The Math Behind Basketball's Wildest Moves | Rajiv Maheswaran | TED Talks

Übersetzung: Eugenia Wiese Lektorat: Angelika Lueckert Leon

My colleagues and I are fascinated by the science of moving dots.

Meine Kollegen und ich erforschen die Wissenschaft bewegter Punkte.

So what are these dots?

Was sind diese Punkte?

Well, it's all of us.

Wir alle.

And we're moving in our homes, in our offices, as we shop and travel

Wir bewegen uns zu Hause, im Büro, während wir in unseren Städten

throughout our cities and around the world.

und überall auf der Welt einkaufen und reisen.

And wouldn't it be great if we could understand all this movement?

Wie toll wäre es, wenn wir diese Bewegung verstehen könnten --

If we could find patterns and meaning and insight in it.

das Muster, die Bedeutung und Erkenntnisse gewinnen könnten.

And luckily for us, we live in a time

Zum Glück sind wir heute gut darin,

where we're incredibly good at capturing information about ourselves.

Informationen über uns selbst zu erfassen.

So whether it's through sensors or videos, or apps,

Wir nutzen Sensoren, Videos oder Apps,

we can track our movement with incredibly fine detail.

um unsere Bewegungen sehr detailliert zu erfassen.

So it turns out one of the places where we have the best data about movement

Ein geeigneter Bereich für diese Datensammlung

is sports.

ist Sport.

So whether it's basketball or baseball, or football or the other football,

Beim Basketball, Baseball, Football oder Fußball

we're instrumenting our stadiums and our players to track their movements

müssen Stadien und die Spieler Bewegung erfassen --

every fraction of a second.

jede einzelne Sekunde.

So what we're doing is turning our athletes into --

Unsere Athleten werden also zu --

you probably guessed it --

Sie ahnen es --

moving dots.

bewegten Punkten.

So we've got mountains of moving dots and like most raw data,

Wir haben eine Fülle an bewegten Punkten.

Meistens sind Rohdaten aber schwer zu bearbeiten und langweilig.

it's hard to deal with and not that interesting.

But there are things that, for example, basketball coaches want to know.

Basketball-Trainer z.B. wollen aber bestimmte Dinge wissen.

And the problem is they can't know them because they'd have to watch every second

Sie können aber nicht jede Sekunde

of every game, remember it and process it.

des Spiels sehen, merken und verarbeiten.

And a person can't do that,

Das kann kein Mensch leisten.

but a machine can.

Eine Maschine schon.

The problem is a machine can't see the game with the eye of a coach.

Maschinen sehen das Spiel nicht mit den Augen eines Trainers.

At least they couldn't until now.

Bis jetzt zumindest.

So what have we taught the machine to see?

Was haben wir der Maschine beigebracht?

So, we started simply.

Wir haben einfach angefangen.

We taught it things like passes, shots and rebounds.

Mit Pässen, Würfen und Rebounds.

Things that most casual fans would know.

Was auch Gelegenheitsfans kennen dürften.

And then we moved on to things slightly more complicated.

Dann wurde es etwas komplizierter.

Events like post-ups, and pick-and-rolls, and isolations.

Aufstellen, Pick-and-Roll oder Isolation.

And if you don't know them, that's okay. Most casual players probably do.

Sagt Ihnen nichts? Keine Sorge. Den meisten Gelegenheitsspielern schon.

Now, we've gotten to a point where today, the machine understands complex events

Heute verstehen Maschinen komplexe Ereignisse,

like down screens and wide pins.

wie Down-Screens und Wide-Pins.

Basically things only professionals know.

Sachen, die nur Profis kennen.

So we have taught a machine to see with the eyes of a coach.

Wir brachten einer Maschine bei, mit den Augen eines Trainers zu sehen.

So how have we been able to do this?

Wie haben wir das geschafft?

If I asked a coach to describe something like a pick-and-roll,

Sollte mir ein Trainer Pick-and-Roll erklären,

they would give me a description,

würde er es mir beschreiben.

and if I encoded that as an algorithm, it would be terrible.

Hätte ich das als Algorithmus kodiert, wäre es fürchterlich.

The pick-and-roll happens to be this dance in basketball between four players,

Pick-and-Roll ist ein Tanz zwischen zwei Offensiv-Spielern

two on offense and two on defense.

und zwei Defensiv-Spielern.

And here's kind of how it goes.

