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

1,107,248 views ・ 2015-07-06

TED


वीडियो चलाने के लिए कृपया नीचे दिए गए अंग्रेजी उपशीर्षक पर डबल-क्लिक करें।

Translator: Annamraju Lalitha Reviewer: Omprakash Bisen
00:12
My colleagues and I are fascinated by the science of moving dots.
0
12954
3583
मैं और मेरे साथी बिंदु गति शास्त्र से मंत्रमुग्ध हैं
00:16
So what are these dots?
1
16927
1150
असल मे ये बिंदु क्या है ?
00:18
Well, it's all of us.
2
18101
1287
ये हम सब लोग है
00:19
And we're moving in our homes, in our offices, as we shop and travel
3
19412
5085
00:24
throughout our cities and around the world.
4
24521
2066
अपने शहर में और पूरी दुनिया मे घूमते है
00:26
And wouldn't it be great if we could understand all this movement?
5
26958
3669
अगर हम इस गति को समझ पाये तो कितना अच्छा होगा
00:30
If we could find patterns and meaning and insight in it.
6
30918
2890
अगर हम इसके स्वरूप और अर्थ ढूँढ पाते ?
00:34
And luckily for us, we live in a time
7
34259
1785
यह हमारा सौभाग्य है हम ऐसे समय जीते है
00:36
where we're incredibly good at capturing information about ourselves.
8
36068
4497
जहॉ हमारे बारे मे सुचना प्राप्त करने मे हम सफल है
00:40
So whether it's through sensors or videos, or apps,
9
40807
3663
हम अपने गति की सभी विवरण सेन्सर्स, वीडियो
00:44
we can track our movement with incredibly fine detail.
10
44494
2809
और एप्स द्वारा प्राप्त कर सकते है
00:48
So it turns out one of the places where we have the best data about movement
11
48092
5032
तो यह पता चलता हैं कि जहाँ गति के बारे में सबसे ज्यादा आकड़े मिल सकते हैं
00:53
is sports.
12
53148
1208
वो खेल हैं
00:54
So whether it's basketball or baseball, or football or the other football,
13
54682
5333
बास्केटबाल या बेसबाल फुटबाल या दूसरा फुटबाल हो
01:00
we're instrumenting our stadiums and our players to track their movements
14
60039
4402
उपकरण से ह्मारे स्टेडियम्स और खिलाडियॉ से उनके
01:04
every fraction of a second.
15
64465
1313
गति के हर पल को ट्रैक कर रहे है
01:05
So what we're doing is turning our athletes into --
16
65802
4382
तो ह्म अपने खिलाडियो को
01:10
you probably guessed it --
17
70208
1959
हाँ आपने सही अंदाजा लगाया
01:12
moving dots.
18
72191
1396
गतिमान बिंदुओं मे बदल रहे है
01:13
So we've got mountains of moving dots and like most raw data,
19
73946
4934
हमारे पास चलती बिंदुओ का पहाड है और कच्चे आँकडॉ को
01:18
it's hard to deal with and not that interesting.
20
78904
2502
समझ पाना कठिन हैं और दिलचस्प नही
01:21
But there are things that, for example, basketball coaches want to know.
21
81430
3769
उदाहरणार्थ बास्केट्बाल कोच बहुत चीजेँ जानना चाहते हैं किंतु समस्या
01:25
And the problem is they can't know them because they'd have to watch every second
22
85223
3810
ये हैं कि जानने के लिये उन्हेँ खेल के हर पल ध्यान देना होगा
01:29
of every game, remember it and process it.
23
89057
2589
याद करना होगा और उचित कारवाई करना होगा
01:31
And a person can't do that,
24
91804
1930
ये काम एक व्यक्ति नहीँ कर सकता
01:33
but a machine can.
25
93758
1310
बल्कि मशीन कर सकती है
01:35
The problem is a machine can't see the game with the eye of a coach.
26
95661
3410
लेकिन एक मशीन कोच के नजर से खेल को नही देख सकती
01:39
At least they couldn't until now.
27
99363
2261
अब तक तो नही
01:42
So what have we taught the machine to see?
28
102228
2103
तो हम मशीन को क्या देखने के लिये सिखाया
01:45
So, we started simply.
29
105569
1787
पहले आसान तरीके से शुरु किया
01:47
We taught it things like passes, shots and rebounds.
