँ का विवरण दे सकते है
03:35
So how does this work?
Well, it's by example.
Well, it's by example.
64
203314
2280
तो ये कैसे काम करता है ?
ये एक उदाहरण से
ये एक उदाहरण से
03:37
So we go to the machine and say,
"Good morning, machine.
"Good morning, machine.
65
205759
2830
हम मशीन के पास जाते और कहते
" गुड मोर्निंग मशीन
" गुड मोर्निंग मशीन
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
इधर कुछ पिक-अंड-रोल्स है
और इधर कुछ चीज वो नहीँ है
और इधर कुछ चीज वो नहीँ है
03:44
Please find a way to tell the difference."
67
212720
2252
उन दोनोँ के बीच अँतर
बताने का रास्ता ढूँढो "
बताने का रास्ता ढूँढो "
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
और जो लक्षण सबसे उसको अलग करते हो
उसको पता करना ही असली सूत्र है
उसको पता करना ही असली सूत्र है
03:50
So if I was going
to teach it the difference
to teach it the difference
69
218807
2109
इसलिए यदि मुझे उसको
सेब और सँतरा मे
सेब और सँतरा मे
03:52
between an apple and orange,
70
220940
1381
अंतर सिखाना होता तो
03:54
I might say, "Why don't you
use color or shape?"
use color or shape?"
71
222345
2375
मै उसको "रँग या आकार इस्तेमाल
करने के लिए कहूँगा ?"
करने के लिए कहूँगा ?"
03:56
And the problem that we're solving is,
what are those things?
what are those things?
72
224744
2943
और हम जो समस्या को सुलझा रहे है
वह ऐसे क्या चीज है
वह ऐसे क्या चीज है
03:59
What are the key features
73
227711
1247
मूल लक्षण क्या है
04:00
that let a computer navigate
the world of moving dots?
the world of moving dots?
74
228982
3499
जो कम्प्यूटर को गतिमान बिँदु के
दुनिया मे दिशा दिखा सकते है?
दुनिया मे दिशा दिखा सकते है?
04:04
So figuring out all these relationships
with relative and absolute location,
with relative and absolute location,
75
232505
4823
ये सारी सँबँधोँ के बीच दुरी समय गति
के बारे मे रिलेटिव और आब्सोल्युट
के बारे मे रिलेटिव और आब्सोल्युट
04:09
distance, timing, velocities --
76
237352
1909
स्थान की कल्पना करना ही
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
असल मे बिँदु गति शास्त्र की सूत्र है
या जैसे कि हम शैक्षिक भाषा मे
या जैसे कि हम शैक्षिक भाषा मे
04:16
spatiotemporal pattern recognition,
in academic vernacular.
in academic vernacular.
78
244392
3344
स्पटियोटेँपोरल स्वरूप पहचान
के नाम से जाना जाता है
के नाम से जाना जाता है
04:19
Because the first thing is,
you have to make it sound hard --
you have to make it sound hard --
79
247925
2898
पहले चीज यह हैं कि
इसे सुनने में कठिन बनाना है
इसे सुनने में कठिन बनाना है
04:22
because it is.
80
250847
1278
क्योँकि यह कठिन है
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
एनबीए कोचेस के लिए
पिक-अंड-रोल हुआ की नहीँ
पिक-अंड-रोल हुआ की नहीँ
04:27
whether a pick-and-roll happened or not.
82
255575
1922
ज्यादा मान्य नहीँ रखता
04:29
It's that they want to know
how it happened.
how it happened.
83
257521
2076
बल्कि कैसे हुआ जानना जरूरी मानते है
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
और ये उनको क्योँ आवश्यक है?
एक उदाहरण प्रस्तुत करता हूँ
एक उदाहरण प्रस्तुत करता हूँ
04:34
It turns out in modern basketball,
85
262631
1771
आधुनिक बास्केटबाल मे
04:36
this pick-and-roll is perhaps
the most important play.
the most important play.
