The Math Behind Basketball's Wildest Moves | Rajiv Maheswaran | TED Talks
1,107,248 views ・ 2015-07-06
下の英語字幕をダブルクリックすると動画を再生できます。
翻訳: Tomoyuki Suzuki
校正: Masako Kigami
00:12
My colleagues and I are fascinated
by the science of moving dots.
0
12954
3583
私と研究仲間は
動く点の科学に魅せられています
00:16
So what are these dots?
1
16927
1150
これらの点は何でしょう?
00:18
Well, it's all of us.
2
18101
1287
全て我々自身です
00:19
And we're moving in our homes,
in our offices, as we shop and travel
3
19412
5085
我々は家の中 事務所の中を動き回り
街や世界中で
00:24
throughout our cities
and around the world.
4
24521
2066
買物や旅行をしています
00:26
And wouldn't it be great
if we could understand all this movement?
5
26958
3669
こんな動きを全て理解できたら
素晴らしいと思いませんか?
00:30
If we could find patterns and meaning
and insight in it.
6
30918
2890
ここにパターン、意味を見出し
洞察することができたら?
00:34
And luckily for us, we live in a time
7
34259
1785
幸運なことにも 我々は
00:36
where we're incredibly good
at capturing information about ourselves.
8
36068
4497
自分達自身の情報を実に上手く
取得できる時代に生きています
00:40
So whether it's through
sensors or videos, or apps,
9
40807
3663
それがセンサー、ビデオ または
アプリであろうとも
00:44
we can track our movement
with incredibly fine detail.
10
44494
2809
見事なほど詳細に
動きを追跡することができます
00:48
So it turns out one of the places
where we have the best data about movement
11
48092
5032
そんな動きを得るのに最適なのが
00:53
is sports.
12
53148
1208
スポーツです
00:54
So whether it's basketball or baseball,
or football or the other football,
13
54682
5333
バスケ、野球、サッカーやフットサルであれ
01:00
we're instrumenting our stadiums
and our players to track their movements
14
60039
4402
競技場に装置を取り付け
選手の動きを1秒にも満たない間隔で
01:04
every fraction of a second.
15
64465
1313
撮影し追跡します
01:05
So what we're doing
is turning our athletes into --
16
65802
4382
そう 我々がやっていることは
スポーツ選手を
01:10
you probably guessed it --
17
70208
1959
-皆さんがご想像されるとおり-
01:12
moving dots.
18
72191
1396
動く点へと変換することです
01:13
So we've got mountains of moving dots
and like most raw data,
19
73946
4934
他の生データと同様に
膨大な数の動く点を取得します
01:18
it's hard to deal with
and not that interesting.
20
78904
2502
取り扱いは面倒で
面白い作業ではありません
01:21
But there are things that, for example,
basketball coaches want to know.
21
81430
3769
でも選手の動きには 例えばバスケのコーチが
知りたいものが含まれています
01:25
And the problem is they can't know them
because they'd have to watch every second
22
85223
3810
問題はコーチが 各ゲームを逐次観察し
それを記憶し分析することが
01:29
of every game, remember it and process it.
23
89057
2589
不可能であるということです
01:31
And a person can't do that,
24
91804
1930
1人の人間には不可能であっても
01:33
but a machine can.
25
93758
1310
機械になら出来ます
01:35
The problem is a machine can't see
the game with the eye of a coach.
26
95661
3410
問題は機械がコーチの様な視点を持って
ゲームを見ることができないことです
01:39
At least they couldn't until now.
27
99363
2261
いや 少なくとも今までは不可能でした
01:42
So what have we taught the machine to see?
28
102228
2103
では我々は機械に
何を学習させたのでしょう?
01:45
So, we started simply.
29
105569
1787
単純な方法で始めました
01:47
We taught it things like passes,
shots and rebounds.
30
107380
3799
パス、シュートやリバウンドを
教えました
01:51
Things that most casual fans would know.
31
111203
2541
バスケファンならご存知ですよね?
