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

Tłumaczenie: Michal Czapelka Korekta: Rysia Wand

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

Ja i moi koledzy fascynujemy się nauką o punktach w ruchu.

So what are these dots?

Czym są te punkty?

Well, it's all of us.

Każdym z nas.

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

Przemieszczamy się w domach, biurach, podczas zakupów i podróży,

throughout our cities and around the world.

w miastach i dookoła świata.

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

Czy nie byłoby świetnie zrozumieć ten ruch?

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

Poznać jego schematy i głębszy sens?

And luckily for us, we live in a time

Na szczęście żyjemy w czasach,

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

w których łatwo można rejestrować informacje o sobie.

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

Dzięki sensorom, filmom czy aplikacjom

we can track our movement with incredibly fine detail.

można śledzić ruch z bardzo dużą dokładnością.

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

Okazuje się, że dziedziną, w której mamy najwięcej danych o ruchu,

is sports.

jest sport.

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

Czy to koszykówka, baseball, piłka nożna czy inny sport,

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

montujemy na stadionach i graczach urządzenia do rejestracji ruchu

every fraction of a second.

w każdym ułamku sekundy.

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

Zamieniamy więc sportowców w...

you probably guessed it --

...już pewnie wiecie...

moving dots.

...ruchome punkty.

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

Mnóstwo ruchomych punktów, jak większość surowych danych,

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

jest mało interesujące i trudno je zrozumieć.

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

Niektóre przydałyby się na przykład trenerowi koszykówki,

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

ale musiałby wtedy obejrzeć każdą sekundę każdej gry,

of every game, remember it and process it.

zapamiętać ją i opracować.

And a person can't do that,

Człowiek tego nie potrafi,

but a machine can.

ale maszyna może.

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

Niestety maszyna nie może oglądać gry okiem trenera.

At least they couldn't until now.

Przynajmniej tak było dotychczas.

So what have we taught the machine to see?

Jak nauczyliśmy maszynę widzieć?

So, we started simply.

Zaczęliśmy banalnie.

We taught it things like passes, shots and rebounds.

Nauczyliśmy ją podań, rzutów i zbiórek.

Things that most casual fans would know.

Rzeczy, które zna większość fanów.

And then we moved on to things slightly more complicated.

Następnie przeszliśmy do rzeczy bardziej skomplikowanych.

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

Podań pod kosz, zasłon i odcięć.

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

Jeśli ich nie znasz, nie szkodzi. Większość graczy je kojarzy.

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

Dzisiejsza maszyna rozumie złożone zagrania,

like down screens and wide pins.

na przykład szerokie zasłony przy liniach końcowych.

Basically things only professionals know.

Rzeczy znane tylko profesjonalistom.

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

Nauczyliśmy maszynę patrzeć oczami trenera.

So how have we been able to do this?

Jak to zrobiliśmy?

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

Poproszony o wyjaśnienie zasłony

they would give me a description,

trener podałby mi opis,

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

z którego powstałby raczej mizerny algorytm.

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

Zasłona w koszykówce to taniec między czterema graczami,

two on offense and two on defense.

dwoma w ataku i dwoma w obronie.

And here's kind of how it goes.

Tak to mniej więcej wygląda.

So there's the guy on offense without the ball

Mamy atakującego bez piłki,

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

który podbiega do gracza kryjącego gracza z piłką

and he kind of stays there

i tam się zatrzymuje,

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

obaj się ruszają, coś się dzieje i - ta-dam! - mamy zasłonę.

(Laughter)

(Śmiech)

So that is also an example of a terrible algorithm.

To jest właśnie przykład mizernego algorytmu.

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

Jeśli blokujący gracz nazywany zasłaniającym

goes close by, but he doesn't stop,

zbliża się do obrońcy, ale się nie zatrzymuje,

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

to pewnie nie jest zasłona.

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

Lub jeśli się zatrzymuje, ale nie dość blisko,

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

to też może nie być zasłona.

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

Lub jeśli zatrzymuje się blisko,

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

ale robi to pod koszem, to raczej też nie zasłona.

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

Albo się mylę i to wszystko są zasłony.

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

To zależy od danego momentu w grze, odległości, pozycji graczy

and that's what makes it hard.

i dlatego jest to takie trudne.

