TED2015
Rajiv Maheswaran: The math behind basketball's wildest moves
ラジブ・マヒシュワラン: バスケットボールの激しい動きの背後にある数学
Filmed:
Readability: 3.1
2,683,104 views
バスケットボールは型にとらわれない動き、選手間の接触、そして「時空パターン認識学的」なる要素をもった速い動きの試合です。ラジブ・マヒシュワランとその仲間は、コーチや選手が新しいデータを直感的なものとを融合出来るように、試合の鍵となるプレイの背後にある動きを解析しています。それだけでなく、この研究で得られた知見は、様々な場面における人々の動きを理解するのにも役立つことでしょう。
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
私と研究仲間は
動く点の科学に魅せられています
動く点の科学に魅せられています
00:16
So what are these dots?
1
4927
1150
これらの点は何でしょう？
00:18
Well, it's all of us.
2
6101
1287
全て我々自身です
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
我々は家の中 事務所の中を動き回り
街や世界中で
街や世界中で
00:24
throughout our cities
and around the world.
and around the world.
4
12521
2066
買物や旅行をしています
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
こんな動きを全て理解できたら
素晴らしいと思いませんか？
素晴らしいと思いませんか？
00:30
If we could find patterns and meaning
and insight in it.
and insight in it.
6
18918
2890
ここにパターン、意味を見出し
洞察することができたら？
洞察することができたら？
00:34
And luckily for us, we live in a time
7
22259
1785
幸運なことにも 我々は
00:36
where we're incredibly good
at capturing information about ourselves.
at capturing information about ourselves.
8
24068
4497
自分達自身の情報を実に上手く
取得できる時代に生きています
取得できる時代に生きています
00:40
So whether it's through
sensors or videos, or apps,
sensors or videos, or apps,
9
28807
3663
それがセンサー、ビデオ または
アプリであろうとも
アプリであろうとも
00:44
we can track our movement
with incredibly fine detail.
with incredibly fine detail.
10
32494
2809
見事なほど詳細に
動きを追跡することができます
動きを追跡することができます
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
そんな動きを得るのに最適なのが
00:53
is sports.
12
41148
1208
スポーツです
00:54
So whether it's basketball or baseball,
or football or the other football,
or football or the other football,
13
42682
5333
バスケ、野球、サッカーやフットサルであれ
01:00
we're instrumenting our stadiums
and our players to track their movements
and our players to track their movements
14
48039
4402
競技場に装置を取り付け
選手の動きを１秒にも満たない間隔で
選手の動きを１秒にも満たない間隔で
01:04
every fraction of a second.
15
52465
1313
撮影し追跡します
01:05
So what we're doing
is turning our athletes into --
is turning our athletes into --
16
53802
4382
そう 我々がやっていることは
スポーツ選手を
スポーツ選手を
01:10
you probably guessed it --
17
58208
1959
－皆さんがご想像されるとおり－
01:12
moving dots.
18
60191
1396
動く点へと変換することです
01:13
So we've got mountains of moving dots
and like most raw data,
and like most raw data,
19
61946
4934
他の生データと同様に
膨大な数の動く点を取得します
膨大な数の動く点を取得します
01:18
it's hard to deal with
and not that interesting.
and not that interesting.
20
66904
2502
取り扱いは面倒で
面白い作業ではありません
面白い作業ではありません
01:21
But there are things that, for example,
basketball coaches want to know.
basketball coaches want to know.
21
69430
3769
でも選手の動きには 例えばバスケのコーチが
知りたいものが含まれています
知りたいものが含まれています
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
問題はコーチが 各ゲームを逐次観察し
それを記憶し分析することが
それを記憶し分析することが
01:29
of every game, remember it and process it.
23
77057
2589
不可能であるということです
01:31
And a person can't do that,
24
79804
1930
１人の人間には不可能であっても
01:33
but a machine can.
25
81758
1310
機械になら出来ます
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
問題は機械がコーチの様な視点を持って
ゲームを見ることができないことです
ゲームを見ることができないことです
01:39
At least they couldn't until now.
27
87363
2261
いや 少なくとも今までは不可能でした
01:42
So what have we taught the machine to see?
28
90228
2103
では我々は機械に
何を学習させたのでしょう？
何を学習させたのでしょう？
01:45
So, we started simply.
29
93569
1787
単純な方法で始めました
01:47
We taught it things like passes,
shots and rebounds.
shots and rebounds.
