Die Formeln hinter den kompliziertesten Spielzügen im Basketball
-
0:00 - 0:05Meine Kollegen und ich erforschen
die Wissenschaft bewegter Punkte. -
0:05 - 0:06Was sind diese Punkte?
-
0:06 - 0:07Wir alle.
-
0:07 - 0:12Wir bewegen uns zu Hause,
im Büro, während wir in unseren Städten -
0:13 - 0:15und überall auf der Welt
einkaufen und reisen. -
0:15 - 0:19Wie toll wäre es, wenn wir diese
Bewegung verstehen könnten -- -
0:19 - 0:22das Muster, die Bedeutung und
Erkenntnisse gewinnen könnten. -
0:22 - 0:24Zum Glück sind wir heute gut darin,
-
0:24 - 0:29Informationen über uns selbst zu erfassen.
-
0:29 - 0:32Wir nutzen Sensoren, Videos oder Apps,
-
0:32 - 0:35um unsere Bewegungen
sehr detailliert zu erfassen. -
0:36 - 0:41Ein geeigneter Bereich
für diese Datensammlung -
0:41 - 0:42ist Sport.
-
0:43 - 0:48Beim Basketball, Baseball,
Football oder Fußball -
0:48 - 0:52müssen Stadien und die
Spieler Bewegung erfassen -- -
0:52 - 0:54jede einzelne Sekunde.
-
0:54 - 0:58Unsere Athleten werden also zu --
-
0:58 - 1:00Sie ahnen es --
-
1:00 - 1:02bewegten Punkten.
-
1:02 - 1:06Wir haben eine Fülle an bewegten Punkten.
-
1:06 - 1:09Meistens sind Rohdaten aber
schwer zu bearbeiten und langweilig. -
1:09 - 1:13Basketball-Trainer z.B. wollen
aber bestimmte Dinge wissen. -
1:13 - 1:17Sie können aber nicht jede Sekunde
-
1:17 - 1:20des Spiels sehen, merken und verarbeiten.
-
1:20 - 1:22Das kann kein Mensch leisten.
-
1:22 - 1:23Eine Maschine schon.
-
1:24 - 1:27Maschinen sehen das Spiel
nicht mit den Augen eines Trainers. -
1:27 - 1:30Bis jetzt zumindest.
-
1:30 - 1:32Was haben wir der Maschine beigebracht?
-
1:34 - 1:35Wir haben einfach angefangen.
-
1:35 - 1:39Mit Pässen, Würfen und Rebounds.
-
1:39 - 1:42Was auch Gelegenheitsfans kennen dürften.
-
1:42 - 1:45Dann wurde es etwas komplizierter.
-
1:45 - 1:49Aufstellen, Pick-and-Roll oder Isolation.
-
1:49 - 1:53Sagt Ihnen nichts? Keine Sorge.
Den meisten Gelegenheitsspielern schon. -
1:54 - 1:59Heute verstehen Maschinen
komplexe Ereignisse, -
1:59 - 2:02wie Down-Screens und Wide-Pins.
-
2:02 - 2:05Sachen, die nur Profis kennen.
-
2:05 - 2:09Wir brachten einer Maschine bei,
mit den Augen eines Trainers zu sehen. -
2:10 - 2:12Wie haben wir das geschafft?
-
2:13 - 2:16Sollte mir ein Trainer
Pick-and-Roll erklären, -
2:16 - 2:17würde er es mir beschreiben.
-
2:17 - 2:20Hätte ich das als Algorithmus kodiert,
wäre es fürchterlich. -
2:21 - 2:25Pick-and-Roll ist ein Tanz
zwischen zwei Offensiv-Spielern -
2:25 - 2:27und zwei Defensiv-Spielern.
-
2:27 - 2:29Das funktioniert ungefähr so:
-
2:29 - 2:32Es gibt einen Spieler
in der Offensive ohne Ball. -
2:32 - 2:35Er bewegt sich zum
Gegenspieler des Ballführenden -
2:35 - 2:36und bleibt da.
-
2:36 - 2:40Es kommt Bewegung ins Spiel
und plötzlich ist es Pick-and-Roll. -
2:40 - 2:42(Lachen)
-
2:42 - 2:44Das ist auch ein schlechter Algorithmus.
-
2:45 - 2:49Ist der Spieler, der sich dem Gegenspieler
in den Weg stellt -- der Blocksteller -- -
2:49 - 2:52nah dran, stoppt aber nicht,
-
2:52 - 2:54ist es kein Pick-and-Roll.
-
2:55 - 2:59Wenn er stoppt, aber nicht nah genug,
-
2:59 - 3:00ist es kein Pick-and-Roll.