30
107380
3799
हम उसको पासेस शाट्स और रिबौंड्स जैसे चीज़ सिखाया
01:51
Things that most casual fans would know.
31
111203
2541
चीज जो साधारण दर्शक भी जानते है
01:53
And then we moved on to things slightly more complicated.
32
113768
2832
और फिर हम थोडी मुश्किल चीजोँ के ओर बढ गये
01:56
Events like post-ups, and pick-and-rolls, and isolations.
33
116624
4588
जैसे पोस्ट-अप्स पिक-अंड-रोल्स और आईसोलेश्न्स
02:01
And if you don't know them, that's okay. Most casual players probably do.
34
121377
3543
और अगर आप इन्हेँ नहीँ जानते तो कोई बात नहीँ
02:05
Now, we've gotten to a point where today, the machine understands complex events
35
125560
5340
अब हम वहां पहुँच गये जहाँ आज मशीन मुश्किल ईवेँट्स को समझती हैं
02:10
like down screens and wide pins.
36
130924
3073
जैसे डौन स्क्रींस और वाईड पिंस
02:14
Basically things only professionals know.
37
134021
2726
ये चीज मूल रूप से पेशेवर ही जानते हैँ
02:16
So we have taught a machine to see with the eyes of a coach.
38
136771
4388
हम एक मशीन को कोच की नजर से देखना सिखाया
02:22
So how have we been able to do this?
39
142009
1857
हम यह कैसे कर पाये ?
02:24
If I asked a coach to describe something like a pick-and-roll,
40
144511
3118
यदि मै एक कोच को पिक-अंड-रोल्स के बारे मे वर्णन देने को कहने से
02:27
they would give me a description,
41
147653
1640
वे मुझे वर्णन दे सकते है
02:29
and if I encoded that as an algorithm, it would be terrible.
42
149317
2856
मै एंकोड करके एक अल्गोरित्म के रूप मे दे दू तो बहुत अच्छा होगा
02:33
The pick-and-roll happens to be this dance in basketball between four players,
43
153026
4278
पिक-अंड-रोल्स चार खिलाडियोँ के बीच एक नृत्य जैसा लगता हैँ जहाँ
02:37
two on offense and two on defense.
44
157328
1912
दो खिलाडी आक्रमण दो खिलाडी रक्षा करते हैँ
02:39
And here's kind of how it goes.
45
159486
1618
ऐसा चल रहा है
02:41
So there's the guy on offense without the ball
46
161128
2533
यहाँ एक खिलाड़ी आक्रमण मे बिना गेँद के है
02:43
the ball and he goes next to the guy guarding the guy with the ball,
47
163685
3209
गेँद और खिलाड़ी चलते है उस खिलाड़ी के पास जिस के पास गेँद है
02:46
and he kind of stays there
48
166918
1257
और खिलाडी रुकता है
02:48
and they both move and stuff happens, and ta-da, it's a pick-and-roll.
49
168199
3317
दोनोँ चलते है टा-डा होता है यहीँ है पिक-अंड-रोल्
02:51
(Laughter)
50
171540
2215
(हंसी)
02:53
So that is also an example of a terrible algorithm.
51
173779
2508
यह भी कठिन अल्गोरित्म का एक उदाहरण है
02:56
So, if the player who's the interferer -- he's called the screener --
52
176913
4204
यदि एक खिलाडी दखल देने से उसको कहते है स्क्रीनर
03:01
goes close by, but he doesn't stop,
53
181278
2872
बहुत करीब पहुँच कर रुके नहीँ तो
03:04
it's probably not a pick-and-roll.
54
184174
1765
पिक-अंड-रोल् शायद नहीँ कह सकते है
03:06
Or if he does stop, but he doesn't stop close enough,
55
186560
3945
यदि खिलाडी रुकता है लेकिन बहुत करीब नहीँ तो
03:10
it's probably not a pick-and-roll.
56
190529
1761
पिक-अंड-रोल् शायद नहीँ कह सकते है
03:12
Or, if he does go close by and he does stop
57
192642
3237
या बहुत करीब जाकर रुकने से लेकिन बास्केट के नीचे करने से
03:15
but they do it under the basket, it's probably not a pick-and-roll.
58
195903
3324
पिक-अंड-रोल् शायद नहीँ हो सकते है
03:19
Or I could be wrong, they could all be pick-and-rolls.
