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

Traductor: Sebastian Betti Revisor: Lidia Cámara de la Fuente

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

A mis colegas y a mí nos fascina la ciencia de los puntos móviles.

So what are these dots?

¿Qué son estos puntos?

Well, it's all of us.

Somos nosotros.

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

Nos movemos en casa, en la oficina, mientras compramos y viajamos

throughout our cities and around the world.

por nuestras ciudades y alrededor del mundo.

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

¿No sería genial si pudiéramos entender estos movimientos,

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

si pudiéramos encontrar patrones, significado y sentido en eso?

And luckily for us, we live in a time

Por fortuna para nosotros, vivimos en una época

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

en la que somos muy buenos capturando información sobre nosotros mismos.

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

Sea mediante sensores, videos o aplicaciones,

we can track our movement with incredibly fine detail.

podemos rastrear los movimientos con mucho detalle.

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

Y una de las mejores fuentes de datos sobre el movimiento

is sports.

es en los deportes.

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

Sea baloncesto o béisbol, fútbol americano o el otro fútbol,

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

equipamos los estadios y jugadores para seguir sus movimientos

every fraction of a second.

en cada fracción de segundo.

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

Así que convertimos a los atletas

you probably guessed it --

--quizá lo adivinaron--

moving dots.

en puntos móviles.

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

Tenemos montañas de puntos móviles y como la mayoría de los datos en crudo

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

son difíciles de manejar, y no son tan interesantes.

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

Pero hay cosas que los entrenadores de baloncesto quieren saber.

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

El problema es que no pueden retener cada segundo

of every game, remember it and process it.

de cada juego, recordarlo y procesarlo.

And a person can't do that,

Nadie puede hacer eso, pero una máquina sí.

but a machine can.

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

El problema de la máquina es que no ve el juego con ojo de entrenador.

At least they couldn't until now.

Al menos no podía hasta ahora.

So what have we taught the machine to see?

Así que ¿qué le enseñamos a ver a la máquina?

So, we started simply.

Empezamos con cosas simples.

We taught it things like passes, shots and rebounds.

Le enseñamos cosas como pases, tiros y rebotes.

Things that most casual fans would know.

Cosas que cualquier fan conoce.

And then we moved on to things slightly more complicated.

Y luego seguimos con cosas levemente más complicadas:

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

Posteos, bloqueos y continuación, aislamientos.

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

Si no las conocen, está bien. Los jugadores aficionados quizá lo sepan.

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

Hemos logrado que la máquina entienda secuencias complejas

like down screens and wide pins.

como bloqueos verticales abajo y hasta con rotaciones complejas.

Basically things only professionals know.

Básicamente cosas que solo saben los profesionales.

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

Hemos enseñado a la máquina a ver con ojos de entrenador.

So how have we been able to do this?

¿Cómo hemos podido hacerlo?

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

Si pidiera a un entrenador describir un bloqueo y continuación,

they would give me a description,

me daría una descripción;

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

y si pusiera eso en un algoritmo, sería terrible.

El bloqueo y continuación es esa danza del baloncesto entre cuatro jugadores,

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

two on offense and two on defense.

dos atacantes y dos defensores.

And here's kind of how it goes.

Es más o menos así.

So there's the guy on offense without the ball

Hay un tipo en ataque sin la pelota,

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

se pone al lado del tipo que marca y que tiene la posesión de la pelota,

and he kind of stays there

se queda allí,

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

y ambos se mueven y ocurre, cha-chan, un bloqueo y continuación.

(Laughter)

(Risas)

So that is also an example of a terrible algorithm.

Eso es un ejemplo de un algoritmo complicado.

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

Si el jugador que se interpone, llamado bloqueador,

goes close by, but he doesn't stop,

se acerca, pero no se detiene,

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

quizá no sea un bloqueo y continuación.

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

O si se detiene, pero no queda muy cerca,

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

quizá no sea un bloqueo y continuación.

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

O si se acerca al otro y realmente para,

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

pero lo hacen debajo de la cesta, quizá no sea un bloqueo y continuación.

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

O podría equivocarme, todos esos casos podrían ser bloqueos y continuación.

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

Todo depende del tiempo exacto, las distancias, los posicionamientos,

and that's what makes it hard.

y eso lo hace difícil.