86
264426
2539
शायद पिक-अंड-रोल की ही
बहुत महत्वपूर्ण भूमिका है
बहुत महत्वपूर्ण भूमिका है
04:39
And knowing how to run it,
and knowing how to defend it,
and knowing how to defend it,
87
267065
2620
समझना कि कैसे दौडना और
समझना कि कैसे रक्षा करना
समझना कि कैसे रक्षा करना
04:41
is basically a key to winning
and losing most games.
and losing most games.
88
269709
2670
मूल रूप से खेलोँ मे जीतने या
हारने को प्रभावित करता है
हारने को प्रभावित करता है
04:44
So it turns out that this dance
has a great many variations
has a great many variations
89
272403
3801
ये नृत्य अलग अलग रूप मे है
04:48
and identifying the variations
is really the thing that matters,
is really the thing that matters,
90
276228
3648
और इसको पहचानना ही असली चीज है
04:51
and that's why we need this
to be really, really good.
to be really, really good.
91
279900
2529
इसलिए ये सब बहुत ज्यादा
अच्छा होना हमारे लिये जरूरी है
अच्छा होना हमारे लिये जरूरी है
04:55
So, here's an example.
92
283228
1176
यहॉ एक उदाहरण है
04:56
There are two offensive
and two defensive players,
and two defensive players,
93
284428
2379
वहॉ दो आक्रमिक खिलाडी
दो रक्षा पँती के खिलाडी है
दो रक्षा पँती के खिलाडी है
04:58
getting ready to do
the pick-and-roll dance.
the pick-and-roll dance.
94
286831
2152
जो पिक-अंड-रोल नृत्य
के लिए तैयार हो रहे है
के लिए तैयार हो रहे है
05:01
So the guy with ball
can either take, or he can reject.
can either take, or he can reject.
95
289007
2683
खिलाडी जिस के पास गेँद है वह
या तो ले सकता या छोड सकता
या तो ले सकता या छोड सकता
05:04
His teammate can either roll or pop.
96
292086
3001
उसके टीम के साथी या तो रोल
या पाप कर सकते है
या पाप कर सकते है
05:07
The guy guarding the ball
can either go over or under.
can either go over or under.
97
295111
2986
खिलाडी जो गेँद को रक्षा करता हैं
वो या तो ऊपर से या नीचे से जा सकता
वो या तो ऊपर से या नीचे से जा सकता
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
उसके टीम के साथी या तो शो
या प्ले अप टु टच या प्ले साफ्ट
या प्ले अप टु टच या प्ले साफ्ट
05:14
and together they can
either switch or blitz
either switch or blitz
99
302710
2618
और मिलके उन लोग या तो स्विच
या ब्लिट्ज़ कर सकते हैँ
या ब्लिट्ज़ कर सकते हैँ
05:17
and I didn't know
most of these things when I started
most of these things when I started
100
305352
2659
और जब मैंने शुरू किया था
ये सब मै नही जानता था
ये सब मै नही जानता था
05:20
and it would be lovely if everybody moved
according to those arrows.
according to those arrows.
101
308035
3920
और यदि सब लोग उस तीरों के अनुसार
चलने से कितना अच्छा होगा
चलने से कितना अच्छा होगा
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
यह हमारी जीवन को बहुत आसन बनाते
बल्कि ये गति को बहुत अप्रिय बना देता है
बल्कि ये गति को बहुत अप्रिय बना देता है
05:28
People wiggle a lot and getting
these variations identified
these variations identified
103
316047
5484
इस अलग रूप को सही सलामत
पहचानना और याद करना लोगोँ
पहचानना और याद करना लोगोँ
05:33
with very high accuracy,
104
321555
1303
के लिये बहुत कठिन परिश्रम
05:34
both in precision and recall, is tough
105
322882
1868
की आवश्यकता हैँ
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
क्योँकि यही जो चीज एक प्रोफेषनल कोच
आप की नैपुण्यता को मान्य देता है
आप की नैपुण्यता को मान्य देता है
05:40
And despite all the difficulties
with the right spatiotemporal features
with the right spatiotemporal features
107
328416
3380
और हम लोग काफी दुविधाएँ
आने के पश्चात भी
आने के पश्चात भी
05:43
we have been able to do that.
108
331820
1474
सही स्पषियोटेँपोरल
लक्षण कर पाये
लक्षण कर पाये
05:45
Coaches trust our ability of our machine
to identify these variations.
to identify these variations.