59
199462
2524
या मैँ गलत हो सकता हूँ वे सब पिक-अंड-रोल् हो सकते है
03:22
It really depends on the exact timing, the distances, the locations,
60
202010
4568
ये सही वक्त, दुरी और स्थान पर निर्भर करता है
03:26
and that's what makes it hard.
61
206602
1495
और यही चीज उसको मुश्किल बनाता है
03:28
So, luckily, with machine learning, we can go beyond our own ability
62
208579
4944
लेकिन मशीन की सहायता से हमारे सामर्थ्य से बढकर
03:33
to describe the things we know.
63
213547
1743
चीजोँ का विवरण दे सकते है
03:35
So how does this work? Well, it's by example.
64
215314
2280
तो ये कैसे काम करता है ? ये एक उदाहरण से
03:37
So we go to the machine and say, "Good morning, machine.
65
217759
2830
हम मशीन के पास जाते और कहते " गुड मोर्निंग मशीन
03:41
Here are some pick-and-rolls, and here are some things that are not.
66
221077
3359
इधर कुछ पिक-अंड-रोल्स है और इधर कुछ चीज वो नहीँ है
03:44
Please find a way to tell the difference."
67
224720
2252
उन दोनोँ के बीच अँतर बताने का रास्ता ढूँढो "
03:47
And the key to all of this is to find features that enable it to separate.
68
227076
3707
और जो लक्षण सबसे उसको अलग करते हो उसको पता करना ही असली सूत्र है
03:50
So if I was going to teach it the difference
69
230807
2109
इसलिए यदि मुझे उसको सेब और सँतरा मे
03:52
between an apple and orange,
70
232940
1381
अंतर सिखाना होता तो
03:54
I might say, "Why don't you use color or shape?"
71
234345
2375
मै उसको "रँग या आकार इस्तेमाल करने के लिए कहूँगा ?"
03:56
And the problem that we're solving is, what are those things?
72
236744
2943
और हम जो समस्या को सुलझा रहे है वह ऐसे क्या चीज है
03:59
What are the key features
73
239711
1247
मूल लक्षण क्या है
04:00
that let a computer navigate the world of moving dots?
74
240982
3499
जो कम्प्यूटर को गतिमान बिँदु के दुनिया मे दिशा दिखा सकते है?
04:04
So figuring out all these relationships with relative and absolute location,
75
244505
4823
ये सारी सँबँधोँ के बीच दुरी समय गति के बारे मे रिलेटिव और आब्सोल्युट
04:09
distance, timing, velocities --
76
249352
1909
स्थान की कल्पना करना ही
04:11
that's really the key to the science of moving dots, or as we like to call it,
77
251440
4928
असल मे बिँदु गति शास्त्र की सूत्र है या जैसे कि हम शैक्षिक भाषा मे
04:16
spatiotemporal pattern recognition, in academic vernacular.
78
256392
3344
स्पटियोटेँपोरल स्वरूप पहचान के नाम से जाना जाता है
04:19
Because the first thing is, you have to make it sound hard --
79
259925
2898
पहले चीज यह हैं कि इसे सुनने में कठिन बनाना है
04:22
because it is.
80
262847
1278
क्योँकि यह कठिन है
04:24
The key thing is, for NBA coaches, it's not that they want to know
81
264410
3141
एनबीए कोचेस के लिए पिक-अंड-रोल हुआ की नहीँ
04:27
whether a pick-and-roll happened or not.
82
267575
1922
ज्यादा मान्य नहीँ रखता
04:29
It's that they want to know how it happened.
83
269521
2076
बल्कि कैसे हुआ जानना जरूरी मानते है
04:31
And why is it so important to them? So here's a little insight.
84
271621
2986
और ये उनको क्योँ आवश्यक है? एक उदाहरण प्रस्तुत करता हूँ
04:34
It turns out in modern basketball,
85
274631
1771
आधुनिक बास्केटबाल मे
04:36
this pick-and-roll is perhaps the most important play.
86
276426
2539
शायद पिक-अंड-रोल की ही बहुत महत्वपूर्ण भूमिका है
04:39
And knowing how to run it, and knowing how to defend it,
87
279065
2620
समझना कि कैसे दौडना और समझना कि कैसे रक्षा करना
04:41
is basically a key to winning and losing most games.