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

Por suerte, con el aprendizaje máquina, podemos exceder nuestra capacidad

to describe the things we know.

de describir las cosas que conocemos.

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

¿Cómo funciona esto? Bueno, con ejemplos.

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

Vamos a la máquina y le decimos: "Buenos días, máquina.

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

Aquí hay bloqueos y continuación, y aquí otras cosas que no lo son.

Please find a way to tell the difference."

Por favor, encuentra cómo establecer la diferencia".

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

Y la clave de todo esto es encontrar características que le permitan separar.

So if I was going to teach it the difference

Si yo tuviera que enseñar la diferencia entre una manzana y una naranja,

between an apple and orange,

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

podría decir: "¿Por qué no usar el color y la forma?"

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

El problema que enfrentamos es encontrar esas cosas.

What are the key features

¿Qué características son

that let a computer navigate the world of moving dots?

las que permiten a una computadora navegar el mundo de los puntos móviles?

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

Imaginar todas estas relaciones con ubicación relativa y absoluta,

distance, timing, velocities --

--distancia, tiempo, velocidad--

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

es la clave de la ciencia de los puntos móviles, como nos gusta llamarla,

spatiotemporal pattern recognition, in academic vernacular.

reconocimiento espacio-temporal de patrones,

en lenguaje académico.

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

Ante todo tenemos que hacer que suene difícil,

because it is.

porque lo es.

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

Pero la clave para los entrenadores de la NBA no es saber

whether a pick-and-roll happened or not.

si hubo un bloqueo y continuación o no.

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

Ellos quieren saber cómo ocurrió.

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

Y ¿por qué eso es tan importante para ellos?

Aquí hay una idea importante.

It turns out in modern basketball,

Resulta que en el baloncesto moderno,

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

el bloqueo y continuación es quizá el juego más importante.

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

Y saber cómo manejarlo, y saber cómo defenderlo,

is basically a key to winning and losing most games.

básicamente es la clave para ganar o perder casi todos los juegos.

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

Pero resulta que esta danza tiene muchas variantes

and identifying the variations is really the thing that matters,

e identificar las variantes es lo que importa,

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

por eso necesitamos que esto sea muy, muy bueno.

So, here's an example.

Este es un ejemplo.

There are two offensive and two defensive players,

Hay dos jugadores en ataque y dos en defensa,

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

listos para la danza del bloqueo y continuación.

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

El tipo con la pelota puede usar o no el bloqueo.

His teammate can either roll or pop.

Su compañero puede girar a canasta o abrir para recibir el pase.

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

El que marca al jugador con la pelota puede avanzar o retroceder.

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

Su compañero puede avanzar, marcar o solo acompañar

and together they can either switch or blitz

y juntos pueden cambiar asignación defensiva o redoblar la marca.

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

Yo no sabía casi nada de esto cuando empecé

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

y sería estupendo si todos se movieran siguiendo esas flechas.

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

Haría mucho más fáciles nuestras vidas, pero el movimiento es muy desordenado.

People wiggle a lot and getting these variations identified

Las personas se menean mucho e identificar estas variaciones

with very high accuracy,

con muy alta precisión,

both in precision and recall, is tough

en precisión y en recuerdo, es difícil

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

y es lo que hace que un entrenador profesional crea en ti.

And despite all the difficulties with the right spatiotemporal features

Aun con las dificultades de las correctas características espacio-temporales

we have been able to do that.

lo hemos logrado.

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

Los entrenadores confían en que las máquinas pueden identificar variaciones.

We're at the point where almost every single contender

Estamos en el punto en el que casi todos los contendientes

for an NBA championship this year

en el campeonato de la NBA este año

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

usan nuestro software, construido en una máquina que entiende

the moving dots of basketball.

los puntos móviles en el baloncesto.

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

No solo eso, hemos dado consejos que han cambiado estrategias

that have helped teams win very important games,

que han ayudado a equipos a ganar juegos muy importantes,

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

y es muy apasionante porque hay entrenadores que han estado en la liga

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

durante 30 años que desean recibir consejos de una máquina.

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

Y es muy apasionante, mucho más que el bloqueo y continuación.

