TED2015
Rajiv Maheswaran: The math behind basketball's wildest moves
라지브 매헤스워렌 (Rajiv Maheswaran): 농구의 격렬한 동작 속에 숨은 수학
Filmed:
Readability: 3.1
2,683,104 views
농구는 즉흥적인데다가 신체 접촉이 많고 시공간적 패턴을 인식해야 하는 동작이 빠른 경기입니다. 라지브 매헤스워렌과 동료들은 농구 경기의 핵심적인 플레이 속에서 동작을 분석해 코치와 선수들에게 직관과 새로운 데이터를 결합할 수 있도록 돕고 있습니다. 보너스: 코치와 선수들의 학습을 통해 우리는 어떻게 인간이 움직이는지 이해하는 데 도움을 얻을 수 있습니다.
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.
동료와 저는 움직이는 점의
과학에 푹 빠져있습니다.
과학에 푹 빠져있습니다.
00:12
My colleagues and I are fascinated
by the science of moving dots.
by the science of moving dots.
0
954
3583
00:16
So what are these dots?
1
4927
1150
이 점들은 무엇일까요?
00:18
Well, it's all of us.
2
6101
1287
글세요. 우리 모두죠.
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
우리는 집에서나 회사에서도 움직입니다.
시내를 돌며 쇼핑하거나
전 세계를 여행할 때처럼 말이죠.
전 세계를 여행할 때처럼 말이죠.
00:24
throughout our cities
and around the world.
and around the world.
4
12521
2066
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
이 모든 움직임을 이해할 수 있다면
굉장하지 않을까요?
굉장하지 않을까요?
움직임 속에 담긴 패턴과
의미를 찾아 이해할 수 있다면
의미를 찾아 이해할 수 있다면
00:30
If we could find patterns and meaning
and insight in it.
and insight in it.
6
18918
2890
00:34
And luckily for us, we live in a time
7
22259
1785
다행히 자신에 대한 정보를 수집하는데
굉장히 능숙한 시대에 살고 있습니다.
굉장히 능숙한 시대에 살고 있습니다.
00:36
where we're incredibly good
at capturing information about ourselves.
at capturing information about ourselves.
8
24068
4497
00:40
So whether it's through
sensors or videos, or apps,
sensors or videos, or apps,
9
28807
3663
센서나 비디오나 어플을 통한다면
00:44
we can track our movement
with incredibly fine detail.
with incredibly fine detail.
10
32494
2809
엄청나게 아주 미세하고 자세히
움직임을 담아낼 수 있습니다.
움직임을 담아낼 수 있습니다.
움직임을 가장 잘 수집할 수
있는 곳 중 하나가
있는 곳 중 하나가
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
00:53
is sports.
12
41148
1208
스포츠죠.
농구, 야구, 미식축구, 축구 경기라면
00:54
So whether it's basketball or baseball,
or football or the other football,
or football or the other football,
13
42682
5333
01:00
we're instrumenting our stadiums
and our players to track their movements
and our players to track their movements
14
48039
4402
경기장에서 선수들의
움직임을 포착할 수 있습니다.
움직임을 포착할 수 있습니다.
매초 모든 움직임을 말이죠.
01:04
every fraction of a second.
15
52465
1313
01:05
So what we're doing
is turning our athletes into --
is turning our athletes into --
16
53802
4382
동료와 제가 하는 일은 선수들을
01:10
you probably guessed it --
17
58208
1959
여러분이 아마 짐작하고 있는
01:12
moving dots.
18
60191
1396
움직이는 점으로 변환하는 것입니다.
01:13
So we've got mountains of moving dots
and like most raw data,
and like most raw data,
19
61946
4934
움직이는 점을 엄청 많이 가지고 있는데
대부분의 원데이터 처럼
대부분의 원데이터 처럼
01:18
it's hard to deal with
and not that interesting.
and not that interesting.
20
66904
2502
처리하기도 어렵고
흥미롭지도 않은 것이죠.
흥미롭지도 않은 것이죠.
01:21
But there are things that, for example,
basketball coaches want to know.
basketball coaches want to know.
21
69430
3769
하지만 예를 들면 농구 코치들이
알고 싶어하는 것들이 있죠.
알고 싶어하는 것들이 있죠.
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
매 경기를 모두 지켜보고 기억했다가
처리해야 하기 때문에 알 수 없죠.
처리해야 하기 때문에 알 수 없죠.
01:29
of every game, remember it and process it.