88
281709
2670
मूल रूप से खेलोँ मे जीतने या हारने को प्रभावित करता है
04:44
So it turns out that this dance has a great many variations
89
284403
3801
ये नृत्य अलग अलग रूप मे है
04:48
and identifying the variations is really the thing that matters,
90
288228
3648
और इसको पहचानना ही असली चीज है
04:51
and that's why we need this to be really, really good.
91
291900
2529
इसलिए ये सब बहुत ज्यादा अच्छा होना हमारे लिये जरूरी है
04:55
So, here's an example.
92
295228
1176
यहॉ एक उदाहरण है
04:56
There are two offensive and two defensive players,
93
296428
2379
वहॉ दो आक्रमिक खिलाडी दो रक्षा पँती के खिलाडी है
04:58
getting ready to do the pick-and-roll dance.
94
298831
2152
जो पिक-अंड-रोल नृत्य के लिए तैयार हो रहे है
05:01
So the guy with ball can either take, or he can reject.
95
301007
2683
खिलाडी जिस के पास गेँद है वह या तो ले सकता या छोड सकता
05:04
His teammate can either roll or pop.
96
304086
3001
उसके टीम के साथी या तो रोल या पाप कर सकते है
05:07
The guy guarding the ball can either go over or under.
97
307111
2986
खिलाडी जो गेँद को रक्षा करता हैं वो या तो ऊपर से या नीचे से जा सकता
05:10
His teammate can either show or play up to touch, or play soft
98
310121
4565
उसके टीम के साथी या तो शो या प्ले अप टु टच या प्ले साफ्ट
05:14
and together they can either switch or blitz
99
314710
2618
और मिलके उन लोग या तो स्विच या ब्लिट्ज़ कर सकते हैँ
05:17
and I didn't know most of these things when I started
100
317352
2659
और जब मैंने शुरू किया था ये सब मै नही जानता था
05:20
and it would be lovely if everybody moved according to those arrows.
101
320035
3920
और यदि सब लोग उस तीरों के अनुसार चलने से कितना अच्छा होगा
05:23
It would make our lives a lot easier, but it turns out movement is very messy.
102
323979
3905
यह हमारी जीवन को बहुत आसन बनाते बल्कि ये गति को बहुत अप्रिय बना देता है
05:28
People wiggle a lot and getting these variations identified
103
328047
5484
इस अलग रूप को सही सलामत पहचानना और याद करना लोगोँ
05:33
with very high accuracy,
104
333555
1303
के लिये बहुत कठिन परिश्रम
05:34
both in precision and recall, is tough
105
334882
1868
की आवश्यकता हैँ
05:36
because that's what it takes to get a professional coach to believe in you.
106
336774
3618
क्योँकि यही जो चीज एक प्रोफेषनल कोच आप की नैपुण्यता को मान्य देता है
05:40
And despite all the difficulties with the right spatiotemporal features
107
340416
3380
और हम लोग काफी दुविधाएँ आने के पश्चात भी
05:43
we have been able to do that.
108
343820
1474
सही स्पषियोटेँपोरल लक्षण कर पाये
05:45
Coaches trust our ability of our machine to identify these variations.
109
345318
3927
कोच्स हमारी मशीन की ये लक्षण पता कर ने की क्षमता पर बहुत उम्मीद रखते है
05:49
We're at the point where almost every single contender
110
349478
3533
हम वहा पहुँच गये जहाँ NBA चैम्पियनशिप के लगभग हर एक खिलाडी इस साल
05:53
for an NBA championship this year
111
353035
1623
हमारी साफ्ट्वेर इस्तेमाल कर रहे है
05:54
is using our software, which is built on a machine that understands
112
354682
4408
जो एक मशीन के ऊपर बनाया गया जो
05:59
the moving dots of basketball.
113
359114
1634
बास्केट्बाल की बिंदु गति को समझ्ता हैं
06:01
So not only that, we have given advice that has changed strategies
114
361872
5153
पर इतना ही नही हम ने जो सलाह दी उसने रणनीति को बदल दिया
06:07
that have helped teams win very important games,
115
367049
3352
जो टीम्स को जीतने मे मदद करता है
06:10
and it's very exciting because you have coaches who've been in the league
116
370425
3732
और ये बहुत ही उत्तेजक है क्योँकि जो कोचेस 30 साल से लीग मे है
06:14
for 30 years that are willing to take advice from a machine.
