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

Translator: Annamraju Lalitha Reviewer: Omprakash Bisen

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

मैं और मेरे साथी बिंदु गति शास्त्र से मंत्रमुग्ध हैं

So what are these dots?

असल मे ये बिंदु क्या है ?

Well, it's all of us.

ये हम सब लोग है

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

throughout our cities and around the world.

अपने शहर में और पूरी दुनिया मे घूमते है

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

अगर हम इस गति को समझ पाये तो कितना अच्छा होगा

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

अगर हम इसके स्वरूप और अर्थ ढूँढ पाते ?

And luckily for us, we live in a time

यह हमारा सौभाग्य है हम ऐसे समय जीते है

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

जहॉ हमारे बारे मे सुचना प्राप्त करने मे हम सफल है

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

हम अपने गति की सभी विवरण सेन्सर्स, वीडियो

we can track our movement with incredibly fine detail.

और एप्स द्वारा प्राप्त कर सकते है

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

तो यह पता चलता हैं कि जहाँ गति के बारे में सबसे ज्यादा आकड़े मिल सकते हैं

is sports.

वो खेल हैं

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

बास्केटबाल या बेसबाल फुटबाल या दूसरा फुटबाल हो

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

उपकरण से ह्मारे स्टेडियम्स और खिलाडियॉ से उनके

every fraction of a second.

गति के हर पल को ट्रैक कर रहे है

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

तो ह्म अपने खिलाडियो को

you probably guessed it --

हाँ आपने सही अंदाजा लगाया

moving dots.

गतिमान बिंदुओं मे बदल रहे है

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

हमारे पास चलती बिंदुओ का पहाड है और कच्चे आँकडॉ को

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

समझ पाना कठिन हैं और दिलचस्प नही

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

उदाहरणार्थ बास्केट्बाल कोच बहुत चीजेँ जानना चाहते हैं किंतु समस्या

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

ये हैं कि जानने के लिये उन्हेँ खेल के हर पल ध्यान देना होगा

of every game, remember it and process it.

याद करना होगा और उचित कारवाई करना होगा

And a person can't do that,

ये काम एक व्यक्ति नहीँ कर सकता

but a machine can.

बल्कि मशीन कर सकती है

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

लेकिन एक मशीन कोच के नजर से खेल को नही देख सकती

At least they couldn't until now.

अब तक तो नही

So what have we taught the machine to see?

तो हम मशीन को क्या देखने के लिये सिखाया

So, we started simply.

पहले आसान तरीके से शुरु किया

We taught it things like passes, shots and rebounds.

हम उसको पासेस शाट्स और रिबौंड्स जैसे चीज़ सिखाया

Things that most casual fans would know.

चीज जो साधारण दर्शक भी जानते है

And then we moved on to things slightly more complicated.

और फिर हम थोडी मुश्किल चीजोँ के ओर बढ गये

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

जैसे पोस्ट-अप्स पिक-अंड-रोल्स और आईसोलेश्न्स

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

और अगर आप इन्हेँ नहीँ जानते तो कोई बात नहीँ

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

अब हम वहां पहुँच गये जहाँ आज मशीन मुश्किल ईवेँट्स को समझती हैं

like down screens and wide pins.

जैसे डौन स्क्रींस और वाईड पिंस

Basically things only professionals know.

ये चीज मूल रूप से पेशेवर ही जानते हैँ

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

हम एक मशीन को कोच की नजर से देखना सिखाया

So how have we been able to do this?

हम यह कैसे कर पाये ?

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

यदि मै एक कोच को पिक-अंड-रोल्स के बारे मे वर्णन देने को कहने से

they would give me a description,

वे मुझे वर्णन दे सकते है

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

मै एंकोड करके एक अल्गोरित्म के रूप मे दे दू तो बहुत अच्छा होगा

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

पिक-अंड-रोल्स चार खिलाडियोँ के बीच एक नृत्य जैसा लगता हैँ जहाँ

two on offense and two on defense.

दो खिलाडी आक्रमण दो खिलाडी रक्षा करते हैँ

And here's kind of how it goes.