23
77057
2589
01:31
And a person can't do that,
24
79804
1930
사람이 그것을 할 수 없죠.
01:33
but a machine can.
25
81758
1310
하지만 기계는 할 수 있습니다.
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
문제는 기계가 코치의 눈으로
경기를 지켜볼 수 없다는 거죠.
경기를 지켜볼 수 없다는 거죠.
적어도 지금까지는요.
01:39
At least they couldn't until now.
27
87363
2261
기계가 볼 수 있게 하려면
무엇을 가르쳐야 할까요?
무엇을 가르쳐야 할까요?
01:42
So what have we taught the machine to see?
28
90228
2103
01:45
So, we started simply.
29
93569
1787
간단한 것부터 시작했어요.
01:47
We taught it things like passes,
shots and rebounds.
shots and rebounds.
30
95380
3799
패스, 슛, 리바운드
같은 것들을 가르쳤죠.
같은 것들을 가르쳤죠.
01:51
Things that most casual fans would know.
31
99203
2541
보통 팬이라면 그 정도는
알 수 있는 거죠.
알 수 있는 거죠.
01:53
And then we moved on to things
slightly more complicated.
slightly more complicated.
32
101768
2832
그런 다음 조금 더
어려운 것을 가르쳤죠.
어려운 것을 가르쳤죠.
01:56
Events like post-ups,
and pick-and-rolls, and isolations.
and pick-and-rolls, and isolations.
33
104624
4588
포스트업, 픽앤롤,
아이솔레이션 같은 기술이죠.
아이솔레이션 같은 기술이죠.
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
이런 기술을 몰라도 괜찮습니다.
대부분 보통 팬들도 아마 그럴 거예요.
대부분 보통 팬들도 아마 그럴 거예요.
02:05
Now, we've gotten to a point where today,
the machine understands complex events
the machine understands complex events
35
113560
5340
현재는 기계가 복잡한 기술을
이해하는 수준까지 와 있습니다.
이해하는 수준까지 와 있습니다.
02:10
like down screens and wide pins.
36
118924
3073
다운 스크린과 와이드 핀
같은 기술 말이죠.
같은 기술 말이죠.
02:14
Basically things only professionals know.
37
122021
2726
기본적으로 이런 것들은
전문가만 아는 것입니다.
전문가만 아는 것입니다.
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
우리는 기계가 코치의 눈으로
볼 수 있도록 가르쳐 왔습니다.
볼 수 있도록 가르쳐 왔습니다.
02:22
So how have we been able to do this?
39
130009
1857
우리가 어떻게
이것을 할 수 있었을까요?
이것을 할 수 있었을까요?
02:24
If I asked a coach to describe
something like a pick-and-roll,
something like a pick-and-roll,
40
132511
3118
제가 코치에게 픽앤롤
같은 것을 설명해 달라고 하면
같은 것을 설명해 달라고 하면
02:27
they would give me a description,
41
135653
1640
제게 설명하죠.
그러면 전 그것을 알고리즘으로
인코딩하려면 죽을 맛이죠.
인코딩하려면 죽을 맛이죠.
02:29
and if I encoded that as an algorithm,
it would be terrible.
it would be terrible.
42
137317
2856
02:33
The pick-and-roll happens to be this dance
in basketball between four players,
in basketball between four players,
43
141026
4278
픽앤롤은 농구에서 4명 선수 사이에서
이런 식으로 움직이며 일어납니다.
이런 식으로 움직이며 일어납니다.
02:37
two on offense and two on defense.
44
145328
1912
두명은 공격하고
두 명은 방어하면서 말이죠.
두 명은 방어하면서 말이죠.
02:39
And here's kind of how it goes.
45
147486
1618
예를 들면 이런 거예요.
02:41
So there's the guy on offense
without the ball
without the ball
46
149128
2533
공 없이 공격하는 선수가 있습니다.
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
공을 가지고 있는 선수를
수비하는 선수 옆을 지나가다가
수비하는 선수 옆을 지나가다가
02:46
and he kind of stays there
48
154918
1257
잠시 거기에 있다가
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
그 선수 둘이 움직였다가 채워넣으면서
짜잔, 이게 픽앤롤이죠.
짜잔, 이게 픽앤롤이죠.
02:51
(Laughter)
50
159540
2215
(웃음)
02:53
So that is also an example
of a terrible algorithm.
of a terrible algorithm.
51
161779
2508
그것 역시 복잡한 알고리즘의 예입니다.