01:53
And then we moved on to things
slightly more complicated.
32
113768
2832
次にもう少しだけ複雑なことに
取り組みました
01:56
Events like post-ups,
and pick-and-rolls, and isolations.
33
116624
4588
ポストアップ、ピックアンドロールや
アイソレーションなどです
02:01
And if you don't know them, that's okay.
Most casual players probably do.
34
121377
3543
選手なら大抵知っていることですが
ご存じなくても問題ありません
02:05
Now, we've gotten to a point where today,
the machine understands complex events
35
125560
5340
そして 今では機械はダウン・スクリーンや
02:10
like down screens and wide pins.
36
130924
3073
ワイド・ピンといったプレイも
把握できるようになりました
02:14
Basically things only professionals know.
37
134021
2726
基本的に
プロだけが知っているプレイです
02:16
So we have taught a machine to see
with the eyes of a coach.
38
136771
4388
機械にはコーチの視点で見るように
学習させました
02:22
So how have we been able to do this?
39
142009
1857
どうやって出来たのでしょう?
02:24
If I asked a coach to describe
something like a pick-and-roll,
40
144511
3118
コーチにピックアンドロールについて
説明を求めれば
02:27
they would give me a description,
41
147653
1640
解説してくれたことでしょうが
02:29
and if I encoded that as an algorithm,
it would be terrible.
42
149317
2856
それをアルゴリズムに組込むのは
至難の業です
02:33
The pick-and-roll happens to be this dance
in basketball between four players,
43
153026
4278
ピックアンドロールとは
4人で行う2対2の攻防戦での
02:37
two on offense and two on defense.
44
157328
1912
こういったダンスのような動きです
02:39
And here's kind of how it goes.
45
159486
1618
このように動いていきます
02:41
So there's the guy on offense
without the ball
46
161128
2533
スクリナー(ディフェンスをガードする選手)が
02:43
the ball and he goes next to the guy
guarding the guy with the ball,
47
163685
3209
ボールマンのディフェンスの横に行き
02:46
and he kind of stays there
48
166918
1257
ずっとガードするのです
02:48
and they both move and stuff happens,
and ta-da, it's a pick-and-roll.
49
168199
3317
そして2人が動き こうなります ジャーン!
これがピックアンドロールです
02:51
(Laughter)
50
171540
2215
(笑)
02:53
So that is also an example
of a terrible algorithm.
51
173779
2508
アルゴリズム化が困難な例です
02:56
So, if the player who's the interferer --
he's called the screener --
52
176913
4204
スクリナーが邪魔をするのですが
03:01
goes close by, but he doesn't stop,
53
181278
2872
近づいても 停止しなければ
03:04
it's probably not a pick-and-roll.
54
184174
1765
おそらくピックアンドロールでは
ありません
03:06
Or if he does stop,
but he doesn't stop close enough,
55
186560
3945
逆に 停止しても
十分に近づかなければ
03:10
it's probably not a pick-and-roll.
56
190529
1761
ピックアンドロールとは
ならないでしょう
03:12
Or, if he does go close by
and he does stop
57
192642
3237
近づいて停止しても
03:15
but they do it under the basket,
it's probably not a pick-and-roll.
58
195903
3324
リングの下では
ピックアンドロールにはならないでしょう
03:19
Or I could be wrong,
they could all be pick-and-rolls.
59
199462
2524
私の間違いで何れも
ピックアンドロールかもしれません
03:22
It really depends on the exact timing,
the distances, the locations,
60
202010
4568
正確なタイミング、距離と場所に
依存するので
03:26
and that's what makes it hard.
61
206602
1495
判断を難しくしています
03:28
So, luckily, with machine learning,
we can go beyond our own ability
62
208579
4944
幸いにも機械学習では
我々が知っていることの記述を
03:33
to describe the things we know.
63
213547
1743
我々の限界以上にこなします
03:35
So how does this work?
Well, it's by example.
64
215314
2280
どのように?
例をお見せしましょう
03:37
So we go to the machine and say,
"Good morning, machine.