30
95380
3799
パス、シュートやリバウンドを
教えました
教えました
01:51
Things that most casual fans would know.
31
99203
2541
バスケファンならご存知ですよね？
01:53
And then we moved on to things
slightly more complicated.
slightly more complicated.
32
101768
2832
次にもう少しだけ複雑なことに
取り組みました
取り組みました
01:56
Events like post-ups,
and pick-and-rolls, and isolations.
and pick-and-rolls, and isolations.
33
104624
4588
ポストアップ、ピックアンドロールや
アイソレーションなどです
アイソレーションなどです
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
選手なら大抵知っていることですが
ご存じなくても問題ありません
ご存じなくても問題ありません
02:05
Now, we've gotten to a point where today,
the machine understands complex events
the machine understands complex events
35
113560
5340
そして 今では機械はダウン・スクリーンや
02:10
like down screens and wide pins.
36
118924
3073
ワイド・ピンといったプレイも
把握できるようになりました
把握できるようになりました
02:14
Basically things only professionals know.
37
122021
2726
基本的に
プロだけが知っているプレイです
プロだけが知っているプレイです
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
機械にはコーチの視点で見るように
学習させました
学習させました
どうやって出来たのでしょう？
02:22
So how have we been able to do this?
39
130009
1857
02:24
If I asked a coach to describe
something like a pick-and-roll,
something like a pick-and-roll,
40
132511
3118
コーチにピックアンドロールについて
説明を求めれば
説明を求めれば
02:27
they would give me a description,
41
135653
1640
解説してくれたことでしょうが
02:29
and if I encoded that as an algorithm,
it would be terrible.
it would be terrible.
42
137317
2856
それをアルゴリズムに組込むのは
至難の業です
至難の業です
02:33
The pick-and-roll happens to be this dance
in basketball between four players,
in basketball between four players,
43
141026
4278
ピックアンドロールとは
４人で行う２対２の攻防戦での
４人で行う２対２の攻防戦での
02:37
two on offense and two on defense.
44
145328
1912
こういったダンスのような動きです
02:39
And here's kind of how it goes.
45
147486
1618
このように動いていきます
02:41
So there's the guy on offense
without the ball
without the ball
46
149128
2533
スクリナー(ディフェンスをガードする選手)が
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
ボールマンのディフェンスの横に行き
02:46
and he kind of stays there
48
154918
1257
ずっとガードするのです
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
そして２人が動き こうなります ジャーン！
これがピックアンドロールです
これがピックアンドロールです
02:51
(Laughter)
50
159540
2215
(笑)
02:53
So that is also an example
of a terrible algorithm.
of a terrible algorithm.
51
161779
2508
アルゴリズム化が困難な例です
02:56
So, if the player who's the interferer --
he's called the screener --
he's called the screener --
52
164913
4204
スクリナーが邪魔をするのですが
03:01
goes close by, but he doesn't stop,
53
169278
2872
近づいても 停止しなければ
03:04
it's probably not a pick-and-roll.
54
172174
1765
おそらくピックアンドロールでは
ありません
ありません
03:06
Or if he does stop,
but he doesn't stop close enough,
but he doesn't stop close enough,
55
174560
3945
逆に 停止しても
十分に近づかなければ
十分に近づかなければ
03:10
it's probably not a pick-and-roll.
56
178529
1761
ピックアンドロールとは
ならないでしょう
ならないでしょう
03:12
Or, if he does go close by
and he does stop
and he does stop
57
180642
3237
近づいて停止しても
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
リングの下では
ピックアンドロールにはならないでしょう
ピックアンドロールにはならないでしょう
03:19
Or I could be wrong,
they could all be pick-and-rolls.
they could all be pick-and-rolls.
59
187462
2524
私の間違いで何れも
ピックアンドロールかもしれません
ピックアンドロールかもしれません
03:22
It really depends on the exact timing,
the distances, the locations,
the distances, the locations,
60
190010
4568
正確なタイミング、距離と場所に
依存するので
依存するので
03:26
and that's what makes it hard.
61
194602
1495
判断を難しくしています
03:28
So, luckily, with machine learning,
we can go beyond our own ability
we can go beyond our own ability
62
196579
4944
幸いにも機械学習では
我々が知っていることの記述を
我々が知っていることの記述を
03:33
to describe the things we know.
63
201547
1743
我々の限界以上にこなします
03:35
So how does this work?