02:56
So, if the player who's the interferer --
he's called the screener --
he's called the screener --
52
164913
4204
막아 주는 선수를 스크리너라고 부르는데
03:01
goes close by, but he doesn't stop,
53
169278
2872
가까이 다가가지만 막아주지 않는다면
03:04
it's probably not a pick-and-roll.
54
172174
1765
아마 픽앤롤은 아닌 것 같네요.
03:06
Or if he does stop,
but he doesn't stop close enough,
but he doesn't stop close enough,
55
174560
3945
그가 막지만, 가까이에서
충분히 막지 않는다면
충분히 막지 않는다면
03:10
it's probably not a pick-and-roll.
56
178529
1761
아마 픽앤롤이 아닐 거예요.
03:12
Or, if he does go close by
and he does stop
and he does stop
57
180642
3237
또는 가까이 다가가서 막는데
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
골대 아래서에서 그렇게 한다면
아마 픽앤롤이 아닐 거예요.
아마 픽앤롤이 아닐 거예요.
제가 틀렸다면 지금까지 말한
모두가 픽앤롤이겠죠.
모두가 픽앤롤이겠죠.
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
정확한 타이밍, 거리,
위치에 따라 진짜 달라집니다.
위치에 따라 진짜 달라집니다.
03:26
and that's what makes it hard.
61
194602
1495
그러니 그게 힘든 거지요.
03:28
So, luckily, with machine learning,
we can go beyond our own ability
we can go beyond our own ability
62
196579
4944
다행이 기계가 학습을 하면서
우리가 알고 있는 것을 설명하는데
우리가 알고 있는 것을 설명하는데
03:33
to describe the things we know.
63
201547
1743
우리의 능력을 넘어설 수 있습니다.
03:35
So how does this work?
Well, it's by example.
Well, it's by example.
64
203314
2280
이게 어떻게 가능할까요?
예를 들어보죠.
예를 들어보죠.
우리가 기계에게 가서
"좋은 아침이네. 기계 씨.
"좋은 아침이네. 기계 씨.
03:37
So we go to the machine and say,
"Good morning, machine.
"Good morning, machine.
65
205759
2830
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
여기 몇 가지 픽앤롤과
이전에 없던 몇 가지가 있네.
이전에 없던 몇 가지가 있네.
방법을 찾아 차이점을 말해줬으면 해."
03:44
Please find a way to tell the difference."
67
212720
2252
이 모든 것의 핵심은 특징을 찾아
그것을 분리해내는 거죠.
그것을 분리해내는 거죠.
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
03:50
So if I was going
to teach it the difference
to teach it the difference
69
218807
2109
만약 제가 사과와 오렌지의
차이점을 가르치려고 하면
차이점을 가르치려고 하면
03:52
between an apple and orange,
70
220940
1381
"색과 모양을 사용하는
게 어때?"라고 말하겠죠.
게 어때?"라고 말하겠죠.
03:54
I might say, "Why don't you
use color or shape?"
use color or shape?"
71
222345
2375
우리가 풀려는 문제는
그것들이 뭔가라는 거죠.
그것들이 뭔가라는 거죠.
03:56
And the problem that we're solving is,
what are those things?
what are those things?
72
224744
2943
어떤 핵심기능으로
03:59
What are the key features
73
227711
1247
컴퓨터가 움직이는 점의 세계를
처리할 수 있을까요?
처리할 수 있을까요?
04:00
that let a computer navigate
the world of moving dots?
the world of moving dots?
74
228982
3499
상대적이고 절대적인 위치,
거리, 타이밍, 속도로
거리, 타이밍, 속도로
04:04
So figuring out all these relationships
with relative and absolute location,
with relative and absolute location,
75
232505
4823
04:09
distance, timing, velocities --
76
237352
1909
이 모든 것을 설명한다는 것이
그게 "움직이는 점의 과학"에서
진짜 핵심이죠.
진짜 핵심이죠.
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
학계에서 쓰는 말로는
시공간적 패턴 인식이라고 하죠.
시공간적 패턴 인식이라고 하죠.
04:16
spatiotemporal pattern recognition,
in academic vernacular.
in academic vernacular.
78
244392
3344
04:19
Because the first thing is,
you have to make it sound hard --
you have to make it sound hard --
79
247925
2898
여러분이 발음하기 힘들기 때문에
세게 발음해야 합니다.
04:22
because it is.
80
250847
1278
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
핵심은 NBA코치들이
알고 싶어하는 것이
알고 싶어하는 것이
04:27
whether a pick-and-roll happened or not.