65
217759
2830
機械に向かって言います
「おはよう 機械君
03:41
Here are some pick-and-rolls,
and here are some things that are not.
66
221077
3359
ここにピックアンドロールと
そうでないものが あるんだ
03:44
Please find a way to tell the difference."
67
224720
2252
違いを見分けてごらん」
03:47
And the key to all of this is to find
features that enable it to separate.
68
227076
3707
この問題を解く鍵は
判別を可能とする特徴を捉えることです
03:50
So if I was going
to teach it the difference
69
230807
2109
りんごとみかんの違いを
03:52
between an apple and orange,
70
232940
1381
学習させるならば
03:54
I might say, "Why don't you
use color or shape?"
71
234345
2375
「色と形に注目してみたら?」
と言うことでしょう
03:56
And the problem that we're solving is,
what are those things?
72
236744
2943
我々が解決すべき問題は
違いが何かということです
03:59
What are the key features
73
239711
1247
コンピューターが
04:00
that let a computer navigate
the world of moving dots?
74
240982
3499
動く点を追跡する時に
鍵となる特徴とは何でしょうか?
04:04
So figuring out all these relationships
with relative and absolute location,
75
244505
4823
相対的 絶対的な位置、距離、タイミング
それに速度といった
04:09
distance, timing, velocities --
76
249352
1909
全ての情報を把握すること
04:11
that's really the key to the science
of moving dots, or as we like to call it,
77
251440
4928
それこそが 動く点の科学の神髄です
04:16
spatiotemporal pattern recognition,
in academic vernacular.
78
256392
3344
「時空パターン認識」という専門用語を
使うのが適切です
04:19
Because the first thing is,
you have to make it sound hard --
79
259925
2898
初めての言葉ですから
舌を噛むかもしれません
04:22
because it is.
80
262847
1278
こんな言葉ですから
04:24
The key thing is, for NBA coaches,
it's not that they want to know
81
264410
3141
ポイントはNBAのコーチにとっての関心は
ピックアンドロールが
04:27
whether a pick-and-roll happened or not.
82
267575
1922
あったかどうかでは無く
どのようにして
04:29
It's that they want to know
how it happened.
83
269521
2076
そのプレイが起きたかということです
04:31
And why is it so important to them?
So here's a little insight.
84
271621
2986
なぜ 重要なのでしょう?
少し掘り下げてみましょう
04:34
It turns out in modern basketball,
85
274631
1771
現代のバスケットボールでは
04:36
this pick-and-roll is perhaps
the most important play.
86
276426
2539
ピックアンドロールは
おそらく最も重要なプレイです
04:39
And knowing how to run it,
and knowing how to defend it,
87
279065
2620
どうやって仕掛け
これをどうディフェンスするのかで
04:41
is basically a key to winning
and losing most games.
88
281709
2670
基本的に多くのゲームで勝敗を左右します
04:44
So it turns out that this dance
has a great many variations
89
284403
3801
だから この動きには
様々なバリエーションがあり
04:48
and identifying the variations
is really the thing that matters,
90
288228
3648
バリエーションを理解することが
とても重要です
04:51
and that's why we need this
to be really, really good.
91
291900
2529
ですから
この装置がとても重宝します
04:55
So, here's an example.
92
295228
1176
例をお見せします
04:56
There are two offensive
and two defensive players,
93
296428
2379
2対2の攻防戦で
04:58
getting ready to do
the pick-and-roll dance.
94
298831
2152
ピックアンドロールをしようとしています
05:01
So the guy with ball
can either take, or he can reject.
95
301007
2683
ボールマンの動きには
テイクとリジェクトがあり
05:04
His teammate can either roll or pop.
96
304086
3001
スクリナーには
ロールとポップがあります
05:07
The guy guarding the ball
can either go over or under.