Das funktioniert ungefähr so:

So there's the guy on offense without the ball

Es gibt einen Spieler in der Offensive ohne Ball.

the ball and he goes next to the guy guarding the guy with the ball,

Er bewegt sich zum Gegenspieler des Ballführenden

and he kind of stays there

und bleibt da.

and they both move and stuff happens, and ta-da, it's a pick-and-roll.

Es kommt Bewegung ins Spiel und plötzlich ist es Pick-and-Roll.

(Laughter)

(Lachen)

So that is also an example of a terrible algorithm.

Das ist auch ein schlechter Algorithmus.

So, if the player who's the interferer -- he's called the screener --

Ist der Spieler, der sich dem Gegenspieler in den Weg stellt -- der Blocksteller --

goes close by, but he doesn't stop,

nah dran, stoppt aber nicht,

it's probably not a pick-and-roll.

ist es kein Pick-and-Roll.

Or if he does stop, but he doesn't stop close enough,

Wenn er stoppt, aber nicht nah genug,

it's probably not a pick-and-roll.

ist es kein Pick-and-Roll.

Or, if he does go close by and he does stop

Wenn er nah dran ist und stoppt,

but they do it under the basket, it's probably not a pick-and-roll.

das aber unter dem Korb passiert, ist es kein Pick-and-Roll.

Or I could be wrong, they could all be pick-and-rolls.

Ich könnte mich irren und alles ist Pick-and-Roll.

It really depends on the exact timing, the distances, the locations,

Es liegt am Timing, dem Abstand, dem Ort.

and that's what makes it hard.

Das macht es so schwer.

So, luckily, with machine learning, we can go beyond our own ability

Zum Glück gehen wir beim Maschinen- lernen über unsere Grenzen hinaus,

to describe the things we know.

bekannte Dinge zu beschreiben.

So how does this work? Well, it's by example.

Wir funktioniert das? Mit Beispielen.

So we go to the machine and say, "Good morning, machine.

Wir sagen zur Machine: "Guten Morgen, Maschine.

Here are some pick-and-rolls, and here are some things that are not.

Das sind Pick-and-Rolls -- und das nicht.

Please find a way to tell the difference."

Lern den Unterschied."

And the key to all of this is to find features that enable it to separate.

Wichtig ist, Merkmale für die Unterscheidung zu finden.

So if I was going to teach it the difference

Soll die Maschine den Unterschied

between an apple and orange,

zwischen Äpfeln und Orangen lernen,

I might say, "Why don't you use color or shape?"

sag ich: "Mach es über Farbe und Form."

And the problem that we're solving is, what are those things?

Dabei ergründen wir, was das für Dinge sind.

What are the key features

Welche Kernfaktoren lassen

that let a computer navigate the world of moving dots?

einen Computer die Welt der bewegten Punkte steuern?

So figuring out all these relationships with relative and absolute location,

Diese Beziehungen mit relativem und absolutem Ort, Abstand, Timing

distance, timing, velocities --

und Geschwindigkeit herauszufinden,

that's really the key to the science of moving dots, or as we like to call it,

ist der Schlüssel Punkte zu bewegen. Oder wie wir es in akademischer Sprache nennen:

spatiotemporal pattern recognition, in academic vernacular.

spatiotemporale Mustererkennung.

Because the first thing is, you have to make it sound hard --

Das Wichtgste ist: Es muss schwierig klingen.

because it is.

Denn das ist es auch.

The key thing is, for NBA coaches, it's not that they want to know

NBA-Trainer wollen nicht wissen,

whether a pick-and-roll happened or not.

ob das gerade ein Pick-and-Roll war.

It's that they want to know how it happened.

Sie wollen wissen, wie das passiert ist.

And why is it so important to them? So here's a little insight.

Warum ist das so wichtig? Hier ein kleiner Einblick:

It turns out in modern basketball,

Im modernen Basketballspiel

this pick-and-roll is perhaps the most important play.

ist Pick-and-Roll wohl der wichtigste Spielzug.

And knowing how to run it, and knowing how to defend it,

Zu wissen, wie man ihn spielt oder verteidigt,

is basically a key to winning and losing most games.

entscheidet über Gewinnen oder Verlieren eines Spiels.

So it turns out that this dance has a great many variations

Diesen Tanz gibt es also in vielen Variationen.

and identifying the variations is really the thing that matters,

Diese Variationen zu erkennen, ist das Entscheidende.

and that's why we need this to be really, really good.