Well, it's by example.
Well, it's by example.
64
203314
2280
どのように？
例をお見せしましょう
例をお見せしましょう
03:37
So we go to the machine and say,
"Good morning, machine.
"Good morning, machine.
65
205759
2830
機械に向かって言います
「おはよう 機械君
「おはよう 機械君
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
ここにピックアンドロールと
そうでないものが あるんだ
そうでないものが あるんだ
03:44
Please find a way to tell the difference."
67
212720
2252
違いを見分けてごらん」
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
この問題を解く鍵は
判別を可能とする特徴を捉えることです
判別を可能とする特徴を捉えることです
03:50
So if I was going
to teach it the difference
to teach it the difference
69
218807
2109
りんごとみかんの違いを
03:52
between an apple and orange,
70
220940
1381
学習させるならば
03:54
I might say, "Why don't you
use color or shape?"
use color or shape?"
71
222345
2375
「色と形に注目してみたら？」
と言うことでしょう
と言うことでしょう
03:56
And the problem that we're solving is,
what are those things?
what are those things?
72
224744
2943
我々が解決すべき問題は
違いが何かということです
違いが何かということです
03:59
What are the key features
73
227711
1247
コンピューターが
04:00
that let a computer navigate
the world of moving dots?
the world of moving dots?
74
228982
3499
動く点を追跡する時に
鍵となる特徴とは何でしょうか？
鍵となる特徴とは何でしょうか？
04:04
So figuring out all these relationships
with relative and absolute location,
with relative and absolute location,
75
232505
4823
相対的 絶対的な位置、距離、タイミング
それに速度といった
それに速度といった
04:09
distance, timing, velocities --
76
237352
1909
全ての情報を把握すること
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
それこそが 動く点の科学の神髄です
04:16
spatiotemporal pattern recognition,
in academic vernacular.
in academic vernacular.
78
244392
3344
「時空パターン認識」という専門用語を
使うのが適切です
使うのが適切です
04:19
Because the first thing is,
you have to make it sound hard --
you have to make it sound hard --
79
247925
2898
初めての言葉ですから
舌を噛むかもしれません
舌を噛むかもしれません
04:22
because it is.
80
250847
1278
こんな言葉ですから
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
ポイントはNBAのコーチにとっての関心は
ピックアンドロールが
ピックアンドロールが
04:27
whether a pick-and-roll happened or not.
82
255575
1922
あったかどうかでは無く
どのようにして
どのようにして
04:29
It's that they want to know
how it happened.
how it happened.
83
257521
2076
そのプレイが起きたかということです
なぜ 重要なのでしょう？
少し掘り下げてみましょう
少し掘り下げてみましょう
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
04:34
It turns out in modern basketball,
85
262631
1771
現代のバスケットボールでは
04:36
this pick-and-roll is perhaps
the most important play.
the most important play.
86
264426
2539
ピックアンドロールは
おそらく最も重要なプレイです
おそらく最も重要なプレイです
04:39
And knowing how to run it,
and knowing how to defend it,
and knowing how to defend it,
87
267065
2620
どうやって仕掛け
これをどうディフェンスするのかで
これをどうディフェンスするのかで
04:41
is basically a key to winning
and losing most games.
and losing most games.
88
269709
2670
基本的に多くのゲームで勝敗を左右します
04:44
So it turns out that this dance
has a great many variations
has a great many variations
89
272403
3801
だから この動きには
様々なバリエーションがあり
様々なバリエーションがあり
04:48
and identifying the variations
is really the thing that matters,
is really the thing that matters,
90
276228
3648
バリエーションを理解することが
とても重要です
とても重要です
04:51
and that's why we need this
to be really, really good.
to be really, really good.
91
279900
2529
ですから
この装置がとても重宝します
この装置がとても重宝します
04:55
So, here's an example.
92
283228
1176
例をお見せします
04:56
There are two offensive
and two defensive players,
and two defensive players,
93
284428
2379
２対２の攻防戦で
04:58
getting ready to do
the pick-and-roll dance.
the pick-and-roll dance.
94
286831
2152
ピックアンドロールをしようとしています
05:01
So the guy with ball
can either take, or he can reject.
can either take, or he can reject.
95
289007
2683
ボールマンの動きには
テイクとリジェクトがあり
テイクとリジェクトがあり
05:04
His teammate can either roll or pop.