97
307111
2986
一方ボールマンのディフェンスは
オーバーかアンダーをし
05:10
His teammate can either show
or play up to touch, or play soft
98
310121
4565
スクリナーのディフェンスは
ショウかアップツータッチかソフトをします
05:14
and together they can
either switch or blitz
99
314710
2618
またディフェンスが一緒になって
スイッチやブリッズをします
05:17
and I didn't know
most of these things when I started
100
317352
2659
始めの頃は こういったことについて
知りませんでした
05:20
and it would be lovely if everybody moved
according to those arrows.
101
320035
3920
このような矢印通りに動いてくれれば簡単で
05:23
It would make our lives a lot easier,
but it turns out movement is very messy.
102
323979
3905
理解しやすいことでしょう
でも実際の動きはとても複雑です
05:28
People wiggle a lot and getting
these variations identified
103
328047
5484
選手はくねくねと複雑に動くので
プレイのバリエーションを
05:33
with very high accuracy,
104
333555
1303
正確に把握すること-
05:34
both in precision and recall, is tough
105
334882
1868
精度良く プレイを再現することは困難です
05:36
because that's what it takes to get
a professional coach to believe in you.
106
336774
3618
だから コーチは人間の判断力を
信用することになります
05:40
And despite all the difficulties
with the right spatiotemporal features
107
340416
3380
時空パターン認識には
このような困難がありますが
05:43
we have been able to do that.
108
343820
1474
我々は解析に成功しました
05:45
Coaches trust our ability of our machine
to identify these variations.
109
345318
3927
コーチたちは我々の機械の
プレイ認識能力を信頼しています
05:49
We're at the point where
almost every single contender
110
349478
3533
今年に至っては NBAリーグの
05:53
for an NBA championship this year
111
353035
1623
ほぼ全てのチームが
05:54
is using our software, which is built
on a machine that understands
112
354682
4408
バスケットボールの動く点を
追跡する機械に搭載された
05:59
the moving dots of basketball.
113
359114
1634
ソフトを利用しています
06:01
So not only that, we have given advice
that has changed strategies
114
361872
5153
それだけでなく
とても大切な試合に勝利するための
06:07
that have helped teams win
very important games,
115
367049
3352
戦略変更を
我々はアドバイスすることができました
06:10
and it's very exciting because you have
coaches who've been in the league
116
370425
3732
これはとてもワクワクすることです
30年もの間 リーグに在籍してきた
06:14
for 30 years that are willing to take
advice from a machine.
117
374181
3067
コーチたちが 機械による
アドバイスを受け入れるのですから
06:17
And it's very exciting,
it's much more than the pick-and-roll.
118
377874
2906
ピックアンドロールを超えたことも
素晴らしことです
06:20
Our computer started out
with simple things
119
380804
2076
コンピューターは
簡単なことから始め
06:22
and learned more and more complex things
120
382904
2064
もっともっと複雑なことを学習し
06:24
and now it knows so many things.
121
384992
1561
今や多くの事を把握しています
06:26
Frankly, I don't understand
much of what it does,
122
386577
2835
正直言えば 私自身は
学習内容を殆ど理解していませんが
06:29
and while it's not that special
to be smarter than me,
123
389436
3715
私より賢いなんて
特別なことではありません
06:33
we were wondering,
can a machine know more than a coach?
124
393175
3644
こう思ったことがあります
機械はコーチを超えられるか?
06:36
Can it know more than person could know?
125
396843
2055
人間以上に知り得るか?
06:38
And it turns out the answer is yes.
126
398922
1745
今や その答えは「イエス」です
06:40
The coaches want players
to take good shots.
127
400691
2557
コーチはシュートを上手く放つ
選手を欲しがります
06:43
So if I'm standing near the basket
128
403272
1651
私がゴールの近くにいて
06:44
and there's nobody near me,
it's a good shot.
129
404947
2166
近くに誰もいなければ
シュートを決めやすく
06:47
If I'm standing far away surrounded
by defenders, that's generally a bad shot.
130
407137
3940
逆に ゴールから遠く 敵に囲まれていれば
シュートを決めるのが難しくなります
06:51
But we never knew how good "good" was,
or how bad "bad" was quantitatively.