109
333318
3927
कोच्स हमारी मशीन की ये लक्षण पता कर ने की
क्षमता पर बहुत उम्मीद रखते है
क्षमता पर बहुत उम्मीद रखते है
05:49
We're at the point where
almost every single contender
almost every single contender
110
337478
3533
हम वहा पहुँच गये जहाँ NBA चैम्पियनशिप
के लगभग हर एक खिलाडी इस साल
के लगभग हर एक खिलाडी इस साल
05:53
for an NBA championship this year
111
341035
1623
हमारी साफ्ट्वेर
इस्तेमाल कर रहे है
इस्तेमाल कर रहे है
05:54
is using our software, which is built
on a machine that understands
on a machine that understands
112
342682
4408
जो एक मशीन के ऊपर
बनाया गया जो
बनाया गया जो
05:59
the moving dots of basketball.
113
347114
1634
बास्केट्बाल की बिंदु
गति को समझ्ता हैं
गति को समझ्ता हैं
06:01
So not only that, we have given advice
that has changed strategies
that has changed strategies
114
349872
5153
पर इतना ही नही हम ने जो
सलाह दी उसने रणनीति को बदल दिया
सलाह दी उसने रणनीति को बदल दिया
06:07
that have helped teams win
very important games,
very important games,
115
355049
3352
जो टीम्स को जीतने मे मदद करता है
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
और ये बहुत ही उत्तेजक है क्योँकि
जो कोचेस 30 साल से लीग मे है
जो कोचेस 30 साल से लीग मे है
06:14
for 30 years that are willing to take
advice from a machine.
advice from a machine.
117
362181
3067
वो एक मशीन से सलाह
लेने के लिये तैयार है
लेने के लिये तैयार है
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
और यह बहुत ही दिलचस्त और
पिक-अंड-रोल से ज्यादा है
पिक-अंड-रोल से ज्यादा है
06:20
Our computer started out
with simple things
with simple things
119
368804
2076
हमारा कम्पुटर छोटे चीजोँ से शुरु किया
06:22
and learned more and more complex things
120
370904
2064
और बहुत ही जटिल चीजोँ को सीखा
06:24
and now it knows so many things.
121
372992
1561
और अब इसको बहुत चीज मालूम है
06:26
Frankly, I don't understand
much of what it does,
much of what it does,
122
374577
2835
वो क्या करती है ये ज्यादातर
मै नही समझता
मै नही समझता
06:29
and while it's not that special
to be smarter than me,
to be smarter than me,
123
377436
3715
और मुझसे चतुर होना भी
कोई बडी बात नही
कोई बडी बात नही
06:33
we were wondering,
can a machine know more than a coach?
can a machine know more than a coach?
124
381175
3644
हमे आश्चर्य होता है क्या एक मशीन
कोच से ज्यादा जान सकता?
कोच से ज्यादा जान सकता?
06:36
Can it know more than person could know?
125
384843
2055
क्या वो एक आदमी से ज्यादा जान सकता?
06:38
And it turns out the answer is yes.
126
386922
1745
और हम लोगोँ को कहना पडेगा हाँ
06:40
The coaches want players
to take good shots.
to take good shots.
127
388691
2557
कोचेस चाहते हैँ खिलाडी
अच्छे शाट ले
अच्छे शाट ले
06:43
So if I'm standing near the basket
128
391272
1651
अगर मै बास्केट के पास हूँ
06:44
and there's nobody near me,
it's a good shot.
it's a good shot.
129
392947
2166
और मेरे आसपास कोई नही
तो ये अच्छा शाट है
तो ये अच्छा शाट है
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
अगर मै बहुत दूर खडा हूँ और मेरे चारोँ तरफ
रक्षा खिलाडी है तो वो गलत शाट है
रक्षा खिलाडी है तो वो गलत शाट है
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
लेकिन हम अभी तक ये नही जानते कि
अच्छा कितना "अच्छा" था
अच्छा कितना "अच्छा" था
06:56
Until now.