96
292086
3001
スクリナーには
ロールとポップがあります
ロールとポップがあります
05:07
The guy guarding the ball
can either go over or under.
can either go over or under.
97
295111
2986
一方ボールマンのディフェンスは
オーバーかアンダーをし
オーバーかアンダーをし
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
スクリナーのディフェンスは
ショウかアップツータッチかソフトをします
ショウかアップツータッチかソフトをします
05:14
and together they can
either switch or blitz
either switch or blitz
99
302710
2618
またディフェンスが一緒になって
スイッチやブリッズをします
スイッチやブリッズをします
05:17
and I didn't know
most of these things when I started
most of these things when I started
100
305352
2659
始めの頃は こういったことについて
知りませんでした
知りませんでした
05:20
and it would be lovely if everybody moved
according to those arrows.
according to those arrows.
101
308035
3920
このような矢印通りに動いてくれれば簡単で
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
理解しやすいことでしょう
でも実際の動きはとても複雑です
でも実際の動きはとても複雑です
05:28
People wiggle a lot and getting
these variations identified
these variations identified
103
316047
5484
選手はくねくねと複雑に動くので
プレイのバリエーションを
プレイのバリエーションを
05:33
with very high accuracy,
104
321555
1303
正確に把握すること－
05:34
both in precision and recall, is tough
105
322882
1868
精度良く プレイを再現することは困難です
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
だから コーチは人間の判断力を
信用することになります
信用することになります
05:40
And despite all the difficulties
with the right spatiotemporal features
with the right spatiotemporal features
107
328416
3380
時空パターン認識には
このような困難がありますが
このような困難がありますが
05:43
we have been able to do that.
108
331820
1474
我々は解析に成功しました
05:45
Coaches trust our ability of our machine
to identify these variations.
to identify these variations.
109
333318
3927
コーチたちは我々の機械の
プレイ認識能力を信頼しています
プレイ認識能力を信頼しています
05:49
We're at the point where
almost every single contender
almost every single contender
110
337478
3533
今年に至っては NBAリーグの
05:53
for an NBA championship this year
111
341035
1623
ほぼ全てのチームが
05:54
is using our software, which is built
on a machine that understands
on a machine that understands
112
342682
4408
バスケットボールの動く点を
追跡する機械に搭載された
追跡する機械に搭載された
05:59
the moving dots of basketball.
113
347114
1634
ソフトを利用しています
06:01
So not only that, we have given advice
that has changed strategies
that has changed strategies
114
349872
5153
それだけでなく
とても大切な試合に勝利するための
とても大切な試合に勝利するための
06:07
that have helped teams win
very important games,
very important games,
115
355049
3352
戦略変更を
我々はアドバイスすることができました
我々はアドバイスすることができました
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
これはとてもワクワクすることです
30年もの間 リーグに在籍してきた
30年もの間 リーグに在籍してきた
06:14
for 30 years that are willing to take
advice from a machine.
advice from a machine.
117
362181
3067
コーチたちが 機械による
アドバイスを受け入れるのですから
アドバイスを受け入れるのですから
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
ピックアンドロールを超えたことも
素晴らしことです
素晴らしことです
06:20
Our computer started out
with simple things
with simple things
119
368804
2076
コンピューターは
簡単なことから始め
簡単なことから始め
06:22
and learned more and more complex things
120
370904
2064
もっともっと複雑なことを学習し
06:24
and now it knows so many things.
121
372992
1561
今や多くの事を把握しています
06:26
Frankly, I don't understand
much of what it does,
much of what it does,
122
374577
2835
正直言えば 私自身は
学習内容を殆ど理解していませんが
学習内容を殆ど理解していませんが
06:29
and while it's not that special
to be smarter than me,
to be smarter than me,
123
377436
3715
私より賢いなんて
特別なことではありません
特別なことではありません
06:33
we were wondering,
can a machine know more than a coach?
can a machine know more than a coach?
124
381175
3644
こう思ったことがあります
機械はコーチを超えられるか?
機械はコーチを超えられるか?
06:36
Can it know more than person could know?
125
384843
2055
人間以上に知り得るか?
06:38
And it turns out the answer is yes.
126
386922
1745
今や その答えは「イエス」です
06:40
The coaches want players
to take good shots.
to take good shots.
127
388691
2557
コーチはシュートを上手く放つ
選手を欲しがります
選手を欲しがります
06:43
So if I'm standing near the basket
128
391272
1651
私がゴールの近くにいて
06:44
and there's nobody near me,
it's a good shot.
it's a good shot.