131
411101
4876
しかし シュートの良し悪しの程度を
定量的に判断できませんでした
06:56
Until now.
132
416209
1150
今までは です
06:57
So what we can do, again,
using spatiotemporal features,
133
417771
3058
ここで時空パターン認識の
再登場です
07:00
we looked at every shot.
134
420853
1374
各シュートを分析しました
07:02
We can see: Where is the shot?
What's the angle to the basket?
135
422251
3005
調べることは「シュートの場所は?
リングとの角度は?
07:05
Where are the defenders standing?
What are their distances?
136
425280
2762
ディフェンスの位置は?
その距離は?
07:08
What are their angles?
137
428066
1331
立っている角度は?」などです
07:09
For multiple defenders, we can look
at how the player's moving
138
429421
2977
複数のディフェンダーがいる時も
選手の動きを追って
07:12
and predict the shot type.
139
432422
1433
シュートのタイプを予測できます
07:13
We can look at all their velocities
and we can build a model that predicts
140
433879
4074
選手の速度から
このような状況下で
07:17
what is the likelihood that this shot
would go in under these circumstances?
141
437977
4052
どのようなシュートが放たれるかという
予測モデルを構築できます
07:22
So why is this important?
142
442188
1500
なぜ これが重要なのでしょう?
07:24
We can take something that was shooting,
143
444102
2803
シュートについて解析してみます
07:26
which was one thing before,
and turn it into two things:
144
446929
2680
かつては一元的なものでしたが
今は2つの因子に分解します
07:29
the quality of the shot
and the quality of the shooter.
145
449633
2651
シュートの質と
シューターの質です
07:33
So here's a bubble chart,
because what's TED without a bubble chart?
146
453680
3262
このバブル・チャートをご覧ください
TEDには不可欠ですよね?
07:36
(Laughter)
147
456966
1014
(笑)
07:38
Those are NBA players.
148
458004
1311
各点はNBAの選手です
07:39
The size is the size of the player
and the color is the position.
149
459339
3120
点の大きさは選手の大きさ
色はポジションを表しています
07:42
On the x-axis,
we have the shot probability.
150
462483
2132
横軸は シュートの成功可能性で
07:44
People on the left take difficult shots,
151
464639
1953
左に行けば難易度が上がり
07:46
on the right, they take easy shots.
152
466616
2229
右に行けば難易度が下がります
07:49
On the [y-axis] is their shooting ability.
153
469194
2057
縦軸は 選手のシュート能力です
07:51
People who are good are at the top,
bad at the bottom.
154
471275
2562
上に行くほど良い選手で
下の方は その逆です
07:53
So for example, if there was a player
155
473861
1760
例えば 通常47%の確率で
07:55
who generally made
47 percent of their shots,
156
475621
2097
シュートを成功させる選手がいるとします
07:57
that's all you knew before.
157
477718
1389
以前なら これが情報の全てです
07:59
But today, I can tell you that player
takes shots that an average NBA player
158
479345
4850
でも今なら NBAの平均的な選手なら
49%の確率で成功させるシュートを
08:04
would make 49 percent of the time,
159
484219
1961
この選手は2%低くさせると
いうことができます
08:06
and they are two percent worse.
160
486204
1684
この選手は2%低くさせると
いうことができます
08:08
And the reason that's important
is that there are lots of 47s out there.
161
488266
4515
47%といっても様々な組み合わせが
あることが重要です
08:13
And so it's really important to know
162
493714
2549
47%の数字をたたき出す
08:16
if the 47 that you're considering
giving 100 million dollars to
163
496287
3956
100億円プレイヤーの獲得を
考えるのならば
08:20
is a good shooter who takes bad shots
164
500267
3055
難しいシュートを成功させる選手なのか
シュートの質は低くても
08:23
or a bad shooter who takes good shots.
165
503346
2397
チャンスの高いシュートを放つ
選手なのかは重要な要素です
08:27
Machine understanding doesn't just change
how we look at players,
166
507130
3333
機械学習では
選手の見方は変わりませんが
08:30
it changes how we look at the game.