82
255575
1922
픽앤롤이 일어났는지
안 일어났는지가 아니라
안 일어났는지가 아니라
어떻게 일어나느냐하는 거죠.
04:29
It's that they want to know
how it happened.
how it happened.
83
257521
2076
왜 그게 코치에게 그렇게 중요할까요?
바로 직관때문이죠.
바로 직관때문이죠.
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
현대 농구에서 밝혀진 바로는
04:36
this pick-and-roll is perhaps
the most important play.
the most important play.
86
264426
2539
이런 픽앤롤 기술이 아마
가장 중요한 플레이입니다.
가장 중요한 플레이입니다.
04:39
And knowing how to run it,
and knowing how to defend it,
and knowing how to defend it,
87
267065
2620
어떻게 달리고 방어하는지 아는 것이
기본적으로 대부분의
경기의 승패를 가르는 열쇠입니다.
경기의 승패를 가르는 열쇠입니다.
04:41
is basically a key to winning
and losing most games.
and losing most games.
88
269709
2670
04:44
So it turns out that this dance
has a great many variations
has a great many variations
89
272403
3801
이 기술이 매우 많은 변형이
있다는 것을 알아냈죠.
있다는 것을 알아냈죠.
변형을 알아내는 것이
진짜 중요한 일이죠.
진짜 중요한 일이죠.
04:48
and identifying the variations
is really the thing that matters,
is really the thing that matters,
90
276228
3648
04:51
and that's why we need this
to be really, really good.
to be really, really good.
91
279900
2529
아주 아주 잘 해내려면
이것이 필요한 이유죠.
이것이 필요한 이유죠.
04:55
So, here's an example.
92
283228
1176
예를 들면,
두 공격 선수와
두 수비 선수가 있죠.
두 수비 선수가 있죠.
04:56
There are two offensive
and two defensive players,
and two defensive players,
93
284428
2379
픽앤롤 기술을 하려고
준비합니다.
준비합니다.
04:58
getting ready to do
the pick-and-roll dance.
the pick-and-roll dance.
94
286831
2152
공을 가진 선수가 그 기술을
받아들일 수도 거부할 수도 있죠.
받아들일 수도 거부할 수도 있죠.
05:01
So the guy with ball
can either take, or he can reject.
can either take, or he can reject.
95
289007
2683
05:04
His teammate can either roll or pop.
96
292086
3001
그의 동료는 뒤로 돌아나가거나
외곽쪽으로 빠질 수 있죠.
외곽쪽으로 빠질 수 있죠.
05:07
The guy guarding the ball
can either go over or under.
can either go over or under.
97
295111
2986
수비 선수는 위쪽 또는
아래쪽으로 뛸 수 있죠.
아래쪽으로 뛸 수 있죠.
그의 동료는 공을 가진 선수를
따라가거나 스크리너를 막거나
따라가거나 스크리너를 막거나
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
뒤쪽으로 빠지거나
05:14
and together they can
either switch or blitz
either switch or blitz
99
302710
2618
둘다 스위치나 블리치를 할 수 있죠.
05:17
and I didn't know
most of these things when I started
most of these things when I started
100
305352
2659
제가 시작할 때는
이런 것들을 대부분 몰랐어요.
이런 것들을 대부분 몰랐어요.
05:20
and it would be lovely if everybody moved
according to those arrows.
according to those arrows.
101
308035
3920
모두가 이런 화살표대로
움직인다면 좋았을 거예요.
움직인다면 좋았을 거예요.
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
그러면 아주 쉬웠을 텐데
움직임은 매우 복잡했죠.
움직임은 매우 복잡했죠.
사람들은 매우 자주
움직이고 변형도 많았죠.
움직이고 변형도 많았죠.
05:28
People wiggle a lot and getting
these variations identified
these variations identified
103
316047
5484
매우 정밀하게 확인해 바로는요.
05:33
with very high accuracy,
104
321555
1303
정확하게 회상하기는 힘들었어요.
05:34
both in precision and recall, is tough
105
322882
1868
여러분이 믿을 만한 전문 코치를
구하는 데 시간이 걸렸기 때문이죠.
구하는 데 시간이 걸렸기 때문이죠.
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
정확한 시공간 특징을 찾아낸다는 것이
어려움에도 불구하고
어려움에도 불구하고
05:40
And despite all the difficulties
with the right spatiotemporal features
with the right spatiotemporal features
107
328416
3380
그것을 해낼 수 있었습니다.