117
374181
3067
वो एक मशीन से सलाह लेने के लिये तैयार है
06:17
And it's very exciting, it's much more than the pick-and-roll.
118
377874
2906
और यह बहुत ही दिलचस्त और पिक-अंड-रोल से ज्यादा है
06:20
Our computer started out with simple things
119
380804
2076
हमारा कम्पुटर छोटे चीजोँ से शुरु किया
06:22
and learned more and more complex things
120
382904
2064
और बहुत ही जटिल चीजोँ को सीखा
06:24
and now it knows so many things.
121
384992
1561
और अब इसको बहुत चीज मालूम है
06:26
Frankly, I don't understand much of what it does,
122
386577
2835
वो क्या करती है ये ज्यादातर मै नही समझता
06:29
and while it's not that special to be smarter than me,
123
389436
3715
और मुझसे चतुर होना भी कोई बडी बात नही
06:33
we were wondering, can a machine know more than a coach?
124
393175
3644
हमे आश्चर्य होता है क्या एक मशीन कोच से ज्यादा जान सकता?
06:36
Can it know more than person could know?
125
396843
2055
क्या वो एक आदमी से ज्यादा जान सकता?
06:38
And it turns out the answer is yes.
126
398922
1745
और हम लोगोँ को कहना पडेगा हाँ
06:40
The coaches want players to take good shots.
127
400691
2557
कोचेस चाहते हैँ खिलाडी अच्छे शाट ले
06:43
So if I'm standing near the basket
128
403272
1651
अगर मै बास्केट के पास हूँ
06:44
and there's nobody near me, it's a good shot.
129
404947
2166
और मेरे आसपास कोई नही तो ये अच्छा शाट है
06:47
If I'm standing far away surrounded by defenders, that's generally a bad shot.
130
407137
3940
अगर मै बहुत दूर खडा हूँ और मेरे चारोँ तरफ रक्षा खिलाडी है तो वो गलत शाट है
06:51
But we never knew how good "good" was, or how bad "bad" was quantitatively.
131
411101
4876
लेकिन हम अभी तक ये नही जानते कि अच्छा कितना "अच्छा" था
06:56
Until now.
132
416209
1150
और बुरा कितना "बुरा" था
06:57
So what we can do, again, using spatiotemporal features,
133
417771
3058
और हम लोग क्या करेँ फिरसे हर शाट को स्पाटियोटेँपोरल
07:00
we looked at every shot.
134
420853
1374
लक्षण द्वारा देखे
07:02
We can see: Where is the shot? What's the angle to the basket?
135
422251
3005
हम देख सकते : शाट किधर है? बास्केट तक क्या कोण है?
07:05
Where are the defenders standing? What are their distances?
136
425280
2762
रक्षा खिलाडी कहॉ खडे है? उनकी दुरी कितनी है?
07:08
What are their angles?
137
428066
1331
उनके कोण कितना है?
07:09
For multiple defenders, we can look at how the player's moving
138
429421
2977
जहॉ ज्यादा रक्षा खिलाडी हो वहॉ देख सकते खिलाडी कैसे चल रहे और
07:12
and predict the shot type.
139
432422
1433
अंदाजा लगा सकते कौनसा शोट लगेगा
07:13
We can look at all their velocities and we can build a model that predicts
140
433879
4074
हम उनके रफ्तार को देख सकते है और एक नमूना तैयार कर सकते जो
07:17
what is the likelihood that this shot would go in under these circumstances?
141
437977
4052
इन परिस्थितियोँ मे ये शाट कहॉ तक जा सकता है इसका अंदाजा लगयेगा
07:22
So why is this important?
142
442188
1500
तो ये सब आवश्यक क्योँ है?
07:24
We can take something that was shooting,
143
444102
2803
ह्म शूटिँग को ले सकते, जो पहले एक चीज था
07:26
which was one thing before, and turn it into two things:
144
446929
2680
और उसको दो चीजोँ मे बदल दिये
07:29
the quality of the shot and the quality of the shooter.
145
449633
2651
शाट की गुणवत्ता और शूटर की गुणवत्ता
07:33
So here's a bubble chart, because what's TED without a bubble chart?
146
453680
3262
यहॉ एक बबल चार्ट देखिये क्योँकि बिना बबल चार्ट TED क्या है?