129
392947
2166
近くに誰もいなければ
シュートを決めやすく
シュートを決めやすく
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
逆に ゴールから遠く 敵に囲まれていれば
シュートを決めるのが難しくなります
シュートを決めるのが難しくなります
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
しかし シュートの良し悪しの程度を
定量的に判断できませんでした
定量的に判断できませんでした
06:56
Until now.
132
404209
1150
今までは です
06:57
So what we can do, again,
using spatiotemporal features,
using spatiotemporal features,
133
405771
3058
ここで時空パターン認識の
再登場です
再登場です
07:00
we looked at every shot.
134
408853
1374
各シュートを分析しました
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
調べることは「シュートの場所は？
リングとの角度は？
リングとの角度は？
07:05
Where are the defenders standing?
What are their distances?
What are their distances?
136
413280
2762
ディフェンスの位置は？
その距離は？
その距離は？
07:08
What are their angles?
137
416066
1331
立っている角度は？」などです
07:09
For multiple defenders, we can look
at how the player's moving
at how the player's moving
138
417421
2977
複数のディフェンダーがいる時も
選手の動きを追って
選手の動きを追って
07:12
and predict the shot type.
139
420422
1433
シュートのタイプを予測できます
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
選手の速度から
このような状況下で
このような状況下で
07:17
what is the likelihood that this shot
would go in under these circumstances?
would go in under these circumstances?
141
425977
4052
どのようなシュートが放たれるかという
予測モデルを構築できます
予測モデルを構築できます
07:22
So why is this important?
142
430188
1500
なぜ これが重要なのでしょう？
07:24
We can take something that was shooting,
143
432102
2803
シュートについて解析してみます
07:26
which was one thing before,
and turn it into two things:
and turn it into two things:
144
434929
2680
かつては一元的なものでしたが
今は２つの因子に分解します
今は２つの因子に分解します
07:29
the quality of the shot
and the quality of the shooter.
and the quality of the shooter.
145
437633
2651
シュートの質と
シューターの質です
シューターの質です
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
このバブル・チャートをご覧ください
TEDには不可欠ですよね？
TEDには不可欠ですよね？
07:36
(Laughter)
147
444966
1014
(笑)
07:38
Those are NBA players.
148
446004
1311
各点はNBAの選手です
点の大きさは選手の大きさ
色はポジションを表しています
色はポジションを表しています
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
07:42
On the x-axis,
we have the shot probability.
we have the shot probability.
150
450483
2132
横軸は シュートの成功可能性で
07:44
People on the left take difficult shots,
151
452639
1953
左に行けば難易度が上がり
07:46
on the right, they take easy shots.
152
454616
2229
右に行けば難易度が下がります
07:49
On the [y-axis] is their shooting ability.
153
457194
2057
縦軸は 選手のシュート能力です
07:51
People who are good are at the top,
bad at the bottom.
bad at the bottom.
154
459275
2562
上に行くほど良い選手で
下の方は その逆です
下の方は その逆です
07:53
So for example, if there was a player
155
461861
1760
例えば 通常47%の確率で
07:55
who generally made
47 percent of their shots,
47 percent of their shots,
156
463621
2097
シュートを成功させる選手がいるとします
07:57
that's all you knew before.
157
465718
1389
以前なら これが情報の全てです
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
でも今なら NBAの平均的な選手なら
49%の確率で成功させるシュートを
49%の確率で成功させるシュートを
08:04
would make 49 percent of the time,
159
472219
1961
この選手は2%低くさせると
いうことができます
いうことができます
08:06
and they are two percent worse.
160
474204
1684
この選手は2%低くさせると
いうことができます
いうことができます
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
47%といっても様々な組み合わせが
あることが重要です
あることが重要です
08:13
And so it's really important to know
162
481714
2549
47%の数字をたたき出す
08:16
if the 47 that you're considering
giving 100 million dollars to
giving 100 million dollars to
163
484287
3956
100億円プレイヤーの獲得を
考えるのならば
考えるのならば
08:20
is a good shooter who takes bad shots
164
488267
3055
難しいシュートを成功させる選手なのか
シュートの質は低くても
シュートの質は低くても
08:23
or a bad shooter who takes good shots.