05:43
we have been able to do that.
108
331820
1474
코치가 기계의 능력을 믿고
이런 변형을 확인했죠.
이런 변형을 확인했죠.
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
거의 모든 경쟁자들이
05:53
for an NBA championship this year
111
341035
1623
올해 NBA 선수권을 위해
05:54
is using our software, which is built
on a machine that understands
on a machine that understands
112
342682
4408
이 소프트웨어를 이용하려고 하고 있죠.
농구의 움직이는 점을 이해하는
기계로 만든 소프트웨어 말이에요.
기계로 만든 소프트웨어 말이에요.
05:59
the moving dots of basketball.
113
347114
1634
06:01
So not only that, we have given advice
that has changed strategies
that has changed strategies
114
349872
5153
그것뿐만 아니라 전술을
바꾸는 조언을 해 줘
바꾸는 조언을 해 줘
06:07
that have helped teams win
very important games,
very important games,
115
355049
3352
팀을 도와 매우 중요한
경기에서 승리하게 했죠.
경기에서 승리하게 했죠.
매우 들떴던 이유는
30년동안 리그에서 있었던 코치가
30년동안 리그에서 있었던 코치가
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
06:14
for 30 years that are willing to take
advice from a machine.
advice from a machine.
117
362181
3067
기계에서 나온 조언을 기꺼이
수용했기 때문이죠.
수용했기 때문이죠.
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
픽앤롤을 알았을 때보다
훨씬 더 신났어요.
훨씬 더 신났어요.
컴퓨터는 간단한 것부터 시작해서
06:20
Our computer started out
with simple things
with simple things
119
368804
2076
06:22
and learned more and more complex things
120
370904
2064
점점 더 복잡한 것을 학습했고
지금은 많은 것을 알고 있습니다.
06:24
and now it knows so many things.
121
372992
1561
솔직히 전 컴퓨터가
하는 일을 다 이해하지 못하지만
하는 일을 다 이해하지 못하지만
06:26
Frankly, I don't understand
much of what it does,
much of what it does,
122
374577
2835
06:29
and while it's not that special
to be smarter than me,
to be smarter than me,
123
377436
3715
저보다 더 똑똑해진다고
그렇게 특별해지지 않겠지만
그렇게 특별해지지 않겠지만
06:33
we were wondering,
can a machine know more than a coach?
can a machine know more than a coach?
124
381175
3644
궁금하기는 하네요. 기계가
코치보다 더 많이 알 수 있을까요?
코치보다 더 많이 알 수 있을까요?
06:36
Can it know more than person could know?
125
384843
2055
사람보다 더 많이 알 수 있을까요?
06:38
And it turns out the answer is yes.
126
386922
1745
밝혀진 바로는 "네."입니다.
06:40
The coaches want players
to take good shots.
to take good shots.
127
388691
2557
코치는 선수들이
슛을 잘 쏘기 바랍니다.
슛을 잘 쏘기 바랍니다.
06:43
So if I'm standing near the basket
128
391272
1651
제가 골대 근처에 서 있고
근처에 아무도 없다면 슛하기 좋죠.
06:44
and there's nobody near me,
it's a good shot.
it's a good shot.
129
392947
2166
수비수에 둘러싸여 골대 멀리 서있다면
대개 슛하기 좋지 않죠.
대개 슛하기 좋지 않죠.
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
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
하지만 결코 알지 못하죠.
좋은 게 얼마나 좋은지
나쁜 게 얼마나 나쁜지를요.
나쁜 게 얼마나 나쁜지를요.
06:56
Until now.
132
404209
1150
현재까지는요.
06:57
So what we can do, again,
using spatiotemporal features,
using spatiotemporal features,
133
405771
3058
할 수 있는 것은 다시
시공간적인 특징을 이용해서
시공간적인 특징을 이용해서
슛을 모든 방향에서 보았습니다.
07:00
we looked at every shot.
134
408853
1374
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
슛을 어디서 했고 골대까지 각도가
어떤지 알 수 있었죠.
어떤지 알 수 있었죠.
07:05
Where are the defenders standing?
What are their distances?
What are their distances?
136
413280
2762
수비수가 어디 서있는지?
그 거리는 얼마인지?
그 거리는 얼마인지?
그들과의 각도는 얼마인지?
07:08
What are their angles?
137
416066
1331
다수의 수비수가 어떻게
움직이는지 볼 수 있었죠.