07:36
(Laughter)
147
456966
1014
(हंसी)
07:38
Those are NBA players.
148
458004
1311
ये बबल्स NBA खिलाडी हैँ
07:39
The size is the size of the player and the color is the position.
149
459339
3120
बबल का परिमाण खिलाडी का परिमाण है और रँग उसका स्थिति
07:42
On the x-axis, we have the shot probability.
150
462483
2132
शाट की सँभावना x-अक्ष मे है
07:44
People on the left take difficult shots,
151
464639
1953
लोग जो बाएँ तरफ है वो मुश्किल शाट लेते हैँ
07:46
on the right, they take easy shots.
152
466616
2229
जो दाएँ तरफ है आसन शाट लेते हैँ
07:49
On the [y-axis] is their shooting ability.
153
469194
2057
y-अक्ष पर उनके शूटिँग के सामर्थ्य है
07:51
People who are good are at the top, bad at the bottom.
154
471275
2562
लोग जो अच्छे है वो ऊपर है जो बुरे वो नीचे है
07:53
So for example, if there was a player
155
473861
1760
इस तरह, पहले हम सिर्फ
07:55
who generally made 47 percent of their shots,
156
475621
2097
इतना ही जानते थे कि एक खिलाडी आम तौर पर
07:57
that's all you knew before.
157
477718
1389
47 प्रतिशत शाट्स बनाता था
07:59
But today, I can tell you that player takes shots that an average NBA player
158
479345
4850
पर आज मै ये कह सकता हू कि वो खिलाडी एक साधारण NBA
08:04
would make 49 percent of the time,
159
484219
1961
खिलाड़ी जो 49 प्रतिशत शाट्स लेता है उनसे
08:06
and they are two percent worse.
160
486204
1684
2 प्रतिशत बदतर है
08:08
And the reason that's important is that there are lots of 47s out there.
161
488266
4515
ये बहुत ही जरूरी है क्योँ कि वहा ज्यादातर 47 प्रतिशत वाले है
08:13
And so it's really important to know
162
493714
2549
इसलिये ये जानना जरूरी है कि
08:16
if the 47 that you're considering giving 100 million dollars to
163
496287
3956
अगर आप 100 मिलियन डालर्स 47 प्रतिशतवाले को देना चाहते है जो
08:20
is a good shooter who takes bad shots
164
500267
3055
एक अच्छा शूटर है लेकिन बुरा शाट लेता
08:23
or a bad shooter who takes good shots.
165
503346
2397
या बुरा शूटर है जो अच्छा शाट लेता
08:27
Machine understanding doesn't just change how we look at players,
166
507130
3333
हमारी नजरिये को मशीन का नजरिया नही बदल सकता लेकिन
08:30
it changes how we look at the game.
167
510487
1858
हम खेल को कैसे देखते ये जरूर बदल सकता है
08:32
So there was this very exciting game a couple of years ago, in the NBA finals.
168
512369
3755
कुछ साल पहले NBA फ़ाइनल मे एक उत्तेजक मेच हुआ था
08:36
Miami was down by three, there was 20 seconds left.
169
516148
3207
मियामि तीन से पीछे था और सिर्फ 20 सेकन्ड्स बाकी थे
08:39
They were about to lose the championship.
170
519379
2025
वो लोग चैम्पियनशिप खोने ही वाले थे
08:41
A gentleman named LeBron James came up and he took a three to tie.
171
521428
3341
एक जेंटलमैन लमान लेब्रान जेम्स आया और उन्होँने तीन से टॅइ लिया
08:44
He missed.
172
524793
1198
वो छूट गया टीममेट
08:46
His teammate Chris Bosh got a rebound,
173
526015
1837
क्रिस बोश को पलटाव मिला उसने बाल
08:47
passed it to another teammate named Ray Allen.
174
527876
2159
को अपने दूसरे टीममेट रे अलेन को पास किया
08:50
He sank a three. It went into overtime.
175
530059
1919
उसने तीन मे डुबा दिया गेम अतिरिक्त समय मे चला गया
08:52
They won the game. They won the championship.
176
532002
2096
वो लोग गेम जीत गये और चैम्पियनशिप भी
08:54
It was one of the most exciting games in basketball.