ऐसा चल रहा है

So there's the guy on offense without the ball

यहाँ एक खिलाड़ी आक्रमण मे बिना गेँद के है

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

गेँद और खिलाड़ी चलते है उस खिलाड़ी के पास जिस के पास गेँद है

and he kind of stays there

और खिलाडी रुकता है

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

दोनोँ चलते है टा-डा होता है यहीँ है पिक-अंड-रोल्

(Laughter)

(हंसी)

So that is also an example of a terrible algorithm.

यह भी कठिन अल्गोरित्म का एक उदाहरण है

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

यदि एक खिलाडी दखल देने से उसको कहते है स्क्रीनर

goes close by, but he doesn't stop,

बहुत करीब पहुँच कर रुके नहीँ तो

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

पिक-अंड-रोल् शायद नहीँ कह सकते है

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

यदि खिलाडी रुकता है लेकिन बहुत करीब नहीँ तो

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

पिक-अंड-रोल् शायद नहीँ कह सकते है

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

या बहुत करीब जाकर रुकने से लेकिन बास्केट के नीचे करने से

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

पिक-अंड-रोल् शायद नहीँ हो सकते है

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

या मैँ गलत हो सकता हूँ वे सब पिक-अंड-रोल् हो सकते है

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

ये सही वक्त, दुरी और स्थान पर निर्भर करता है

and that's what makes it hard.

और यही चीज उसको मुश्किल बनाता है

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

लेकिन मशीन की सहायता से हमारे सामर्थ्य से बढकर

to describe the things we know.

चीजोँ का विवरण दे सकते है

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

तो ये कैसे काम करता है ? ये एक उदाहरण से

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

हम मशीन के पास जाते और कहते " गुड मोर्निंग मशीन

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

इधर कुछ पिक-अंड-रोल्स है और इधर कुछ चीज वो नहीँ है

Please find a way to tell the difference."

उन दोनोँ के बीच अँतर बताने का रास्ता ढूँढो "

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

और जो लक्षण सबसे उसको अलग करते हो उसको पता करना ही असली सूत्र है

So if I was going to teach it the difference

इसलिए यदि मुझे उसको सेब और सँतरा मे

between an apple and orange,

अंतर सिखाना होता तो

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

मै उसको "रँग या आकार इस्तेमाल करने के लिए कहूँगा ?"

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

और हम जो समस्या को सुलझा रहे है वह ऐसे क्या चीज है

What are the key features

मूल लक्षण क्या है

that let a computer navigate the world of moving dots?

जो कम्प्यूटर को गतिमान बिँदु के दुनिया मे दिशा दिखा सकते है?

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

ये सारी सँबँधोँ के बीच दुरी समय गति के बारे मे रिलेटिव और आब्सोल्युट

distance, timing, velocities --

स्थान की कल्पना करना ही

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

असल मे बिँदु गति शास्त्र की सूत्र है या जैसे कि हम शैक्षिक भाषा मे

spatiotemporal pattern recognition, in academic vernacular.

स्पटियोटेँपोरल स्वरूप पहचान के नाम से जाना जाता है

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

पहले चीज यह हैं कि इसे सुनने में कठिन बनाना है

because it is.

क्योँकि यह कठिन है

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

एनबीए कोचेस के लिए पिक-अंड-रोल हुआ की नहीँ

whether a pick-and-roll happened or not.

ज्यादा मान्य नहीँ रखता

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

बल्कि कैसे हुआ जानना जरूरी मानते है

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

और ये उनको क्योँ आवश्यक है? एक उदाहरण प्रस्तुत करता हूँ

It turns out in modern basketball,

आधुनिक बास्केटबाल मे

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

शायद पिक-अंड-रोल की ही बहुत महत्वपूर्ण भूमिका है

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

समझना कि कैसे दौडना और समझना कि कैसे रक्षा करना

is basically a key to winning and losing most games.

मूल रूप से खेलोँ मे जीतने या हारने को प्रभावित करता है

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

ये नृत्य अलग अलग रूप मे है

and identifying the variations is really the thing that matters,

और इसको पहचानना ही असली चीज है

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

इसलिए ये सब बहुत ज्यादा अच्छा होना हमारे लिये जरूरी है

So, here's an example.

यहॉ एक उदाहरण है

There are two offensive and two defensive players,

वहॉ दो आक्रमिक खिलाडी दो रक्षा पँती के खिलाडी है

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

जो पिक-अंड-रोल नृत्य के लिए तैयार हो रहे है

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

खिलाडी जिस के पास गेँद है वह या तो ले सकता या छोड सकता

His teammate can either roll or pop.