-
3:01 - 3:04Wenn er nah dran ist und stoppt,
-
3:04 - 3:07das aber unter dem Korb passiert,
ist es kein Pick-and-Roll. -
3:07 - 3:10Ich könnte mich irren
und alles ist Pick-and-Roll. -
3:10 - 3:15Es liegt am Timing, dem Abstand, dem Ort.
-
3:15 - 3:16Das macht es so schwer.
-
3:17 - 3:22Zum Glück gehen wir beim Maschinen-
lernen über unsere Grenzen hinaus, -
3:22 - 3:23bekannte Dinge zu beschreiben.
-
3:23 - 3:26Wir funktioniert das? Mit Beispielen.
-
3:26 - 3:29Wir sagen zur Machine:
"Guten Morgen, Maschine. -
3:29 - 3:32Das sind Pick-and-Rolls -- und das nicht.
-
3:33 - 3:35Lern den Unterschied."
-
3:35 - 3:39Wichtig ist, Merkmale für
die Unterscheidung zu finden. -
3:39 - 3:41Soll die Maschine den Unterschied
-
3:41 - 3:43zwischen Äpfeln und Orangen lernen,
-
3:43 - 3:45sag ich: "Mach es über Farbe und Form."
-
3:45 - 3:48Dabei ergründen wir,
was das für Dinge sind. -
3:48 - 3:49Welche Kernfaktoren lassen
-
3:49 - 3:52einen Computer die Welt
der bewegten Punkte steuern? -
3:53 - 3:57Diese Beziehungen mit relativem
und absolutem Ort, Abstand, Timing -
3:57 - 3:59und Geschwindigkeit herauszufinden,
-
3:59 - 4:04ist der Schlüssel Punkte zu bewegen. Oder
wie wir es in akademischer Sprache nennen: -
4:04 - 4:08spatiotemporale Mustererkennung.
-
4:08 - 4:11Das Wichtgste ist:
Es muss schwierig klingen. -
4:11 - 4:12Denn das ist es auch.
-
4:12 - 4:16NBA-Trainer wollen nicht wissen,
-
4:16 - 4:17ob das gerade ein Pick-and-Roll war.
-
4:18 - 4:20Sie wollen wissen, wie das passiert ist.
-
4:20 - 4:23Warum ist das so wichtig?
Hier ein kleiner Einblick: -
4:23 - 4:24Im modernen Basketballspiel
-
4:24 - 4:27ist Pick-and-Roll wohl
der wichtigste Spielzug. -
4:27 - 4:30Zu wissen, wie man ihn
spielt oder verteidigt, -
4:30 - 4:32entscheidet über Gewinnen
oder Verlieren eines Spiels. -
4:32 - 4:36Diesen Tanz gibt es also
in vielen Variationen. -
4:36 - 4:40Diese Variationen zu erkennen,
ist das Entscheidende. -
4:40 - 4:42Deswegen muss es wirklich gut sein.
-
4:43 - 4:44Ein Beispiel.
-
4:44 - 4:47Zwei Offensiv- und zwei Defensiv-Spieler
-
4:47 - 4:49bereiten sich auf den
Pick-and-Roll-Tanz vor. -
4:49 - 4:51Der Ballführer kann den Block
annehmen oder ablehnen. -
4:52 - 4:55Sein Mitspieler kann zum Korb
abrollen oder sich absetzen. -
4:55 - 4:58Der Gegenspieler kann über
oder unter dem Block vorbei. -
4:58 - 5:03Sein Mitspieler kann sich zeigen, den
Ballführer aggressiv oder soft verteigen. -
5:03 - 5:05Zusammen können sie
entweder "switchen" oder "blitzen". -
5:05 - 5:08Am Anfang kannte ich
das meiste davon nicht. -
5:08 - 5:12Es wäre so schön, wenn sich alle
mit den Pfeilen bewegen könnten. -
5:12 - 5:16Das würde unser Leben erleichtern.
Aber Bewegung ist unordentlich. -
5:16 - 5:22Menschen wanken viel.
Und das Erkennen dieser Variationen -
5:22 - 5:23mit exakter Präzision und Wiederholung
-
5:23 - 5:25ist schwer.
-
5:25 - 5:28Das braucht es, damit
ein Trainer an einen glaubt. -
5:28 - 5:32Trotz aller Schwierigkeiten mit den
richtigen spatiotemporalen Merkmalen -
5:32 - 5:33konnten wir genau das tun.
-
5:33 - 5:37Trainer vertrauen darauf, dass unsere
Maschine diese Variationen erkennt. -
5:37 - 5:41Inzwischen benutzt fast jeder Anwärter
-
5:41 - 5:43für diesjährige NBA-Meisterschaften
-
5:43 - 5:47unsere Software, basierend auf
einer Maschine, die bewegte Punkte -
5:47 - 5:49im Basketball versteht.