177
534122
2444
वो बास्केट बाल की बहुत ही उत्तेजक मैचो मे से एक है
08:57
And our ability to know the shot probability for every player
178
537438
3429
और हर एक खिलाडी शाट खेलने की सँभावना हर एक पल और उसको हर
09:00
at every second,
179
540891
1188
एक पल रीबौंड मिलने की
09:02
and the likelihood of them getting a rebound at every second
180
542103
2956
सँभावना ये सब जानने की हमारी क्षमता आप की इस
09:05
can illuminate this moment in a way that we never could before.
181
545083
3443
पल को और भी याद्गार बनाने वाला था
09:09
Now unfortunately, I can't show you that video.
182
549618
2668
पर बद्किस्मती से मै वो वीडिओ आपको अभी नही दिखा सक्ता
09:12
But for you, we recreated that moment
183
552310
4493
लेकिन हम ने आप के लिये वो पल को पुनर-सृजन किया जो तीन
09:16
at our weekly basketball game about 3 weeks ago.
184
556827
2336
हफ्ते पहले जो हमारा साप्ताहिक बास्केट बाल मैच हुआ
09:19
(Laughter)
185
559279
2167
(हंसी)
09:21
And we recreated the tracking that led to the insights.
186
561573
3410
हम ने ट्रेकिंग का पुनर्निमाण किया जो हमेँ अँतरदृष्टि के ओर लेके गया
09:25
So, here is us. This is Chinatown in Los Angeles,
187
565199
4255
तो ये हम है ये एक पार्क चाइनाटाउन लास एंजेलस मे
09:29
a park we play at every week,
188
569478
1564
जहा हम हर हफ्ते खेलते हैँ
09:31
and that's us recreating the Ray Allen moment
189
571066
2231
और हमने रे अल्लेन मूमेंट को
09:33
and all the tracking that's associated with it.
190
573321
2229
और उसके साथ जुडी वो ट्राकिंग को भी पुनर-सृजन किया
09:36
So, here's the shot.
191
576772
1517
तो अब ये रहा शाट
09:38
I'm going to show you that moment
192
578313
2516
मै ये पल और उसकी सारी अनुभव आप को दिखाना
09:40
and all the insights of that moment.
193
580853
2587
चाहता हु
09:43
The only difference is, instead of the professional players, it's us,
194
583464
3730
और सिर्फ ये अंतर है कि पेशेवर खिलाडी की जगह यहा हम होँगे
09:47
and instead of a professional announcer, it's me.
195
587218
2618
और पेशेवर वाचक के बदले यहा मै रहूँगा
09:49
So, bear with me.
196
589860
1477
इसलिये थोडा सहन कीजिये(धीरज)
09:53
Miami.
197
593153
1150
मियामी
09:54
Down three.
198
594671
1150
तीन से पीछे
09:56
Twenty seconds left.
199
596107
1150
बीस सेकन्ड बाकी हैं
09:59
Jeff brings up the ball.
200
599385
1198
जेफ्फ बाल लाता है
10:02
Josh catches, puts up a three!
201
602656
1535
जोश कैच करता हैं, तीन पुट अप करता है
10:04
[Calculating shot probability]
202
604631
1849
शाट की सँभावना की गणना करने के बाद
10:07
[Shot quality]
203
607278
1150
शाट की शक्ति
10:09
[Rebound probability]
204
609048
1785
पलटाव की सँभावना
10:12
Won't go!
205
612373
1173
नही जायेगा
10:13
[Rebound probability]
206
613570
1446
पलटाव की सँभावना
10:15
Rebound, Noel.
207
615777
1256
पलटाव नोयेल
10:17
Back to Daria.
208
617057
1150
फिर से दारिया के पास
10:18
[Shot quality]
209
618509
3365
शाट की शक्ती
10:22
Her three-pointer -- bang!
210
622676
1620
उसका तीन पाइंटर- बांग
10:24
Tie game with five seconds left.
211
624320
2197
बराबर अंको पर गेम था पांच क्षण बच गये
10:26
The crowd goes wild.
212
626880
1618
क्राउड (भीड) पागल हो जाते हैं
10:28
(Laughter)
213
628522
1659
(हंसी)
10:30
That's roughly how it happened.
214
630205
1547
ये सब लग भग ऐसे हुआ था
10:31
(Applause)
215
631776
1151
(ताली)
10:32
Roughly.