132
404209
1150
और बुरा कितना "बुरा" था
06:57
So what we can do, again,
using spatiotemporal features,
using spatiotemporal features,
133
405771
3058
और हम लोग क्या करेँ फिरसे
हर शाट को स्पाटियोटेँपोरल
हर शाट को स्पाटियोटेँपोरल
07:00
we looked at every shot.
134
408853
1374
लक्षण द्वारा देखे
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
हम देख सकते : शाट किधर है?
बास्केट तक क्या कोण है?
बास्केट तक क्या कोण है?
07:05
Where are the defenders standing?
What are their distances?
What are their distances?
136
413280
2762
रक्षा खिलाडी कहॉ खडे है?
उनकी दुरी कितनी है?
उनकी दुरी कितनी है?
07:08
What are their angles?
137
416066
1331
उनके कोण कितना है?
07:09
For multiple defenders, we can look
at how the player's moving
at how the player's moving
138
417421
2977
जहॉ ज्यादा रक्षा खिलाडी हो वहॉ
देख सकते खिलाडी कैसे चल रहे और
देख सकते खिलाडी कैसे चल रहे और
07:12
and predict the shot type.
139
420422
1433
अंदाजा लगा सकते
कौनसा शोट लगेगा
कौनसा शोट लगेगा
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
हम उनके रफ्तार को देख सकते है और
एक नमूना तैयार कर सकते जो
एक नमूना तैयार कर सकते जो
07:17
what is the likelihood that this shot
would go in under these circumstances?
would go in under these circumstances?
141
425977
4052
इन परिस्थितियोँ मे ये शाट कहॉ तक
जा सकता है इसका अंदाजा लगयेगा
जा सकता है इसका अंदाजा लगयेगा
07:22
So why is this important?
142
430188
1500
तो ये सब आवश्यक क्योँ है?
07:24
We can take something that was shooting,
143
432102
2803
ह्म शूटिँग को ले सकते,
जो पहले एक चीज था
जो पहले एक चीज था
07:26
which was one thing before,
and turn it into two things:
and turn it into two things:
144
434929
2680
और उसको दो चीजोँ मे बदल दिये
07:29
the quality of the shot
and the quality of the shooter.
and the quality of the shooter.
145
437633
2651
शाट की गुणवत्ता और
शूटर की गुणवत्ता
शूटर की गुणवत्ता
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
यहॉ एक बबल चार्ट देखिये
क्योँकि बिना बबल चार्ट TED क्या है?
क्योँकि बिना बबल चार्ट TED क्या है?
07:36
(Laughter)
147
444966
1014
(हंसी)
07:38
Those are NBA players.
148
446004
1311
ये बबल्स NBA खिलाडी हैँ
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
बबल का परिमाण खिलाडी का परिमाण है
और रँग उसका स्थिति
और रँग उसका स्थिति
07:42
On the x-axis,
we have the shot probability.
we have the shot probability.
150
450483
2132
शाट की सँभावना x-अक्ष मे है
07:44
People on the left take difficult shots,
151
452639
1953
लोग जो बाएँ तरफ है
वो मुश्किल शाट लेते हैँ
वो मुश्किल शाट लेते हैँ
07:46
on the right, they take easy shots.
152
454616
2229
जो दाएँ तरफ है
आसन शाट लेते हैँ
आसन शाट लेते हैँ
07:49
On the [y-axis] is their shooting ability.
153
457194
2057
y-अक्ष पर उनके
शूटिँग के सामर्थ्य है
शूटिँग के सामर्थ्य है
07:51
People who are good are at the top,
bad at the bottom.
bad at the bottom.
154
459275
2562
लोग जो अच्छे है वो ऊपर है
जो बुरे वो नीचे है
जो बुरे वो नीचे है
07:53
So for example, if there was a player
155
461861
1760
इस तरह, पहले हम सिर्फ
07:55
who generally made
47 percent of their shots,
47 percent of their shots,
156
463621
2097
इतना ही जानते थे कि
एक खिलाडी आम तौर पर
एक खिलाडी आम तौर पर
07:57
that's all you knew before.
157
465718
1389
47 प्रतिशत शाट्स बनाता था
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
पर आज मै ये कह सकता हू कि
वो खिलाडी एक साधारण NBA
वो खिलाडी एक साधारण NBA
08:04
would make 49 percent of the time,
159
472219
1961
खिलाड़ी जो 49 प्रतिशत
शाट्स लेता है उनसे
शाट्स लेता है उनसे
08:06
and they are two percent worse.