उसके टीम के साथी या तो रोल या पाप कर सकते है

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

खिलाडी जो गेँद को रक्षा करता हैं वो या तो ऊपर से या नीचे से जा सकता

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

उसके टीम के साथी या तो शो या प्ले अप टु टच या प्ले साफ्ट

and together they can either switch or blitz

और मिलके उन लोग या तो स्विच या ब्लिट्ज़ कर सकते हैँ

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

और जब मैंने शुरू किया था ये सब मै नही जानता था

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

और यदि सब लोग उस तीरों के अनुसार चलने से कितना अच्छा होगा

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

यह हमारी जीवन को बहुत आसन बनाते बल्कि ये गति को बहुत अप्रिय बना देता है

People wiggle a lot and getting these variations identified

इस अलग रूप को सही सलामत पहचानना और याद करना लोगोँ

with very high accuracy,

के लिये बहुत कठिन परिश्रम

both in precision and recall, is tough

की आवश्यकता हैँ

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

क्योँकि यही जो चीज एक प्रोफेषनल कोच आप की नैपुण्यता को मान्य देता है

And despite all the difficulties with the right spatiotemporal features

और हम लोग काफी दुविधाएँ आने के पश्चात भी

we have been able to do that.

सही स्पषियोटेँपोरल लक्षण कर पाये

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

कोच्स हमारी मशीन की ये लक्षण पता कर ने की क्षमता पर बहुत उम्मीद रखते है

We're at the point where almost every single contender

हम वहा पहुँच गये जहाँ NBA चैम्पियनशिप के लगभग हर एक खिलाडी इस साल

for an NBA championship this year

हमारी साफ्ट्वेर इस्तेमाल कर रहे है

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

जो एक मशीन के ऊपर बनाया गया जो

the moving dots of basketball.

बास्केट्बाल की बिंदु गति को समझ्ता हैं

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

पर इतना ही नही हम ने जो सलाह दी उसने रणनीति को बदल दिया

that have helped teams win very important games,

जो टीम्स को जीतने मे मदद करता है

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

और ये बहुत ही उत्तेजक है क्योँकि जो कोचेस 30 साल से लीग मे है

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

वो एक मशीन से सलाह लेने के लिये तैयार है

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

और यह बहुत ही दिलचस्त और पिक-अंड-रोल से ज्यादा है

Our computer started out with simple things

हमारा कम्पुटर छोटे चीजोँ से शुरु किया

and learned more and more complex things

और बहुत ही जटिल चीजोँ को सीखा

and now it knows so many things.

और अब इसको बहुत चीज मालूम है

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

वो क्या करती है ये ज्यादातर मै नही समझता

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

और मुझसे चतुर होना भी कोई बडी बात नही

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

हमे आश्चर्य होता है क्या एक मशीन कोच से ज्यादा जान सकता?

Can it know more than person could know?

क्या वो एक आदमी से ज्यादा जान सकता?

And it turns out the answer is yes.

और हम लोगोँ को कहना पडेगा हाँ

The coaches want players to take good shots.

कोचेस चाहते हैँ खिलाडी अच्छे शाट ले

So if I'm standing near the basket

अगर मै बास्केट के पास हूँ

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

और मेरे आसपास कोई नही तो ये अच्छा शाट है

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

अगर मै बहुत दूर खडा हूँ और मेरे चारोँ तरफ रक्षा खिलाडी है तो वो गलत शाट है

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

लेकिन हम अभी तक ये नही जानते कि अच्छा कितना "अच्छा" था

Until now.

और बुरा कितना "बुरा" था

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

और हम लोग क्या करेँ फिरसे हर शाट को स्पाटियोटेँपोरल

we looked at every shot.

लक्षण द्वारा देखे

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

हम देख सकते : शाट किधर है? बास्केट तक क्या कोण है?

Where are the defenders standing? What are their distances?

रक्षा खिलाडी कहॉ खडे है? उनकी दुरी कितनी है?

What are their angles?

उनके कोण कितना है?

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

जहॉ ज्यादा रक्षा खिलाडी हो वहॉ देख सकते खिलाडी कैसे चल रहे और

and predict the shot type.