216
632951
1175
लग भग
10:34
(Applause)
217
634150
1531
(ताली)
10:36
That moment had about a nine percent chance of happening in the NBA
218
636121
5484
ये पल को NBA मे लगभग नौ प्रतिशत मुमकिन होने की सँभावना है
10:41
and we know that and a great many other things.
219
641629
2261
और हम लोग और भी बडे बडे चाज जानते है
10:43
I'm not going to tell you how many times it took us to make that happen.
220
643914
3491
मै ये नही बतावूंगा उस पल को सँभव बनाने के लिये कितने बार लगा
10:47
(Laughter)
221
647429
1747
(हंसी)
10:49
Okay, I will! It was four.
222
649200
1872
चलो बता देता हू वो चार था
10:51
(Laughter)
223
651096
1001
(हंसी)
10:52
Way to go, Daria.
224
652121
1165
डारिया ,बहुत आगे जाओगे
10:53
But the important thing about that video
225
653647
4263
पर उस वीडिओ और वो हर पल, हर गेम का अंतर दृष्टि रखना
10:57
and the insights we have for every second of every NBA game -- it's not that.
226
657934
4568
इन सब का दूसरा मतलब है
11:02
It's the fact you don't have to be a professional team to track movement.
227
662639
3929
ये यदार्थ है कि उस पल की नजर रखने के लिये तुम्हे एक पेशेवर टीम होने की जरूरत नही
11:07
You do not have to be a professional player to get insights about movement.
228
667083
3657
गती की अनुभव करने के लिये तुम्हे एक पेशेवर खिलाडी होने की जरूरत नही
11:10
In fact, it doesn't even have to be about sports because we're moving everywhere.
229
670764
3858
असल मे वो तो खेल के बारे मे होने की भी जरूरत नही क्योँ कि हम हर जगह घूमते है
11:15
We're moving in our homes,
230
675654
2369
हम अपने घरोँ मे चलते है
11:21
in our offices,
231
681428
1205
अपने दफतर मे
11:24
as we shop and we travel
232
684238
2690
जब हम कुछ खरीदते हैं और जब हम यात्रा करते हैं
11:29
throughout our cities
233
689318
1253
हमारे सारे शहर में
11:32
and around our world.
234
692065
1618
और अपने आसपास की दुनिया मे भी घूमते
11:35
What will we know? What will we learn?
235
695270
2295
हम क्या जानते हैं? क्या समझते हैं?
11:37
Perhaps, instead of identifying pick-and-rolls,
236
697589
2305
शायद पिक-अँड-रोल्स को पहचानने के बदले
11:39
a machine can identify the moment and let me know
237
699918
3010
एक मशीन मेरी बेटी की पहला चरण लेने की पल को
11:42
when my daughter takes her first steps.
238
702952
2059
पहचान के मुझे बतायेगा
11:45
Which could literally be happening any second now.
239
705035
2536
जो कोई भी क्षण वास्तव में हो सकता है
11:48
Perhaps we can learn to better use our buildings, better plan our cities.
240
708140
3697
शायद हम भवन का सही उपयोग शहर का सही नक्शा बना सकते
11:52
I believe that with the development of the science of moving dots,
241
712362
4173
मुझे उम्मीद है कि बिँदु गति शास्त्र की व्याप्ति से
11:56
we will move better, we will move smarter, we will move forward.
242
716559
3643
हम लोग बेहतर तरीके से चतुराई से और आगे बड सकते है
12:00
Thank you very much.
243
720607
1189
धन्यवाद
12:01
(Applause)
244
721820
5045
(ताली)
इस वेबसाइट के बारे में

यह साइट आपको YouTube वीडियो से परिचित कराएगी जो अंग्रेजी सीखने के लिए उपयोगी हैं। आप दुनिया भर के शीर्षस्थ शिक्षकों द्वारा पढ़ाए जाने वाले अंग्रेजी पाठ देखेंगे। वहां से वीडियो चलाने के लिए प्रत्येक वीडियो पृष्ठ पर प्रदर्शित अंग्रेजी उपशीर्षक पर डबल-क्लिक करें। उपशीर्षक वीडियो प्लेबैक के साथ सिंक में स्क्रॉल करते हैं। यदि आपकी कोई टिप्पणी या अनुरोध है, तो कृपया इस संपर्क फ़ॉर्म का उपयोग करके हमसे संपर्क करें।

https://forms.gle/WvT1wiN1qDtmnspy7