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

Na szczęście uczenie maszynowe pozwala

to describe the things we know.

lepiej opisywać znane nam rzeczy.

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

Jak to działa? Dam wam przykład.

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

Znajdujemy maszynę i mówimy: "Dzień dobry maszyno.

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

To są zasłony, a to nie.

Please find a way to tell the difference."

Naucz się je rozróżniać".

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

Najważniejsze są tu właściwości umożliwiające rozróżnienie.

So if I was going to teach it the difference

Jeśli miałbym nauczyć maszynę

between an apple and orange,

różnicy między jabłkiem, a pomarańczą

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

powiedziałbym: "Skup się na kolorze i kształcie".

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

Naszym zadaniem jest odnalezienie takich właściwości.

What are the key features

Które z nich

that let a computer navigate the world of moving dots?

ułatwią maszynie zrozumienie świata poruszających się punktów?

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

Poznanie zależności między względnymi i bezwzględnymi pozycjami,

distance, timing, velocities --

odległościami, czasem i prędkością

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

jest kluczowe w nauce o punktach w ruchu, nazywanej przez nas w języku akademickim

spatiotemporal pattern recognition, in academic vernacular.

rozpoznawaniem schematów czasoprzestrzennych.

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

Nazwa musi być skomplikowana, bo sama dziedzina

because it is.

jest właśnie taka.

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

Trenerzy NBA nie chcą wiedzieć, czy dane zagranie

whether a pick-and-roll happened or not.

to była zasłona czy nie.

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

Chcą wiedzieć, jak do zagrania doszło.

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

Dlaczego to dla nich takie ważne? Podpowiem wam.

It turns out in modern basketball,

W dzisiejszej w koszykówce

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

zasłona to jedno z najważniejszych zagrań.

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

Wiedza, jak je wykonać i jak się przed nim bronić,

is basically a key to winning and losing most games.

decyduje w zasadzie o wygranej.

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

Okazuje się, że ten taniec ma wiele odmian

and identifying the variations is really the thing that matters,

i rozróżnianie tych odmian jest bardzo istotne,

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

dlatego musimy być bardzo dokładni.

So, here's an example.

Oto przykład.

There are two offensive and two defensive players,

Dwóch zawodników w ataku i dwóch w obronie

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

przygotowuje się do tańca pick-and-roll.

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

Gracz z piłką może skorzystać z zasłony lub nie.

His teammate can either roll or pop.

Jego kolega może wbiec pod kosz lub rzucić z dystansu.

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

Kryjący piłkę może ruszyć przed lub za zasłonę.

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

Jego kolega może zachować dystans, pozostać w kontakcie lub wycofać się,

and together they can either switch or blitz

a razem mogą podwoić albo zamienić się w obronie.

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

Nie wiedziałem tego wszystkiego z początku,

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

a byłoby świetnie, gdyby wszyscy ruszali się zgodnie ze strzałkami.

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

Byłoby nam łatwiej, ale ruch to chaos.

People wiggle a lot and getting these variations identified

Ludzie wciąż się kręcą i rozróżnienie tych wszystkich odmian

z zachowaniem wysokiej dokładności

with very high accuracy,

both in precision and recall, is tough

i możliwości odtworzenia

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

jest trudne, ale konieczne, by przekonać trenerów.

And despite all the difficulties with the right spatiotemporal features

Pomimo tak wielu czasoprzestrzennych zależności

we have been able to do that.

udało się nam.

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

Trenerzy wierzą, że nasze maszyny rozróżniają wszystkie odmiany zagrań.

We're at the point where almost every single contender

Dzisiaj prawie każda drużyna

licząca się w walce o mistrzostwo NBA

for an NBA championship this year

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

używa naszych rozwiązań, opartych na maszynie

rozumiejącej punkty w ruchu w koszykówce.

the moving dots of basketball.

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

Dzięki naszym radom drużyny zmieniają strategie gry

that have helped teams win very important games,

i wygrywają ważne spotkania.

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

Co ciekawe, nawet trenerzy, którzy są w lidze od 30 lat,

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

są skłonni słuchać rad maszyny.

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

To naprawdę pasjonujące i nie chodzi tylko o pick-and-roll.