165
491346
2397
チャンスの高いシュートを放つ
選手なのかは重要な要素です
選手なのかは重要な要素です
08:27
Machine understanding doesn't just change
how we look at players,
how we look at players,
166
495130
3333
機械学習では
選手の見方は変わりませんが
選手の見方は変わりませんが
08:30
it changes how we look at the game.
167
498487
1858
試合の見方が変わります
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
数年前NBAのファイナルで
大いに盛り上がった試合がありました
大いに盛り上がった試合がありました
08:36
Miami was down by three,
there was 20 seconds left.
there was 20 seconds left.
169
504148
3207
３点を追うマイアミ
後り時間は20秒
後り時間は20秒
08:39
They were about to lose the championship.
170
507379
2025
シリーズの敗北が目前でした
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
レブロン・ジェームズという選手が
同点となる３点シュートを放つも
同点となる３点シュートを放つも
08:44
He missed.
172
512793
1198
外れました
08:46
His teammate Chris Bosh got a rebound,
173
514015
1837
クリス・ボッシュ選手が
リバウンドに入り
リバウンドに入り
08:47
passed it to another teammate
named Ray Allen.
named Ray Allen.
174
515876
2159
レイ・アレン選手にパス
そのアレン選手が
そのアレン選手が
３点シュートを沈め
延長戦に入りました
延長戦に入りました
08:50
He sank a three. It went into overtime.
175
518059
1919
結局試合に勝利し
ファイナルを制しました
ファイナルを制しました
08:52
They won the game.
They won the championship.
They won the championship.
176
520002
2096
史上 もっともエキサイティングな
試合の１つでした
試合の１つでした
08:54
It was one of the most exciting
games in basketball.
games in basketball.
177
522122
2444
08:57
And our ability to know
the shot probability for every player
the shot probability for every player
178
525438
3429
各選手の 各瞬間における
09:00
at every second,
179
528891
1188
シュート成功率や
09:02
and the likelihood of them getting
a rebound at every second
a rebound at every second
180
530103
2956
各瞬間にリバウンドを取る確率が分かると
09:05
can illuminate this moment in a way
that we never could before.
that we never could before.
181
533083
3443
この場面を まったく新しい見方で
捉えられます
捉えられます
09:09
Now unfortunately,
I can't show you that video.
I can't show you that video.
182
537618
2668
残念ながらその時のビデオを
お見せできませんが
お見せできませんが
09:12
But for you, we recreated that moment
183
540310
4493
３週間ほど前に
我々がプレイしている週例の試合の時に
我々がプレイしている週例の試合の時に
09:16
at our weekly basketball game
about 3 weeks ago.
about 3 weeks ago.
184
544827
2336
皆さんのために
そのプレイを再現しました
そのプレイを再現しました
09:19
(Laughter)
185
547279
2167
(笑)
09:21
And we recreated the tracking
that led to the insights.
that led to the insights.
186
549573
3410
分析を行った選手の動きを再現しました
09:25
So, here is us.
This is Chinatown in Los Angeles,
This is Chinatown in Los Angeles,
187
553199
4255
これは私たちです
ここは毎週プレイしているロスアンジェルスの
ここは毎週プレイしているロスアンジェルスの
09:29
a park we play at every week,
188
557478
1564
チャイナタウンにある公園です
09:31
and that's us recreating
the Ray Allen moment
the Ray Allen moment
189
559066
2231
レイ・アランのあのプレイを
再現しています
再現しています
09:33
and all the tracking
that's associated with it.
that's associated with it.
190
561321
2229
全てが あのプレイの
追跡データのとおりです
追跡データのとおりです
09:36
So, here's the shot.
191
564772
1517
そしてシュート
09:38
I'm going to show you that moment
192
566313
2516
その瞬間と解析結果を
09:40
and all the insights of that moment.
193
568853
2587
お見せします
09:43
The only difference is, instead
of the professional players, it's us,
of the professional players, it's us,
194
571464
3730
違いは プロの選手ではなく
私たちであり
私たちであり
09:47
and instead of a professional
announcer, it's me.
announcer, it's me.
195
575218
2618
アナウンスもプロでなく私がしますので
09:49
So, bear with me.
196
577860
1477
我慢してお付き合いください
09:53
Miami.
197
581153
1150
３点を追うマイアミ
09:54
Down three.
198
582671
1150
３点を追うマイアミ
09:56
Twenty seconds left.
199
584107
1150
残り20秒
09:59
Jeff brings up the ball.