Our computer started out with simple things

Nuestra computadora empezó con cosas simples,

and learned more and more complex things

aprendió cosas cada vez más complejas

and now it knows so many things.

y ahora sabe cada vez más cosas.

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

Francamente, no entiendo gran parte de lo que hace,

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

y si bien no es algo tan especial ser más inteligente que yo,

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

nos hemos preguntado, ¿puede una máquina saber más que un entrenador?

Can it know more than person could know?

¿Puede saber más de lo que podría saber una persona?

And it turns out the answer is yes.

Y resulta que la respuesta es sí.

The coaches want players to take good shots.

Los entrenadores quieren que los jugadores disparen bien.

So if I'm standing near the basket

Si estoy cerca de la cesta

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

y no hay nadie cerca, es un buen tiro.

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

Si estoy lejos, rodeado por defensores, generalmente es un mal tiro.

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

Pero no sabíamos cuán bueno o malo era lo "bueno" o lo "malo" cuantitativamente.

Until now.

Hasta ahora.

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

Entonces, de nuevo, con las características espacio-temporales,

we looked at every shot.

analizamos cada tiro.

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

Podemos ver dónde está el tiro, cuál es el ángulo a la cesta,

Where are the defenders standing? What are their distances?

dónde están los defensores, cuáles son sus distancias,

What are their angles?

cuáles son los ángulos.

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

Para múltiples defensores, podemos ver cómo se mueve el jugador

and predict the shot type.

y predecir el tipo de tiro.

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

Podemos ver todas sus velocidades y construir un modelo que prediga

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

la probabilidad de que este disparo vaya en estas circunstancias.

So why is this important?

¿Por qué importa esto?

We can take something that was shooting,

Podemos tomar un tiro,

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

que antes era una cosa y ahora se transforma en dos cosas:

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

la calidad del tiro y la calidad del tirador.

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

Este es un gráfico de burbujas porque ¿qué es TED sin ellos?

(Laughter)

(Risas)

Those are NBA players.

Esos son jugadores de la NBA.

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

El tamaño es el tamaño del jugador y el color es su posición.

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

En el eje X, tenemos la probabilidad del disparo.

People on the left take difficult shots,

Las personas de la izquierda hacen tiros difíciles,

on the right, they take easy shots.

a la derecha, hacen tiros fáciles.

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

En el eje Y, es la capacidad de disparo.

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

Las personas que disparan bien van arriba, las que disparan mal abajo.

So for example, if there was a player

Por ejemplo, si había un jugador

who generally made 47 percent of their shots,

que generalmente encestaba el 47 % de los tiros,

that's all you knew before.

eso es lo que se sabía antes.

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

Pero hoy, puedo decir que el jugador hace disparos que un jugador medio NBA

would make 49 percent of the time,

convertiría el 49 % del tiempo,

and they are two percent worse.

y que ellos son un 2 % peores.

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

Y es importante porque hay muchos con 47 % por allí.

And so it's really important to know

Y por eso es muy importante saber

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

si el 47 % al que están evaluando pagarle USD 100 millones

is a good shooter who takes bad shots

es un buen tirador que hace malos tiros

or a bad shooter who takes good shots.

o un mal tirador que hace buenos tiros.

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

La comprensión de máquina no cambia la forma de ver a los jugadores,

it changes how we look at the game.

cambia la forma de ver el juego.

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

Hace unos años hubo un juego muy apasionante en la final de la NBA.

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

Miami estaba tres puntos abajo, quedaban 20 segundos.

They were about to lose the championship.

Estaban a punto de perder el campeonato.

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

Un caballero de nombre LeBron James tiró de tres para empatar.

He missed.

Falló.

His teammate Chris Bosh got a rebound,

Su compañero Chris Bosh consiguió un rebote,

passed it to another teammate named Ray Allen.

hizo un pase a otro compañero llamado Ray Allen.

He sank a three. It went into overtime.

Clavó un triple. Fue en tiempo suplementario.

They won the game. They won the championship.

Ganaron el juego. Ganaron el campeonato.

It was one of the most exciting games in basketball.

Fue uno de los juegos de baloncesto más emocionantes.