-
5:50 - 5:55Unser Rat hat nicht nur
Strategien verändert, -
5:55 - 5:58die Teams beim Sieg von
wichtigen Spielen verhalfen. -
5:58 - 6:02Sogar Trainer, die seit über
30 Jahren in der Liga sind, -
6:02 - 6:05nehmen den Rat einer Maschine an.
-
6:06 - 6:09Und es geht um mehr als Pick-and-Roll.
-
6:09 - 6:11Unser Computer begann
mit einfachen Dingen, -
6:11 - 6:13hat immer komplexere Sachen gelernt
-
6:13 - 6:15und weiß jetzt sehr viel.
-
6:15 - 6:17Ich verstehe, ehrlich gesagt,
das meiste davon nicht. -
6:17 - 6:21Es ist kein Kunststück
klüger zu sein als ich. -
6:21 - 6:25Aber wir fragen uns: Kann eine
Maschine mehr wissen als ein Trainer? -
6:25 - 6:27Mehr als ein Mensch?
-
6:27 - 6:29Die verblüffende Antwort ist ja.
-
6:29 - 6:31Trainer fordern gute
Würfe von den Spielern. -
6:31 - 6:33Wenn ich neben dem Korb stehe
-
6:33 - 6:35und alleine bin,
ist es ein guter Wurf. -
6:35 - 6:39Wenn ich weit weg bin, umringt von
Verteidigern, ist das ein schlechter Wurf. -
6:39 - 6:44Quantitativ wussten wir aber nicht,
wie gut oder schlecht etwas wirklich war. -
6:44 - 6:45Bis jetzt.
-
6:46 - 6:49Wir nutzten spatiotemporale Merkmale
-
6:49 - 6:50und analysierten jeden Wurf.
-
6:50 - 6:53Von wo wird geworfen?
Was ist der Winkel zum Korb? -
6:53 - 6:56Wo stehen die Verteigier?
In welcher Entfernung? -
6:56 - 6:57In welchen Winkeln?
-
6:57 - 7:00Bei mehreren Verteidern sehen
wir die Bewegung der Spieler -
7:00 - 7:02und bestimmen die Wurfart.
-
7:02 - 7:06Wir analysieren die Geschwindigkeit
und berechnen die Wahrscheinlichkeit, -
7:06 - 7:10dass der Ball unter diesen
Umständen reingeht. -
7:10 - 7:12Wozu das alles?
-
7:12 - 7:15Wir sehen uns den Werfer an.
-
7:15 - 7:18Und aus einer Sache werden zwei:
-
7:18 - 7:20die Qualität des Wurfs
und die des Werfers. -
7:22 - 7:25Hier ein Blasendiagramm, das
ja zu jedem TED-Vortrag gehört. -
7:25 - 7:26(Lachen)
-
7:26 - 7:27Das sind NBA-Spieler.
-
7:27 - 7:30Die Größe ist die Größe des
Spielers und die Farbe die Position. -
7:30 - 7:33Die X-Achse zeigt die
Wurfwahrscheinlichkeit. -
7:33 - 7:35Spieler links machen schwierige Würfe,
-
7:35 - 7:37rechts leichte.
-
7:37 - 7:39Die Y-Achse zeigt ihre Wurffähigkeit.
-
7:39 - 7:42Gute Spieler sind oben, schlechte unten.
-
7:42 - 7:44Früher wusste man z. B. nur,
-
7:44 - 7:46dass ein Spieler 47 % seiner Würfe macht.
-
7:46 - 7:47Mehr nicht.
-
7:47 - 7:52Jetzt weiß man, dass dieser Spieler
Würfe macht, die ein durchschnittlicher -
7:52 - 7:54NBA-Spieler zu 49 % machen würde.
-
7:54 - 7:56Er ist um 2 % schlechter.
-
7:56 - 8:01Aber es gibt viele 47er da draußen.
-
8:02 - 8:04Man muss also wissen,
-
8:04 - 8:08ob die 47, in die man eventuell
100 Millionen Dollar investieren möchte, -
8:08 - 8:11ein guter Spieler mit schlechten Würfen
-
8:11 - 8:14oder ein schlechter Spieler
mit guten Würfen ist. -
8:15 - 8:18Maschinenverständnis ändert
unsere Sicht auf Spieler -
8:18 - 8:20und das Spiel.
-
8:20 - 8:24Es gab in den NBA-Finals
ein sehr spannendes Spiel. -
8:24 - 8:27Miami lag mit 3 Punkten zurück;
noch 20 Sekunden zu spielen. -
8:27 - 8:29Es sah schlecht aus.
-
8:29 - 8:33LeBron James nahm den Dreier
-
8:33 - 8:34und traf nicht.