Deswegen muss es wirklich gut sein.

So, here's an example.

Ein Beispiel.

There are two offensive and two defensive players,

Zwei Offensiv- und zwei Defensiv-Spieler

getting ready to do the pick-and-roll dance.

bereiten sich auf den Pick-and-Roll-Tanz vor.

Der Ballführer kann den Block annehmen oder ablehnen.

So the guy with ball can either take, or he can reject.

His teammate can either roll or pop.

Sein Mitspieler kann zum Korb abrollen oder sich absetzen.

The guy guarding the ball can either go over or under.

Der Gegenspieler kann über oder unter dem Block vorbei.

His teammate can either show or play up to touch, or play soft

Sein Mitspieler kann sich zeigen, den Ballführer aggressiv oder soft verteigen.

and together they can either switch or blitz

Zusammen können sie entweder "switchen" oder "blitzen".

and I didn't know most of these things when I started

Am Anfang kannte ich das meiste davon nicht.

and it would be lovely if everybody moved according to those arrows.

Es wäre so schön, wenn sich alle mit den Pfeilen bewegen könnten.

It would make our lives a lot easier, but it turns out movement is very messy.

Das würde unser Leben erleichtern. Aber Bewegung ist unordentlich.

People wiggle a lot and getting these variations identified

Menschen wanken viel. Und das Erkennen dieser Variationen

with very high accuracy,

mit exakter Präzision und Wiederholung

both in precision and recall, is tough

ist schwer.

because that's what it takes to get a professional coach to believe in you.

Das braucht es, damit ein Trainer an einen glaubt.

And despite all the difficulties with the right spatiotemporal features

Trotz aller Schwierigkeiten mit den richtigen spatiotemporalen Merkmalen

we have been able to do that.

konnten wir genau das tun.

Coaches trust our ability of our machine to identify these variations.

Trainer vertrauen darauf, dass unsere Maschine diese Variationen erkennt.

We're at the point where almost every single contender

Inzwischen benutzt fast jeder Anwärter

for an NBA championship this year

für diesjährige NBA-Meisterschaften

is using our software, which is built on a machine that understands

unsere Software, basierend auf einer Maschine, die bewegte Punkte

the moving dots of basketball.

im Basketball versteht.

So not only that, we have given advice that has changed strategies

Unser Rat hat nicht nur Strategien verändert,

that have helped teams win very important games,

die Teams beim Sieg von wichtigen Spielen verhalfen.

and it's very exciting because you have coaches who've been in the league

Sogar Trainer, die seit über 30 Jahren in der Liga sind,

for 30 years that are willing to take advice from a machine.

nehmen den Rat einer Maschine an.

And it's very exciting, it's much more than the pick-and-roll.

Und es geht um mehr als Pick-and-Roll.

Our computer started out with simple things

Unser Computer begann mit einfachen Dingen,

and learned more and more complex things

hat immer komplexere Sachen gelernt

and now it knows so many things.

und weiß jetzt sehr viel.

Frankly, I don't understand much of what it does,

Ich verstehe, ehrlich gesagt, das meiste davon nicht.

and while it's not that special to be smarter than me,

Es ist kein Kunststück klüger zu sein als ich.

we were wondering, can a machine know more than a coach?

Aber wir fragen uns: Kann eine Maschine mehr wissen als ein Trainer?

Can it know more than person could know?

Mehr als ein Mensch?

And it turns out the answer is yes.

Die verblüffende Antwort ist ja.

The coaches want players to take good shots.

Trainer fordern gute Würfe von den Spielern.

So if I'm standing near the basket

Wenn ich neben dem Korb stehe

and there's nobody near me, it's a good shot.

und alleine bin, ist es ein guter Wurf.

If I'm standing far away surrounded by defenders, that's generally a bad shot.

Wenn ich weit weg bin, umringt von Verteidigern, ist das ein schlechter Wurf.

But we never knew how good "good" was, or how bad "bad" was quantitatively.

Quantitativ wussten wir aber nicht, wie gut oder schlecht etwas wirklich war.

Until now.

Bis jetzt.

So what we can do, again, using spatiotemporal features,

Wir nutzten spatiotemporale Merkmale

we looked at every shot.

und analysierten jeden Wurf.

We can see: Where is the shot? What's the angle to the basket?

Von wo wird geworfen? Was ist der Winkel zum Korb?