200
587385
1198
ジェフのドリブル
10:02
Josh catches, puts up a three!
201
590656
1535
ジョシュにパスを回し
３点シュート
３点シュート
10:04
[Calculating shot probability]
202
592631
1849
[ シュート成功率を計算中 ]
10:07
[Shot quality]
203
595278
1150
[ シュートの質 ]
10:09
[Rebound probability]
204
597048
1785
[ リバウンドの確率 ]
10:12
Won't go!
205
600373
1173
失敗！
10:13
[Rebound probability]
206
601570
1446
[ リバウンドの確率 ]
10:15
Rebound, Noel.
207
603777
1256
ノエルがリバウンドし
10:17
Back to Daria.
208
605057
1150
ダリアにパス
10:18
[Shot quality]
209
606509
3365
[ シュートの質 ]
10:22
Her three-pointer -- bang!
210
610676
1620
３点シュートが決まった！
10:24
Tie game with five seconds left.
211
612320
2197
残り５秒で同点に
10:26
The crowd goes wild.
212
614880
1618
観衆は大興奮
10:28
(Laughter)
213
616522
1659
(笑)
10:30
That's roughly how it happened.
214
618205
1547
こんな感じのプレイでした
10:31
(Applause)
215
619776
1151
(拍手)
10:32
Roughly.
216
620951
1175
だいたいこんな感じです
10:34
(Applause)
217
622150
1531
(拍手)
10:36
That moment had about a nine percent
chance of happening in the NBA
chance of happening in the NBA
218
624121
5484
NBAだったら あれが成功する確率は
９%程度です
９%程度です
10:41
and we know that
and a great many other things.
and a great many other things.
219
629629
2261
そういったことを知ることができます
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
このプレイの再現に
何回費やしたかは秘密です
何回費やしたかは秘密です
10:47
(Laughter)
221
635429
1747
(笑)
10:49
Okay, I will! It was four.
222
637200
1872
いいですよ お教えます！
４回でした
４回でした
10:51
(Laughter)
223
639096
1001
(笑)
10:52
Way to go, Daria.
224
640121
1165
ダリア お見事！
10:53
But the important thing about that video
225
641647
4263
しかし こんなビデオ映像や
NBAの各試合の
NBAの各試合の
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
各瞬間の分析そのものが
重要だというのではなく
重要だというのではなく
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
動きを追跡するのに
専門家チームが必要ではなく
専門家チームが必要ではなく
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
動作を解析するのに
専門家である必要がないという事実です
専門家である必要がないという事実です
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
さらには スポーツに限る必要はありません
我々はいつでも どこでも動いています
我々はいつでも どこでも動いています
11:15
We're moving in our homes,
230
663654
2369
家の中でも 動いています
11:21
in our offices,
231
669428
1205
オフィスでも
11:24
as we shop and we travel
232
672238
2690
買物したり 旅行したり
11:29
throughout our cities
233
677318
1253
街の中
11:32
and around our world.
234
680065
1618
世界中を動き回っています
11:35
What will we know? What will we learn?
235
683270
2295
何を知り 何を学べるでしょう？
11:37
Perhaps, instead of identifying
pick-and-rolls,
pick-and-rolls,
236
685589
2305
ピックアンドロールの代わりに
11:39
a machine can identify
the moment and let me know
the moment and let me know
237
687918
3010
機械はおそらく
私の娘が最初の一歩を歩み出すときに
私の娘が最初の一歩を歩み出すときに
11:42
when my daughter takes her first steps.
238
690952
2059
動きを捉え
私に知らせてくれることでしょう
私に知らせてくれることでしょう
11:45
Which could literally be happening
any second now.
any second now.
239
693035
2536
文字通り いつにでも起こりうることです
11:48
Perhaps we can learn to better use
our buildings, better plan our cities.
our buildings, better plan our cities.
240
696140
3697
建物や街のデザインを良くするのにも
利用できるでしょう
利用できるでしょう
11:52
I believe that with the development
of the science of moving dots,
of the science of moving dots,
241
700362
4173
動く点の科学を進歩させることによって
11:56
we will move better, we will move smarter,
we will move forward.
we will move forward.
242
704559
3643
より良いスマートな動きができるようになり
進歩するものと信じています
進歩するものと信じています
12:00
Thank you very much.
243
708607
1189
どうも有難うございました
12:01
(Applause)
244
709820
5045
(拍手)
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