160
474204
1684
2 प्रतिशत बदतर है
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
ये बहुत ही जरूरी है क्योँ कि
वहा ज्यादातर 47 प्रतिशत वाले है
वहा ज्यादातर 47 प्रतिशत वाले है
08:13
And so it's really important to know
162
481714
2549
इसलिये ये जानना जरूरी है कि
08:16
if the 47 that you're considering
giving 100 million dollars to
giving 100 million dollars to
163
484287
3956
अगर आप 100 मिलियन डालर्स
47 प्रतिशतवाले को देना चाहते है जो
47 प्रतिशतवाले को देना चाहते है जो
08:20
is a good shooter who takes bad shots
164
488267
3055
एक अच्छा शूटर है लेकिन बुरा शाट लेता
08:23
or a bad shooter who takes good shots.
165
491346
2397
या बुरा शूटर है जो अच्छा शाट लेता
08:27
Machine understanding doesn't just change
how we look at players,
how we look at players,
166
495130
3333
हमारी नजरिये को मशीन का
नजरिया नही बदल सकता लेकिन
नजरिया नही बदल सकता लेकिन
08:30
it changes how we look at the game.
167
498487
1858
हम खेल को कैसे देखते
ये जरूर बदल सकता है
ये जरूर बदल सकता है
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
कुछ साल पहले NBA फ़ाइनल मे
एक उत्तेजक मेच हुआ था
एक उत्तेजक मेच हुआ था
08:36
Miami was down by three,
there was 20 seconds left.
there was 20 seconds left.
169
504148
3207
मियामि तीन से पीछे था और
सिर्फ 20 सेकन्ड्स बाकी थे
सिर्फ 20 सेकन्ड्स बाकी थे
08:39
They were about to lose the championship.
170
507379
2025
वो लोग चैम्पियनशिप खोने ही वाले थे
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
एक जेंटलमैन लमान लेब्रान जेम्स आया
और उन्होँने तीन से टॅइ लिया
और उन्होँने तीन से टॅइ लिया
08:44
He missed.
172
512793
1198
वो छूट गया
टीममेट
टीममेट
08:46
His teammate Chris Bosh got a rebound,
173
514015
1837
क्रिस बोश को
पलटाव मिला उसने बाल
पलटाव मिला उसने बाल
08:47
passed it to another teammate
named Ray Allen.
named Ray Allen.
174
515876
2159
को अपने दूसरे टीममेट
रे अलेन को पास किया
रे अलेन को पास किया
08:50
He sank a three. It went into overtime.
175
518059
1919
उसने तीन मे डुबा दिया
गेम अतिरिक्त समय मे चला गया
गेम अतिरिक्त समय मे चला गया
08:52
They won the game.
They won the championship.
They won the championship.
176
520002
2096
वो लोग गेम जीत गये
और चैम्पियनशिप भी
और चैम्पियनशिप भी
08:54
It was one of the most exciting
games in basketball.
games in basketball.
177
522122
2444
वो बास्केट बाल की बहुत ही
उत्तेजक मैचो मे से एक है
उत्तेजक मैचो मे से एक है
08:57
And our ability to know
the shot probability for every player
the shot probability for every player
178
525438
3429
और हर एक खिलाडी शाट खेलने की
सँभावना हर एक पल और उसको हर
सँभावना हर एक पल और उसको हर
09:00
at every second,
179
528891
1188
एक पल रीबौंड मिलने की
09:02
and the likelihood of them getting
a rebound at every second
a rebound at every second
180
530103
2956
सँभावना ये सब जानने की हमारी
क्षमता आप की इस
क्षमता आप की इस
09:05
can illuminate this moment in a way
that we never could before.
that we never could before.
181
533083
3443
पल को और भी याद्गार बनाने वाला था
09:09
Now unfortunately,
I can't show you that video.
I can't show you that video.