움직이는지 볼 수 있었죠.
07:09
For multiple defenders, we can look
at how the player's moving
at how the player's moving
138
417421
2977
슛 타입도 예상할 수 있었고요.
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
공의 속도를 보고
예측 모델을 만들 수 있었죠.
예측 모델을 만들 수 있었죠.
07:17
what is the likelihood that this shot
would go in under these circumstances?
would go in under these circumstances?
141
425977
4052
이 슛이 이런 상황에서
나올 가능성이 얼마나 될까?
나올 가능성이 얼마나 될까?
07:22
So why is this important?
142
430188
1500
이게 왜 중요할까요?
07:24
We can take something that was shooting,
143
432102
2803
슛을 해석할 때
07:26
which was one thing before,
and turn it into two things:
and turn it into two things:
144
434929
2680
전에는 하나로 보았던 것을
지금 둘로 나누어 해석하죠.
지금 둘로 나누어 해석하죠.
07:29
the quality of the shot
and the quality of the shooter.
and the quality of the shooter.
145
437633
2651
슛의 유효율과 슈터의 자질입니다.
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
버블차트가 있습니다.
이거 없이는 테드 강연을 할 수 없죠.
이거 없이는 테드 강연을 할 수 없죠.
07:36
(Laughter)
147
444966
1014
(웃음)
07:38
Those are NBA players.
148
446004
1311
NBA 선수들입니다.
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
크기는 선수들의 체격이고
색은 선수들의 포지션입니다.
색은 선수들의 포지션입니다.
07:42
On the x-axis,
we have the shot probability.
we have the shot probability.
150
450483
2132
X축에는
슛성공률입니다.
슛성공률입니다.
07:44
People on the left take difficult shots,
151
452639
1953
왼쪽에 있는 선수는
슛을 성공하기 힘들죠.
슛을 성공하기 힘들죠.
07:46
on the right, they take easy shots.
152
454616
2229
오른쪽에는 있는 선수는
슛을 성공하기 쉽죠.
슛을 성공하기 쉽죠.
07:49
On the [y-axis] is their shooting ability.
153
457194
2057
Y축은 슛을 쏠 수 있는 능력입니다.
07:51
People who are good are at the top,
bad at the bottom.
bad at the bottom.
154
459275
2562
위에는 능력이 좋은 선수,
아래는 능력이 나쁜 선수입니다.
아래는 능력이 나쁜 선수입니다.
예를 들면, 대체로 슛의 47%를
넣는 선수가 있는데
넣는 선수가 있는데
07:53
So for example, if there was a player
155
461861
1760
07:55
who generally made
47 percent of their shots,
47 percent of their shots,
156
463621
2097
07:57
that's all you knew before.
157
465718
1389
그게 여러분이 아는 전부죠.
하지만 오늘 말씀드릴 수 있는 것은
NBA 평균 선수들이
NBA 평균 선수들이
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
08:04
would make 49 percent of the time,
159
472219
1961
그 당시 슛성공률은 49%이고
08:06
and they are two percent worse.
160
474204
1684
슛 쏘는 능력은 -2%라는 것이죠.
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
중요한 사실은 47%인
선수가 많다는 거죠.
선수가 많다는 거죠.
08:13
And so it's really important to know
162
481714
2549
알아야 할 정말 중요한 것은
08:16
if the 47 that you're considering
giving 100 million dollars to
giving 100 million dollars to
163
484287
3956
1억 달러를 주기로 한 47%의 선수가
08:20
is a good shooter who takes bad shots
164
488267
3055
좋은 슈터지만 슛을 잘 못 던지는지
08:23
or a bad shooter who takes good shots.
165
491346
2397
나쁜 슈터지만 슛을
잘 던지는지 아는 거죠.
잘 던지는지 아는 거죠.
08:27
Machine understanding doesn't just change
how we look at players,
how we look at players,
166
495130
3333
기계가 이해하고 있는 것이 선수를
보는 방법을 변화시키지 못하지만
보는 방법을 변화시키지 못하지만
08:30
it changes how we look at the game.
167
498487
1858
경기를 바라보는 방법을
변화시킵니다.
변화시킵니다.
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
가장 흥미진진했던
몇 년 전 NBA 결승 경기에서
몇 년 전 NBA 결승 경기에서
마이애미는 3점을 뒤지고
20초가 남았었습니다.
20초가 남았었습니다.
08:36
Miami was down by three,
there was 20 seconds left.
there was 20 seconds left.