167
510487
1858
試合の見方が変わります
08:32
So there was this very exciting game
a couple of years ago, in the NBA finals.
168
512369
3755
数年前NBAのファイナルで
大いに盛り上がった試合がありました
08:36
Miami was down by three,
there was 20 seconds left.
169
516148
3207
3点を追うマイアミ
後り時間は20秒
08:39
They were about to lose the championship.
170
519379
2025
シリーズの敗北が目前でした
08:41
A gentleman named LeBron James
came up and he took a three to tie.
171
521428
3341
レブロン・ジェームズという選手が
同点となる3点シュートを放つも
08:44
He missed.
172
524793
1198
外れました
08:46
His teammate Chris Bosh got a rebound,
173
526015
1837
クリス・ボッシュ選手が
リバウンドに入り
08:47
passed it to another teammate
named Ray Allen.
174
527876
2159
レイ・アレン選手にパス
そのアレン選手が
08:50
He sank a three. It went into overtime.
175
530059
1919
3点シュートを沈め
延長戦に入りました
08:52
They won the game.
They won the championship.
176
532002
2096
結局試合に勝利し
ファイナルを制しました
08:54
It was one of the most exciting
games in basketball.
177
534122
2444
史上 もっともエキサイティングな
試合の1つでした
08:57
And our ability to know
the shot probability for every player
178
537438
3429
各選手の 各瞬間における
09:00
at every second,
179
540891
1188
シュート成功率や
09:02
and the likelihood of them getting
a rebound at every second
180
542103
2956
各瞬間にリバウンドを取る確率が分かると
09:05
can illuminate this moment in a way
that we never could before.
181
545083
3443
この場面を まったく新しい見方で
捉えられます
09:09
Now unfortunately,
I can't show you that video.
182
549618
2668
残念ながらその時のビデオを
お見せできませんが
09:12
But for you, we recreated that moment
183
552310
4493
3週間ほど前に
我々がプレイしている週例の試合の時に
09:16
at our weekly basketball game
about 3 weeks ago.
184
556827
2336
皆さんのために
そのプレイを再現しました
09:19
(Laughter)
185
559279
2167
(笑)
09:21
And we recreated the tracking
that led to the insights.
186
561573
3410
分析を行った選手の動きを再現しました
09:25
So, here is us.
This is Chinatown in Los Angeles,
187
565199
4255
これは私たちです
ここは毎週プレイしているロスアンジェルスの
09:29
a park we play at every week,
188
569478
1564
チャイナタウンにある公園です
09:31
and that's us recreating
the Ray Allen moment
189
571066
2231
レイ・アランのあのプレイを
再現しています
09:33
and all the tracking
that's associated with it.
190
573321
2229
全てが あのプレイの
追跡データのとおりです
09:36
So, here's the shot.
191
576772
1517
そしてシュート
09:38
I'm going to show you that moment
192
578313
2516
その瞬間と解析結果を
09:40
and all the insights of that moment.
193
580853
2587
お見せします
09:43
The only difference is, instead
of the professional players, it's us,
194
583464
3730
違いは プロの選手ではなく
私たちであり
09:47
and instead of a professional
announcer, it's me.
195
587218
2618
アナウンスもプロでなく私がしますので
09:49
So, bear with me.
196
589860
1477
我慢してお付き合いください
09:53
Miami.
197
593153
1150
3点を追うマイアミ
09:54
Down three.
198
594671
1150
3点を追うマイアミ
09:56
Twenty seconds left.
199
596107
1150
残り20秒
09:59
Jeff brings up the ball.
200
599385
1198
ジェフのドリブル
10:02
Josh catches, puts up a three!
201
602656
1535
ジョシュにパスを回し
3点シュート
10:04
[Calculating shot probability]
202
604631
1849
[ シュート成功率を計算中 ]
10:07
[Shot quality]
203
607278
1150
[ シュートの質 ]
10:09
[Rebound probability]
204
609048
1785
[ リバウンドの確率 ]
10:12
Won't go!