And our ability to know the shot probability for every player

Y nuestra capacidad de conocer la probabilidad del tiro de cada jugador

at every second,

a cada segundo,

and the likelihood of them getting a rebound at every second

y la probabilidad de conseguir un rebote a cada segundo

puede iluminar este momento como nunca antes.

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

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

Desafortunadamente, no puedo mostrarles ese video.

But for you, we recreated that moment

Pero lo hemos recreado

at our weekly basketball game about 3 weeks ago.

en nuestro juego semanal de baloncesto hace 3 semanas.

(Laughter)

(Risas)

And we recreated the tracking that led to the insights.

Y recreamos el seguimiento del que extrajimos las ideas.

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

Aquí estamos. Esto es Chinatown en Los Ángeles,

a park we play at every week,

un parque en el que jugamos todas las semanas,

and that's us recreating the Ray Allen moment

y allí estamos recreando el momento Ray Allen

and all the tracking that's associated with it.

y todo el seguimiento asociado.

So, here's the shot.

Este es el disparo.

I'm going to show you that moment

Les mostraré ese momento

and all the insights of that moment.

y lo que aprendimos de ese momento.

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

La única diferencia es que en vez de jugadores profesionales, somos nosotros,

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

y en vez de un locutor profesional, soy yo.

So, bear with me.

Así que tengan paciencia conmigo.

Miami.

Miami.

Down three.

Tres puntos abajo.

Twenty seconds left.

Quedan 20 segundos.

Jeff brings up the ball.

Jeff trae la pelota.

Josh catches, puts up a three!

Josh la atrapa, ¡marca un triple!

[Calculating shot probability]

[Calculando probabilidad de tiro: 33 %]

[Shot quality]

[Calidad del tiro: JOSH 33 %]

[Rebound probability]

[Probabilidad de rebote: NOEL 12 %]

Won't go!

¡No entrará!

[Rebound probability]

[Probabilidad de rebote: NOEL 37 %]

Rebound, Noel.

Rebote, Noel.

Back to Daria.

Vuelve a Daria.

[Shot quality]

[Calidad del tiro: DARIA 37 %]

Her three-pointer -- bang!

Su triple... ¡bang!

Tie game with five seconds left.

Empate y quedan 5 segundos.

The crowd goes wild.

La multitud enloquece.

(Laughter)

(Risas)

That's roughly how it happened.

Es más o menos lo que pasó.

(Applause)

(Aplausos)

Roughly.

Más o menos.

(Applause)

(Aplausos)

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

Ese momento tenía un 9 % de probabilidad de ocurrir en la NBA;

and we know that and a great many other things.

sabemos eso y muchas otras cosas.

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

No les diré las veces que intentamos hasta que ocurrió.

(Laughter)

(Risas)

Okay, I will! It was four.

Bien, ¡se los diré! Fueron cuatro.

(Laughter)

(Risas)

Way to go, Daria.

Así se hace, Daria.

But the important thing about that video

Pero lo importante de ese video

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

y las ideas obtenidas en cada segundo de un juego de la NBA, no es eso.

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

Es que no hay que ser un equipo profesional para seguir el movimiento.

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

No hay que ser jugador profesional para aprender sobre el movimiento.

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

De hecho, no se trata del deporte porque nos movemos por doquier.

We're moving in our homes,

Nos movemos en nuestras casas,

in our offices,

en nuestras oficinas,

as we shop and we travel

mientras compramos y viajamos

throughout our cities

por las ciudades

and around our world.

y alrededor del mundo.

What will we know? What will we learn?

¿Qué conoceremos? ¿Qué aprenderemos?

Perhaps, instead of identifying pick-and-rolls,

Quizá en vez de identificar bloqueos y continuación,

a machine can identify the moment and let me know

una máquina pueda identificar el momento y me avise

when my daughter takes her first steps.

cuando mi hija dé el primer paso.

Which could literally be happening any second now.

Algo que podría ocurrir en cualquier momento próximo.

Quizá podamos aprender a usar mejor los edificios,

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

planificar mejor las ciudades.

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

Creo que con el desarrollo de la ciencia de los puntos móviles,

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

nos moveremos mejor, con más inteligencia,

nos moveremos hacia adelante.

Thank you very much.

Muchas gracias.

(Applause)

(Aplausos)