Our computer started out with simple things

Nasz komputer zaczynał od rzeczy prostych

and learned more and more complex things

i przez coraz bardziej skomplikowane

and now it knows so many things.

nauczył się bardzo wiele.

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

Ja sam nie bardzo to rozumiem.

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

To żadna sztuka być mądrzejszym ode mnie,

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

ale czy maszyna może być mądrzejsza od trenera?

Can it know more than person could know?

Wiedzieć więcej niż człowiek?

And it turns out the answer is yes.

Okazało się, że tak.

The coaches want players to take good shots.

Trenerzy chcą, by gracze dobrze rzucali.

So if I'm standing near the basket

Jeśli stoję pod koszem

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

i nikt mnie nie kryje, można rzucać.

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

Ale rzucanie z dystansu spośród obrońców to już nie najlepszy pomysł.

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

Wcześniej nie umieliśmy wyliczyć, jak dobra, czy jak zła jest decyzja.

Until now.

Aż dotąd.

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

Używając zależności czasoprzestrzennych

we looked at every shot.

badamy każdy rzut.

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

Sprawdzamy, jaki to rzut, pod jakim kątem do kosza.

Where are the defenders standing? What are their distances?

Gdzie są obrońcy. Jak są daleko.

What are their angles?

Pod jakim kątem stoją.

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

Przy wielu obrońcach umiemy przyjrzeć się ruchom gracza

and predict the shot type.

i przewidzieć rodzaj rzutu.

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

Tworzymy model na podstawie ich prędkości,

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

żeby w danej sytuacji przewidzieć celność rzutu.

So why is this important?

Czemu to takie ważne?

We can take something that was shooting,

Rzucanie było uważane za jedną czynność,

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

ale dziś można je rozbić na dwie:

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

właściwości rzutu i umiejętności rzucającego.

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

Oto wykres bąbelkowy, bo co to za TED bez wykresu bąbelkowego?

(Laughter)

(Śmiech)

Those are NBA players.

To są gracze NBA.

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

Rozmiar to wzrost zawodnika, kolor to pozycja.

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

Oś X to prawdopodobieństwo rzutu.

People on the left take difficult shots,

Gracze z lewej oddają trudne rzuty,

on the right, they take easy shots.

ci prawej - łatwe.

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

Oś Y przedstawia celność graczy.

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

Najlepsi są na górze, najgorsi na dole.

So for example, if there was a player

Dla przykładu, jeśli dawniej gracz

who generally made 47 percent of their shots,

miał 47% skuteczności rzutów,

that's all you knew before.

to tu się nasza wiedza kończyła.

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

Teraz mogę stwierdzić, że oddaje on rzuty, które dla przeciętnego gracza NBA

would make 49 percent of the time,

są celne w 49% przypadków

and they are two percent worse.

i że jest on słabszy o 2%.

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

To ważne, bo jest wielu graczy ze skutecznością 47%.

And so it's really important to know

Warto wiedzieć czy gracz,

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

któremu chcemy zapłacić 100 milinów dolarów,

is a good shooter who takes bad shots

to dobry rzucający oddający trudne rzuty,

or a bad shooter who takes good shots.

czy słaby rzucający oddający rzuty łatwe.

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

Logika maszynowa zmienia nie tylko nasze postrzeganie graczy,

it changes how we look at the game.

ale też samej gry.

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

Dwa lata temu w finałach NBA mieliśmy bardzo ekscytujący mecz.

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

Miami przegrywało 3 punktami, zostało 20 sekund.

They were about to lose the championship.

Byli o włos od przegrania mistrzostwa.

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

Gracz zwany LeBron James dostał pikę i rzucił za trzy.

He missed.

Spudłował.

His teammate Chris Bosh got a rebound,

Jego kolega Chris Bosh zebrał

passed it to another teammate named Ray Allen.

i podał do innego kolegi, Raya Allena.

He sank a three. It went into overtime.

On trafił i potrzebna była dogrywka.

They won the game. They won the championship.

Miami wygrało mecz a później mistrzostwo.

It was one of the most exciting games in basketball.

Był to jeden z najbardziej pasjonujących meczów.