169
504148
3207
우승을 놓치기 일보 직전이었죠.
08:39
They were about to lose the championship.
170
507379
2025
르브론 제임스 선수가 3점슛을 쏴
동점을 만들려고 했으나
동점을 만들려고 했으나
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
실패했죠.
08:44
He missed.
172
512793
1198
동료선수 크리스 보쉬가
리바운드를 잡았고
리바운드를 잡았고
08:46
His teammate Chris Bosh got a rebound,
173
514015
1837
공을 동료선수
레이 알렌에게 패스했습니다.
레이 알렌에게 패스했습니다.
08:47
passed it to another teammate
named Ray Allen.
named Ray Allen.
174
515876
2159
3점을 성공했고 연장전으로 들어갔죠.
08:50
He sank a three. It went into overtime.
175
518059
1919
경기에 이겼고 챔피언십에서 우승했죠.
08:52
They won the game.
They won the championship.
They won the championship.
176
520002
2096
가장 흥미진진했던
농구경기 중 하나였습니다.
농구경기 중 하나였습니다.
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
매 순간 모든 선수의 슛성공률과
09:00
at every second,
179
528891
1188
매 순간 리바운드를 따낼
가능성을 파악하는 능력을
가능성을 파악하는 능력을
09:02
and the likelihood of them getting
a rebound at every second
a rebound at every second
180
530103
2956
전에는 불가능했던 방법으로
설명할 수 있게 되었죠.
설명할 수 있게 되었죠.
09:05
can illuminate this moment in a way
that we never could before.
that we never could before.
181
533083
3443
현재, 안타깝게도 여러분에게
그 비디오를 보여줄 수 없네요.
그 비디오를 보여줄 수 없네요.
09:09
Now unfortunately,
I can't show you that video.
I can't show you that video.
182
537618
2668
하지만, 여러분을 위해
그 순간을 재현했습니다.
그 순간을 재현했습니다.
09:12
But for you, we recreated that moment
183
540310
4493
3주 전 주말 농구경기에서 말이죠.
09:16
at our weekly basketball game
about 3 weeks ago.
about 3 weeks ago.
184
544827
2336
(웃음)
09:19
(Laughter)
185
547279
2167
직관을 보여주는 경기를 재현했죠.
09:21
And we recreated the tracking
that led to the insights.
that led to the insights.
186
549573
3410
09:25
So, here is us.
This is Chinatown in Los Angeles,
This is Chinatown in Los Angeles,
187
553199
4255
이곳입니다.
로스앤젤레스 차이나타운이죠.
로스앤젤레스 차이나타운이죠.
매주 경기를 했던 공원입니다.
09:29
a park we play at every week,
188
557478
1564
레이 알렌이 플레이했던 순간과
09:31
and that's us recreating
the Ray Allen moment
the Ray Allen moment
189
559066
2231
09:33
and all the tracking
that's associated with it.
that's associated with it.
190
561321
2229
그것과 관련된 모든 것을
재현했습니다.
재현했습니다.
09:36
So, here's the shot.
191
564772
1517
슛장면입니다.
09:38
I'm going to show you that moment
192
566313
2516
그 순간을 여러분에게
보여주려고 합니다.
보여주려고 합니다.
09:40
and all the insights of that moment.
193
568853
2587
그 순간의 직관까지요.
09:43
The only difference is, instead
of the professional players, it's us,
of the professional players, it's us,
194
571464
3730
차이점이라곤 전문 선수들이 아니라
제 동료라는 거죠.
제 동료라는 거죠.
09:47
and instead of a professional
announcer, it's me.
announcer, it's me.
195
575218
2618
전문적인 아나운서가 아니라
제가 하고 있다는 거죠.
제가 하고 있다는 거죠.
09:49
So, bear with me.
196
577860
1477
잠시 참아주세요.
09:53
Miami.
197
581153
1150
마이애미
3점이 지고 있는 상황
09:54
Down three.
198
582671
1150
09:56
Twenty seconds left.
199
584107
1150
20초가 남았네요.
09:59
Jeff brings up the ball.
200
587385
1198
제프가 공을 몰고 오네요.
10:02
Josh catches, puts up a three!
201
590656
1535
조쉬가 받아 3점 슛!
10:04
[Calculating shot probability]
202
592631
1849
[슛 성공률 계산 중]
10:07
[Shot quality]
203
595278
1150
[슛의 유효율]
10:09
[Rebound probability]
204
597048
1785
[리바운드 성공률]
10:12
Won't go!