182
537618
2668
पर बद्किस्मती से मै वो वीडिओ
आपको अभी नही दिखा सक्ता
आपको अभी नही दिखा सक्ता
09:12
But for you, we recreated that moment
183
540310
4493
लेकिन हम ने आप के लिये
वो पल को पुनर-सृजन किया जो तीन
वो पल को पुनर-सृजन किया जो तीन
09:16
at our weekly basketball game
about 3 weeks ago.
about 3 weeks ago.
184
544827
2336
हफ्ते पहले जो हमारा
साप्ताहिक बास्केट बाल मैच हुआ
साप्ताहिक बास्केट बाल मैच हुआ
09:19
(Laughter)
185
547279
2167
(हंसी)
09:21
And we recreated the tracking
that led to the insights.
that led to the insights.
186
549573
3410
हम ने ट्रेकिंग का पुनर्निमाण किया
जो हमेँ अँतरदृष्टि के ओर लेके गया
जो हमेँ अँतरदृष्टि के ओर लेके गया
09:25
So, here is us.
This is Chinatown in Los Angeles,
This is Chinatown in Los Angeles,
187
553199
4255
तो ये हम है ये एक पार्क
चाइनाटाउन लास एंजेलस मे
चाइनाटाउन लास एंजेलस मे
09:29
a park we play at every week,
188
557478
1564
जहा हम हर हफ्ते खेलते हैँ
09:31
and that's us recreating
the Ray Allen moment
the Ray Allen moment
189
559066
2231
और हमने रे अल्लेन मूमेंट को
09:33
and all the tracking
that's associated with it.
that's associated with it.
190
561321
2229
और उसके साथ जुडी वो ट्राकिंग
को भी पुनर-सृजन किया
को भी पुनर-सृजन किया
09:36
So, here's the shot.
191
564772
1517
तो अब ये रहा शाट
09:38
I'm going to show you that moment
192
566313
2516
मै ये पल और उसकी सारी
अनुभव आप को दिखाना
अनुभव आप को दिखाना
09:40
and all the insights of that moment.
193
568853
2587
चाहता हु
09:43
The only difference is, instead
of the professional players, it's us,
of the professional players, it's us,
194
571464
3730
और सिर्फ ये अंतर है कि पेशेवर
खिलाडी की जगह यहा हम होँगे
खिलाडी की जगह यहा हम होँगे
09:47
and instead of a professional
announcer, it's me.
announcer, it's me.
195
575218
2618
और पेशेवर वाचक के बदले यहा मै रहूँगा
09:49
So, bear with me.
196
577860
1477
इसलिये थोडा सहन कीजिये(धीरज)
09:53
Miami.
197
581153
1150
मियामी
09:54
Down three.
198
582671
1150
तीन से पीछे
09:56
Twenty seconds left.
199
584107
1150
बीस सेकन्ड बाकी हैं
09:59
Jeff brings up the ball.
200
587385
1198
जेफ्फ बाल लाता है
10:02
Josh catches, puts up a three!
201
590656
1535
जोश कैच करता हैं, तीन
पुट अप करता है
पुट अप करता है
10:04
[Calculating shot probability]
202
592631
1849
शाट की सँभावना की
गणना करने के बाद
गणना करने के बाद
10:07
[Shot quality]
203
595278
1150
शाट की शक्ति
10:09
[Rebound probability]
204
597048
1785
पलटाव की सँभावना
10:12
Won't go!
205
600373
1173
नही जायेगा
10:13
[Rebound probability]
206
601570
1446
पलटाव की सँभावना
10:15
Rebound, Noel.
207
603777
1256
पलटाव नोयेल
10:17
Back to Daria.
208
605057
1150
फिर से दारिया के पास
10:18
[Shot quality]
209
606509
3365
शाट की शक्ती
10:22
Her three-pointer -- bang!
210
610676
1620
उसका तीन पाइंटर- बांग
10:24
Tie game with five seconds left.
211
612320
2197
बराबर अंको पर गेम था पांच क्षण बच गये
10:26
The crowd goes wild.
212
614880
1618
क्राउड (भीड) पागल हो जाते हैं
10:28
(Laughter)
213
616522
1659
(हंसी)
10:30
That's roughly how it happened.