And our ability to know the shot probability for every player

A fakt, że znamy prawdopodobieństwo każdego rzutu, każdego gracza

at every second,

w każdej sekundzie

and the likelihood of them getting a rebound at every second

i prawdopodobieństwo zbiórki w każdej sekundzie meczu,

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

pozwala nam przeanalizować ten moment w zupełnie nowy sposób.

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

Niestety nie mogę pokazać wam tamtego meczu.

But for you, we recreated that moment

Ale odtworzyliśmy dla was tamtą chwilę

at our weekly basketball game about 3 weeks ago.

podczas jednego z naszych meczów 3 tygodnie temu.

(Laughter)

(Śmiech)

And we recreated the tracking that led to the insights.

Odtworzyliśmy też metodę obserwacji.

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

Oto my w Chinatown w Los Angeles,

a park we play at every week,

na naszym boisku.

and that's us recreating the Ray Allen moment

Tutaj odtwarzamy rzut Raya Allena

and all the tracking that's associated with it.

i związane z nim obserwacje.

So, here's the shot.

Oto rzut.

I'm going to show you that moment

Pokażę wam tę chwilę

and all the insights of that moment.

i to, jak ją analizowaliśmy.

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

Różni się tylko tym, że zamiast zawodowców gramy my,

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

a ja zastępuję profesjonalnego komentatora.

So, bear with me.

Zaczynamy.

Miami.

Miami.

Down three.

Trzy punkty straty.

Twenty seconds left.

Zostało 20 sekund.

Jeff brings up the ball.

Jeff wyrzuca piłkę.

Josh catches, puts up a three!

Josh łapie i rzuca za trzy!

[Calculating shot probability]

[Prawdopodobieństwo trafienia]

[Shot quality]

[Jakość rzutu]

[Rebound probability]

[Prawdopodobieństwo zbiórki]

Won't go!

Nie wejdzie!

[Rebound probability]

[Prawdopodobieństwo zbiórki]

Rebound, Noel.

Zbiera Noel.

Back to Daria.

Podaje Darii.

[Shot quality]

[Jakość rzutu]

Her three-pointer -- bang!

Trójka - tak jest!

Tie game with five seconds left.

Remis na pięć sekund przed końcem,

The crowd goes wild.

Tłumy szaleją.

(Laughter)

(Śmiech)

That's roughly how it happened.

Mniej więcej tak to było.

(Applause)

(Brawa)

Roughly.

Mniej więcej.

(Applause)

(Brawa)

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

Prawdopodobieństwo tego zdarzenia w NBA wynosiło około 9%.

and we know that and a great many other things.

Wiemy to i mnóstwo innych rzeczy.

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

Nie wspomnę, ile razy próbowaliśmy odtworzyć tę scenę.

(Laughter)

(Śmiech)

Okay, I will! It was four.

Dobra, powiem wam. Cztery.

(Laughter)

(Śmiech)

Way to go, Daria.

Dobra robota, Daria.

But the important thing about that video

Ale w tym materiale

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

i analizie każdej sekundy gry najważniejsze jest to,

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

że nie trzeba grać zawodowo, by śledzić swoje ruchy.

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

Nie tylko zawodowi sportowcy mogą analizować to, jak się poruszają.

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

To w ogóle nie musi dotyczyć sportu, bo poruszamy się wszędzie.

We're moving in our homes,

W domu

in our offices,

i biurze.

as we shop and we travel

Robiąc zakupy i podróżując.

throughout our cities

Przemierzamy miasta

and around our world.

i cały świat.

What will we know? What will we learn?

Czego można się dowiedzieć i nauczyć?

Perhaps, instead of identifying pick-and-rolls,

Może zamiast rozpoznawać zagrania,

a machine can identify the moment and let me know

maszyna będzie da mi znać,

when my daughter takes her first steps.

kiedy moja córka postawi pierwsze kroki.

Which could literally be happening any second now.

A może się to stać w każdej chwili.

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

Możemy dzięki temu poprawiać użyteczność budynków i miast.

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

Wierzę, że rozwijając naukę o poruszających się punktach,

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

będziemy poruszali się lepiej i mądrzej kroczyli naprzód.

Dziękuję bardzo.

Thank you very much.

(Applause)

(Brawa)