205
600373
1173
잡지 못했네요.
10:13
[Rebound probability]
206
601570
1446
[리바운드 성공률]
10:15
Rebound, Noel.
207
603777
1256
노엘이 리바운드했습니다.
10:17
Back to Daria.
208
605057
1150
다리아에게 패스
10:18
[Shot quality]
209
606509
3365
[슛의 유효율]
10:22
Her three-pointer -- bang!
210
610676
1620
3점 슛, 골!
10:24
Tie game with five seconds left.
211
612320
2197
5초를 남긴 상황
10:26
The crowd goes wild.
212
614880
1618
관중이 흥분하기 시작합니다.
10:28
(Laughter)
213
616522
1659
(웃음)
10:30
That's roughly how it happened.
214
618205
1547
대충 이런 식으로 일어나죠.
(박수)
10:31
(Applause)
215
619776
1151
대충이요.
10:32
Roughly.
216
620951
1175
10:34
(Applause)
217
622150
1531
(박수)
10:36
That moment had about a nine percent
chance of happening in the NBA
chance of happening in the NBA
218
624121
5484
그런 순간은 NBA에서
일어날 확률이 약 9%라고 하죠.
일어날 확률이 약 9%라고 하죠.
아시다시피 다른 것들도 매우 많죠.
10:41
and we know that
and a great many other things.
and a great many other things.
219
629629
2261
얼마나 많이 일어나는지
말하려고 하는 게 아닙니다.
말하려고 하는 게 아닙니다.
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
(웃음)
10:47
(Laughter)
221
635429
1747
좋아요. 말해줄게요. 네 번 정도죠.
10:49
Okay, I will! It was four.
222
637200
1872
10:51
(Laughter)
223
639096
1001
(웃음)
10:52
Way to go, Daria.
224
640121
1165
잘했어. 다리아
10:53
But the important thing about that video
225
641647
4263
하지만 그 비디오에서 중요한 것과
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
모든 NBA경기의 매 초마다
파악하려고 한 직관은 그게 아니죠.
파악하려고 한 직관은 그게 아니죠.
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
사실 움직임을 추적하기 위해
전문적인 팀일 필요는 없습니다.
전문적인 팀일 필요는 없습니다.
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
움직임에 대한 안목을 키우려고
전문적인 선수일 필요는 없죠.
전문적인 선수일 필요는 없죠.
사실 굳이 스포츠일 필요는 없죠.
우리는 모든 순간 움직이니까요.
우리는 모든 순간 움직이니까요.
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
11:15
We're moving in our homes,
230
663654
2369
집에 가거나
11:21
in our offices,
231
669428
1205
회사에 가거나
11:24
as we shop and we travel
232
672238
2690
쇼핑을 하고
여행하죠.
11:29
throughout our cities
233
677318
1253
도시 여기 저기를
11:32
and around our world.
234
680065
1618
그리고 전 세계를
11:35
What will we know? What will we learn?
235
683270
2295
우리는 무엇을 알고 배웠을까요?
아마 픽앤롤을 감지하는 대신
11:37
Perhaps, instead of identifying
pick-and-rolls,
pick-and-rolls,
236
685589
2305
딸의 첫발을 내딛는 순간을 감지해
알려줄 수 있습니다.
알려줄 수 있습니다.
11:39
a machine can identify
the moment and let me know
the moment and let me know
237
687918
3010
11:42
when my daughter takes her first steps.
238
690952
2059
11:45
Which could literally be happening
any second now.
any second now.
239
693035
2536
말 그대로 현재 일어나고
있는 모든 순간을 말이죠.
있는 모든 순간을 말이죠.
11:48
Perhaps we can learn to better use
our buildings, better plan our cities.
our buildings, better plan our cities.
240
696140
3697
아마 건물을 더 잘 이용하고
도시 설계를
더 잘 할 수 있을 겁니다.
더 잘 할 수 있을 겁니다.
11:52
I believe that with the development
of the science of moving dots,
of the science of moving dots,
241
700362
4173
움직이는 점의 과학 발전을 통해
우리는 더 좋은 쪽으로 더 영리하게,
앞으로 나아갈 거라 믿습니다
앞으로 나아갈 거라 믿습니다
11:56
we will move better, we will move smarter,
we will move forward.
we will move forward.
242
704559
3643
대단히 감사합니다.
12:00
Thank you very much.
243
708607
1189
(박수)
12:01
(Applause)
244
709820
5045
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