अंदाजा लगा सकते कौनसा शोट लगेगा

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

हम उनके रफ्तार को देख सकते है और एक नमूना तैयार कर सकते जो

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

इन परिस्थितियोँ मे ये शाट कहॉ तक जा सकता है इसका अंदाजा लगयेगा

So why is this important?

तो ये सब आवश्यक क्योँ है?

We can take something that was shooting,

ह्म शूटिँग को ले सकते, जो पहले एक चीज था

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

और उसको दो चीजोँ मे बदल दिये

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

शाट की गुणवत्ता और शूटर की गुणवत्ता

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

यहॉ एक बबल चार्ट देखिये क्योँकि बिना बबल चार्ट TED क्या है?

(Laughter)

(हंसी)

Those are NBA players.

ये बबल्स NBA खिलाडी हैँ

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

बबल का परिमाण खिलाडी का परिमाण है और रँग उसका स्थिति

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

शाट की सँभावना x-अक्ष मे है

People on the left take difficult shots,

लोग जो बाएँ तरफ है वो मुश्किल शाट लेते हैँ

on the right, they take easy shots.

जो दाएँ तरफ है आसन शाट लेते हैँ

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

y-अक्ष पर उनके शूटिँग के सामर्थ्य है

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

लोग जो अच्छे है वो ऊपर है जो बुरे वो नीचे है

So for example, if there was a player

इस तरह, पहले हम सिर्फ

who generally made 47 percent of their shots,

इतना ही जानते थे कि एक खिलाडी आम तौर पर

that's all you knew before.

47 प्रतिशत शाट्स बनाता था

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

पर आज मै ये कह सकता हू कि वो खिलाडी एक साधारण NBA

would make 49 percent of the time,

खिलाड़ी जो 49 प्रतिशत शाट्स लेता है उनसे

and they are two percent worse.

2 प्रतिशत बदतर है

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

ये बहुत ही जरूरी है क्योँ कि वहा ज्यादातर 47 प्रतिशत वाले है

And so it's really important to know

इसलिये ये जानना जरूरी है कि

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

अगर आप 100 मिलियन डालर्स 47 प्रतिशतवाले को देना चाहते है जो

is a good shooter who takes bad shots

एक अच्छा शूटर है लेकिन बुरा शाट लेता

or a bad shooter who takes good shots.

या बुरा शूटर है जो अच्छा शाट लेता

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

हमारी नजरिये को मशीन का नजरिया नही बदल सकता लेकिन

it changes how we look at the game.

हम खेल को कैसे देखते ये जरूर बदल सकता है

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

कुछ साल पहले NBA फ़ाइनल मे एक उत्तेजक मेच हुआ था

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

मियामि तीन से पीछे था और सिर्फ 20 सेकन्ड्स बाकी थे

They were about to lose the championship.

वो लोग चैम्पियनशिप खोने ही वाले थे

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

एक जेंटलमैन लमान लेब्रान जेम्स आया और उन्होँने तीन से टॅइ लिया

He missed.

वो छूट गया टीममेट

His teammate Chris Bosh got a rebound,

क्रिस बोश को पलटाव मिला उसने बाल

passed it to another teammate named Ray Allen.

को अपने दूसरे टीममेट रे अलेन को पास किया

He sank a three. It went into overtime.

उसने तीन मे डुबा दिया गेम अतिरिक्त समय मे चला गया

They won the game. They won the championship.

वो लोग गेम जीत गये और चैम्पियनशिप भी

It was one of the most exciting games in basketball.

वो बास्केट बाल की बहुत ही उत्तेजक मैचो मे से एक है

And our ability to know the shot probability for every player

और हर एक खिलाडी शाट खेलने की सँभावना हर एक पल और उसको हर

at every second,

एक पल रीबौंड मिलने की

and the likelihood of them getting a rebound at every second

सँभावना ये सब जानने की हमारी क्षमता आप की इस

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

पल को और भी याद्गार बनाने वाला था

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

पर बद्किस्मती से मै वो वीडिओ आपको अभी नही दिखा सक्ता

But for you, we recreated that moment

लेकिन हम ने आप के लिये वो पल को पुनर-सृजन किया जो तीन

at our weekly basketball game about 3 weeks ago.

हफ्ते पहले जो हमारा साप्ताहिक बास्केट बाल मैच हुआ

(Laughter)

(हंसी)

And we recreated the tracking that led to the insights.