Where are the defenders standing? What are their distances?

Wo stehen die Verteigier? In welcher Entfernung?

What are their angles?

In welchen Winkeln?

For multiple defenders, we can look at how the player's moving

Bei mehreren Verteidern sehen wir die Bewegung der Spieler

and predict the shot type.

und bestimmen die Wurfart.

We can look at all their velocities and we can build a model that predicts

Wir analysieren die Geschwindigkeit und berechnen die Wahrscheinlichkeit,

what is the likelihood that this shot would go in under these circumstances?

dass der Ball unter diesen Umständen reingeht.

So why is this important?

Wozu das alles?

We can take something that was shooting,

Wir sehen uns den Werfer an.

which was one thing before, and turn it into two things:

Und aus einer Sache werden zwei:

the quality of the shot and the quality of the shooter.

die Qualität des Wurfs und die des Werfers.

So here's a bubble chart, because what's TED without a bubble chart?

Hier ein Blasendiagramm, das ja zu jedem TED-Vortrag gehört.

(Laughter)

(Lachen)

Those are NBA players.

Das sind NBA-Spieler.

The size is the size of the player and the color is the position.

Die Größe ist die Größe des Spielers und die Farbe die Position.

On the x-axis, we have the shot probability.

Die X-Achse zeigt die Wurfwahrscheinlichkeit.

People on the left take difficult shots,

Spieler links machen schwierige Würfe,

on the right, they take easy shots.

rechts leichte.

On the [y-axis] is their shooting ability.

Die Y-Achse zeigt ihre Wurffähigkeit.

People who are good are at the top, bad at the bottom.

Gute Spieler sind oben, schlechte unten.

So for example, if there was a player

Früher wusste man z. B. nur,

who generally made 47 percent of their shots,

dass ein Spieler 47 % seiner Würfe macht.

that's all you knew before.

Mehr nicht.

But today, I can tell you that player takes shots that an average NBA player

Jetzt weiß man, dass dieser Spieler Würfe macht, die ein durchschnittlicher

would make 49 percent of the time,

NBA-Spieler zu 49 % machen würde.

and they are two percent worse.

Er ist um 2 % schlechter.

And the reason that's important is that there are lots of 47s out there.

Aber es gibt viele 47er da draußen.

And so it's really important to know

Man muss also wissen,

if the 47 that you're considering giving 100 million dollars to

ob die 47, in die man eventuell 100 Millionen Dollar investieren möchte,

is a good shooter who takes bad shots

ein guter Spieler mit schlechten Würfen

or a bad shooter who takes good shots.

oder ein schlechter Spieler mit guten Würfen ist.

Machine understanding doesn't just change how we look at players,

Maschinenverständnis ändert unsere Sicht auf Spieler

it changes how we look at the game.

und das Spiel.

So there was this very exciting game a couple of years ago, in the NBA finals.

Es gab in den NBA-Finals ein sehr spannendes Spiel.

Miami was down by three, there was 20 seconds left.

Miami lag mit 3 Punkten zurück; noch 20 Sekunden zu spielen.

They were about to lose the championship.

Es sah schlecht aus.

LeBron James nahm den Dreier

A gentleman named LeBron James came up and he took a three to tie.

He missed.

und traf nicht.

Chris Bosh holte einen Rebound

His teammate Chris Bosh got a rebound,

passed it to another teammate named Ray Allen.

und spielte zu Ray Allen.

Er versenkte einen Dreier. Verlängerung.

He sank a three. It went into overtime.

They won the game. They won the championship.

Sie gewannen das Spiel und die Meisterschaft.

It was one of the most exciting games in basketball.

Es war eines der spannendsten Basektballspiele.

And our ability to know the shot probability for every player

Das Wissen um die Wurfwahrscheinlichkeit eines jeden Spielers

at every second,

in jeder Sekunde

and the likelihood of them getting a rebound at every second

und die Wahrscheinlichkeit

eines erfolgreichen Rebounds kann den Moment auf ungeahnte Weise beleuchten.

can illuminate this moment in a way that we never could before.

Now unfortunately, I can't show you that video.

Leider kann ich Ihnen das Video nicht zeigen.

But for you, we recreated that moment

Jedoch haben wir den Moment nachgestellt –

at our weekly basketball game about 3 weeks ago.

bei unserem wöchentlichen Spiel vor 3 Wochen.

(Laughter)

(Lachen)

And we recreated the tracking that led to the insights.