214
618205
1547
ये सब लग भग ऐसे हुआ था
10:31
(Applause)
215
619776
1151
(ताली)
10:32
Roughly.
216
620951
1175
लग भग
10:34
(Applause)
217
622150
1531
(ताली)
10:36
That moment had about a nine percent
chance of happening in the NBA
chance of happening in the NBA
218
624121
5484
ये पल को NBA मे लगभग नौ
प्रतिशत मुमकिन होने की सँभावना है
प्रतिशत मुमकिन होने की सँभावना है
10:41
and we know that
and a great many other things.
and a great many other things.
219
629629
2261
और हम लोग और भी
बडे बडे चाज जानते है
बडे बडे चाज जानते है
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
मै ये नही बतावूंगा उस पल को
सँभव बनाने के लिये कितने बार लगा
सँभव बनाने के लिये कितने बार लगा
10:47
(Laughter)
221
635429
1747
(हंसी)
10:49
Okay, I will! It was four.
222
637200
1872
चलो बता देता हू वो चार था
10:51
(Laughter)
223
639096
1001
(हंसी)
10:52
Way to go, Daria.
224
640121
1165
डारिया ,बहुत आगे जाओगे
10:53
But the important thing about that video
225
641647
4263
पर उस वीडिओ और वो हर पल,
हर गेम का अंतर दृष्टि रखना
हर गेम का अंतर दृष्टि रखना
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
इन सब का दूसरा मतलब है
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
ये यदार्थ है कि उस पल की नजर रखने के लिये
तुम्हे एक पेशेवर टीम होने की जरूरत नही
तुम्हे एक पेशेवर टीम होने की जरूरत नही
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
गती की अनुभव करने के लिये तुम्हे
एक पेशेवर खिलाडी होने की जरूरत नही
एक पेशेवर खिलाडी होने की जरूरत नही
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
असल मे वो तो खेल के बारे मे होने की भी
जरूरत नही क्योँ कि हम हर जगह घूमते है
जरूरत नही क्योँ कि हम हर जगह घूमते है
11:15
We're moving in our homes,
230
663654
2369
हम अपने घरोँ मे चलते है
11:21
in our offices,
231
669428
1205
अपने दफतर मे
11:24
as we shop and we travel
232
672238
2690
जब हम कुछ खरीदते हैं
और जब हम यात्रा करते हैं
और जब हम यात्रा करते हैं
11:29
throughout our cities
233
677318
1253
हमारे सारे शहर में
11:32
and around our world.
234
680065
1618
और अपने आसपास की
दुनिया मे भी घूमते
दुनिया मे भी घूमते
11:35
What will we know? What will we learn?
235
683270
2295
हम क्या जानते हैं? क्या समझते हैं?
11:37
Perhaps, instead of identifying
pick-and-rolls,
pick-and-rolls,
236
685589
2305
शायद पिक-अँड-रोल्स
को पहचानने के बदले
को पहचानने के बदले
11:39
a machine can identify
the moment and let me know
the moment and let me know
237
687918
3010
एक मशीन मेरी बेटी की
पहला चरण लेने की पल को
पहला चरण लेने की पल को
11:42
when my daughter takes her first steps.
238
690952
2059
पहचान के मुझे बतायेगा
11:45
Which could literally be happening
any second now.
any second now.
239
693035
2536
जो कोई भी क्षण
वास्तव में हो सकता है
वास्तव में हो सकता है
11:48
Perhaps we can learn to better use
our buildings, better plan our cities.
our buildings, better plan our cities.
240
696140
3697
शायद हम भवन का सही उपयोग
शहर का सही नक्शा बना सकते
शहर का सही नक्शा बना सकते
11:52
I believe that with the development
of the science of moving dots,
of the science of moving dots,
241
700362
4173
मुझे उम्मीद है कि बिँदु गति शास्त्र
की व्याप्ति से
की व्याप्ति से
11:56
we will move better, we will move smarter,
we will move forward.
we will move forward.
242
704559
3643
हम लोग बेहतर तरीके से
चतुराई से और आगे बड सकते है
चतुराई से और आगे बड सकते है
12:00
Thank you very much.
243
708607
1189
धन्यवाद
12:01
(Applause)
244
709820
5045
(ताली)
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