हम ने ट्रेकिंग का पुनर्निमाण किया जो हमेँ अँतरदृष्टि के ओर लेके गया

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

तो ये हम है ये एक पार्क चाइनाटाउन लास एंजेलस मे

a park we play at every week,

जहा हम हर हफ्ते खेलते हैँ

and that's us recreating the Ray Allen moment

और हमने रे अल्लेन मूमेंट को

and all the tracking that's associated with it.

और उसके साथ जुडी वो ट्राकिंग को भी पुनर-सृजन किया

So, here's the shot.

तो अब ये रहा शाट

I'm going to show you that moment

मै ये पल और उसकी सारी अनुभव आप को दिखाना

and all the insights of that moment.

चाहता हु

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

और सिर्फ ये अंतर है कि पेशेवर खिलाडी की जगह यहा हम होँगे

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

और पेशेवर वाचक के बदले यहा मै रहूँगा

So, bear with me.

इसलिये थोडा सहन कीजिये(धीरज)

Miami.

मियामी

Down three.

तीन से पीछे

Twenty seconds left.

बीस सेकन्ड बाकी हैं

Jeff brings up the ball.

जेफ्फ बाल लाता है

Josh catches, puts up a three!

जोश कैच करता हैं, तीन पुट अप करता है

[Calculating shot probability]

शाट की सँभावना की गणना करने के बाद

[Shot quality]

शाट की शक्ति

[Rebound probability]

पलटाव की सँभावना

Won't go!

नही जायेगा

[Rebound probability]

पलटाव की सँभावना

Rebound, Noel.

पलटाव नोयेल

Back to Daria.

फिर से दारिया के पास

[Shot quality]

शाट की शक्ती

Her three-pointer -- bang!

उसका तीन पाइंटर- बांग

Tie game with five seconds left.

बराबर अंको पर गेम था पांच क्षण बच गये

The crowd goes wild.

क्राउड (भीड) पागल हो जाते हैं

(Laughter)

(हंसी)

That's roughly how it happened.

ये सब लग भग ऐसे हुआ था

(Applause)

(ताली)

Roughly.

लग भग

(Applause)

(ताली)

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

ये पल को NBA मे लगभग नौ प्रतिशत मुमकिन होने की सँभावना है

and we know that and a great many other things.

और हम लोग और भी बडे बडे चाज जानते है

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

मै ये नही बतावूंगा उस पल को सँभव बनाने के लिये कितने बार लगा

(Laughter)

(हंसी)

Okay, I will! It was four.

चलो बता देता हू वो चार था

(Laughter)

(हंसी)

Way to go, Daria.

डारिया ,बहुत आगे जाओगे

But the important thing about that video

पर उस वीडिओ और वो हर पल, हर गेम का अंतर दृष्टि रखना

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

इन सब का दूसरा मतलब है

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

ये यदार्थ है कि उस पल की नजर रखने के लिये तुम्हे एक पेशेवर टीम होने की जरूरत नही

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

गती की अनुभव करने के लिये तुम्हे एक पेशेवर खिलाडी होने की जरूरत नही

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

असल मे वो तो खेल के बारे मे होने की भी जरूरत नही क्योँ कि हम हर जगह घूमते है

We're moving in our homes,

हम अपने घरोँ मे चलते है

in our offices,

अपने दफतर मे

as we shop and we travel

जब हम कुछ खरीदते हैं और जब हम यात्रा करते हैं

throughout our cities

हमारे सारे शहर में

and around our world.

और अपने आसपास की दुनिया मे भी घूमते

What will we know? What will we learn?

हम क्या जानते हैं? क्या समझते हैं?

Perhaps, instead of identifying pick-and-rolls,

शायद पिक-अँड-रोल्स को पहचानने के बदले

a machine can identify the moment and let me know

एक मशीन मेरी बेटी की पहला चरण लेने की पल को

when my daughter takes her first steps.

पहचान के मुझे बतायेगा

Which could literally be happening any second now.

जो कोई भी क्षण वास्तव में हो सकता है

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

शायद हम भवन का सही उपयोग शहर का सही नक्शा बना सकते

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

मुझे उम्मीद है कि बिँदु गति शास्त्र की व्याप्ति से

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

हम लोग बेहतर तरीके से चतुराई से और आगे बड सकते है

Thank you very much.

धन्यवाद

(Applause)

(ताली)