Wir haben die Bewegungen nachgestellt und erhielten folgende Einblicke.

So, here is us. This is Chinatown in Los Angeles,

Das sind wir in Chinatown, Los Angeles, der Park,

a park we play at every week,

in dem wir jede Woche spielen.

and that's us recreating the Ray Allen moment

Hier kommt der Ray-Allen-Moment,

and all the tracking that's associated with it.

mit der Schrittfolge.

So, here's the shot.

Hier kommt der Wurf.

I'm going to show you that moment

Ich zeige Ihnen den Moment

and all the insights of that moment.

und alle Erkenntnisse daraus.

The only difference is, instead of the professional players, it's us,

Nur sind es keine Profis, sondern wir.

and instead of a professional announcer, it's me.

Und kein Profi-Sprecher, sondern ich.

So, bear with me.

Haben Sie Nachsicht.

Miami.

Miami.

Down three.

3 Punkte zurück.

Twenty seconds left.

Noch 20 Skeunden.

Jeff brings up the ball.

Jeff dribbelt nach vorn.

Josh catches, puts up a three!

Josh fängt, nimmt den Dreier!

[Calculating shot probability]

[Wurfwahrscheinlichkeit berechnen]

[Shot quality]

[Wurfwahrscheinlichkeit]

[Rebound probability]

[Rebound-Wahrscheinlichkeit]

Won't go!

Wird nichts!

[Rebound probability]

[Rebound-Wahrscheinlichkeit]

Rebound, Noel.

Rebound, Noel.

Back to Daria.

Zurück zu Daria.

[Shot quality]

[Wurfqualität]

Her three-pointer -- bang!

Ein Dreier -- Peng!

Tie game with five seconds left.

Unentschieden 5 Sekunden vor Schluss.

The crowd goes wild.

Die Menge tobt.

(Laughter)

(Lachen)

That's roughly how it happened.

Ungefähr so war das.

(Applause)

(Applaus)

Roughly.

Ungefähr.

(Applaus)

(Applause)

That moment had about a nine percent chance of happening in the NBA

Die Wahrscheinlichkeit, dass das in der NBA passiert, lag bei 9 %.

and we know that and a great many other things.

Das wissen wir und viele andere Dinge.

I'm not going to tell you how many times it took us to make that happen.

Ich sage jetzt nicht, wie oft wir die Szene wiederholen mussten.

(Laughter)

(Lachen)

Okay, I will! It was four.

Okay, es waren vier.

(Laughter)

(Lachen)

Way to go, Daria.

Sehr gut, Daria.

But the important thing about that video

Das ist aber nicht der Knackpunkt an diesem Video --

and the insights we have for every second of every NBA game -- it's not that.

oder die Einblicke in jede Sekunde jedes NBA-Spiels.

It's the fact you don't have to be a professional team to track movement.

Sondern, dass man kein Profi-Team sein muss, um Bewegung aufzuzeichnen.

You do not have to be a professional player to get insights about movement.

Man muss kein Profi-Spieler sein, um Einblicke in Bewegung zu erhalten.

In fact, it doesn't even have to be about sports because we're moving everywhere.

Es muss nicht einmal Sport sein. Wir bewegen uns überall.

We're moving in our homes,

Zu Hause,

in our offices,

in unseren Büros,

as we shop and we travel

während des Einkaufens und Reisens

throughout our cities

in unseren Städten

and around our world.

und durch die ganze Welt.

What will we know? What will we learn?

Was werden wir erfahren? Was werden wir lernen?

Perhaps, instead of identifying pick-and-rolls,

Statt Pick-and-Rolls

a machine can identify the moment and let me know

könnte eine Maschine den Moment identifizieren,

when my daughter takes her first steps.

in dem meine Tochter ihren ersten Schritt macht.

Which could literally be happening any second now.

Was tatsächlich jeden Moment passieren könnte.

Perhaps we can learn to better use our buildings, better plan our cities.

Vielleicht können wir lernen, Gebäude besser zu nutzen oder Städte zu planen.

I believe that with the development of the science of moving dots,

Ich glaube, mit der Entwicklung der Wissenschaft der bewegten Punkte

we will move better, we will move smarter, we will move forward.

bewegen wir uns besser, bewegen wir uns klüger, bewegen wir uns vorwärts.

Thank you very much.

Vielen Dank.

(Applause)

(Applaus)