205
612373
1173
失敗!
10:13
[Rebound probability]
206
613570
1446
[ リバウンドの確率 ]
10:15
Rebound, Noel.
207
615777
1256
ノエルがリバウンドし
10:17
Back to Daria.
208
617057
1150
ダリアにパス
10:18
[Shot quality]
209
618509
3365
[ シュートの質 ]
10:22
Her three-pointer -- bang!
210
622676
1620
3点シュートが決まった!
10:24
Tie game with five seconds left.
211
624320
2197
残り5秒で同点に
10:26
The crowd goes wild.
212
626880
1618
観衆は大興奮
10:28
(Laughter)
213
628522
1659
(笑)
10:30
That's roughly how it happened.
214
630205
1547
こんな感じのプレイでした
10:31
(Applause)
215
631776
1151
(拍手)
10:32
Roughly.
216
632951
1175
だいたいこんな感じです
10:34
(Applause)
217
634150
1531
(拍手)
10:36
That moment had about a nine percent
chance of happening in the NBA
218
636121
5484
NBAだったら あれが成功する確率は
9%程度です
10:41
and we know that
and a great many other things.
219
641629
2261
そういったことを知ることができます
10:43
I'm not going to tell you how many times
it took us to make that happen.
220
643914
3491
このプレイの再現に
何回費やしたかは秘密です
10:47
(Laughter)
221
647429
1747
(笑)
10:49
Okay, I will! It was four.
222
649200
1872
いいですよ お教えます!
4回でした
10:51
(Laughter)
223
651096
1001
(笑)
10:52
Way to go, Daria.
224
652121
1165
ダリア お見事!
10:53
But the important thing about that video
225
653647
4263
しかし こんなビデオ映像や
NBAの各試合の
10:57
and the insights we have for every second
of every NBA game -- it's not that.
226
657934
4568
各瞬間の分析そのものが
重要だというのではなく
11:02
It's the fact you don't have to be
a professional team to track movement.
227
662639
3929
動きを追跡するのに
専門家チームが必要ではなく
11:07
You do not have to be a professional
player to get insights about movement.
228
667083
3657
動作を解析するのに
専門家である必要がないという事実です
11:10
In fact, it doesn't even have to be about
sports because we're moving everywhere.
229
670764
3858
さらには スポーツに限る必要はありません
我々はいつでも どこでも動いています
11:15
We're moving in our homes,
230
675654
2369
家の中でも 動いています
11:21
in our offices,
231
681428
1205
オフィスでも
11:24
as we shop and we travel
232
684238
2690
買物したり 旅行したり
11:29
throughout our cities
233
689318
1253
街の中
11:32
and around our world.
234
692065
1618
世界中を動き回っています
11:35
What will we know? What will we learn?
235
695270
2295
何を知り 何を学べるでしょう?
11:37
Perhaps, instead of identifying
pick-and-rolls,
236
697589
2305
ピックアンドロールの代わりに
11:39
a machine can identify
the moment and let me know
237
699918
3010
機械はおそらく
私の娘が最初の一歩を歩み出すときに
11:42
when my daughter takes her first steps.
238
702952
2059
動きを捉え
私に知らせてくれることでしょう
11:45
Which could literally be happening
any second now.
239
705035
2536
文字通り いつにでも起こりうることです
11:48
Perhaps we can learn to better use
our buildings, better plan our cities.
240
708140
3697
建物や街のデザインを良くするのにも
利用できるでしょう
11:52
I believe that with the development
of the science of moving dots,
241
712362
4173
動く点の科学を進歩させることによって
11:56
we will move better, we will move smarter,
we will move forward.
242
716559
3643
より良いスマートな動きができるようになり
進歩するものと信じています
12:00
Thank you very much.
243
720607
1189
どうも有難うございました
12:01
(Applause)
244
721820
5045
(拍手)
New videos
Original video on YouTube.com
このウェブサイトについて
このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。