-
8:34 - 8:36Chris Bosh holte einen Rebound
-
8:36 - 8:38und spielte zu Ray Allen.
-
8:38 - 8:40Er versenkte einen Dreier. Verlängerung.
-
8:40 - 8:42Sie gewannen das Spiel
und die Meisterschaft. -
8:42 - 8:45Es war eines der
spannendsten Basektballspiele. -
8:45 - 8:49Das Wissen um die Wurfwahrscheinlichkeit
eines jeden Spielers -
8:49 - 8:50in jeder Sekunde
-
8:50 - 8:52und die Wahrscheinlichkeit
-
8:52 - 8:57eines erfolgreichen Rebounds kann den
Moment auf ungeahnte Weise beleuchten. -
8:58 - 9:00Leider kann ich Ihnen
das Video nicht zeigen. -
9:00 - 9:05Jedoch haben wir den Moment nachgestellt –
-
9:05 - 9:07bei unserem wöchentlichen
Spiel vor 3 Wochen. -
9:07 - 9:09(Lachen)
-
9:10 - 9:13Wir haben die Bewegungen nachgestellt
und erhielten folgende Einblicke. -
9:13 - 9:17Das sind wir in Chinatown,
Los Angeles, der Park, -
9:17 - 9:19in dem wir jede Woche spielen.
-
9:19 - 9:21Hier kommt der Ray-Allen-Moment,
-
9:21 - 9:24mit der Schrittfolge.
-
9:25 - 9:26Hier kommt der Wurf.
-
9:26 - 9:29Ich zeige Ihnen den Moment
-
9:29 - 9:31und alle Erkenntnisse daraus.
-
9:31 - 9:35Nur sind es keine Profis, sondern wir.
-
9:35 - 9:38Und kein Profi-Sprecher, sondern ich.
-
9:38 - 9:39Haben Sie Nachsicht.
-
9:41 - 9:42Miami.
-
9:43 - 9:443 Punkte zurück.
-
9:44 - 9:45Noch 20 Skeunden.
-
9:47 - 9:49Jeff dribbelt nach vorn.
-
9:51 - 9:52Josh fängt, nimmt den Dreier!
-
9:53 - 9:54[Wurfwahrscheinlichkeit berechnen]
-
9:55 - 9:56[Wurfwahrscheinlichkeit]
-
9:57 - 9:59[Rebound-Wahrscheinlichkeit]
-
10:00 - 10:02Wird nichts!
-
10:02 - 10:03[Rebound-Wahrscheinlichkeit]
-
10:04 - 10:05Rebound, Noel.
-
10:05 - 10:06Zurück zu Daria.
-
10:07 - 10:10[Wurfqualität]
-
10:11 - 10:12Ein Dreier -- Peng!
-
10:12 - 10:15Unentschieden 5 Sekunden vor Schluss.
-
10:15 - 10:16Die Menge tobt.
-
10:17 - 10:18(Lachen)
-
10:18 - 10:20Ungefähr so war das.
-
10:20 - 10:21(Applaus)
-
10:21 - 10:22Ungefähr.
-
10:22 - 10:24(Applaus)
-
10:24 - 10:30Die Wahrscheinlichkeit, dass das
in der NBA passiert, lag bei 9 %. -
10:30 - 10:32Das wissen wir und viele andere Dinge.
-
10:32 - 10:35Ich sage jetzt nicht, wie oft wir
die Szene wiederholen mussten. -
10:35 - 10:37(Lachen)
-
10:37 - 10:39Okay, es waren vier.
-
10:39 - 10:40(Lachen)
-
10:40 - 10:41Sehr gut, Daria.
-
10:42 - 10:46Das ist aber nicht der
Knackpunkt an diesem Video -- -
10:46 - 10:51oder die Einblicke in jede
Sekunde jedes NBA-Spiels. -
10:51 - 10:55Sondern, dass man kein Profi-Team
sein muss, um Bewegung aufzuzeichnen. -
10:55 - 10:59Man muss kein Profi-Spieler sein,
um Einblicke in Bewegung zu erhalten. -
10:59 - 11:03Es muss nicht einmal Sport sein.
Wir bewegen uns überall. -
11:04 - 11:06Zu Hause,
-
11:09 - 11:11in unseren Büros,
-
11:12 - 11:15während des Einkaufens und Reisens
-
11:17 - 11:19in unseren Städten
-
11:20 - 11:22und durch die ganze Welt.
-
11:23 - 11:26Was werden wir erfahren?
Was werden wir lernen? -
11:26 - 11:28Statt Pick-and-Rolls
-
11:28 - 11:31könnte eine Maschine
den Moment identifizieren, -
11:31 - 11:33in dem meine Tochter
ihren ersten Schritt macht. -
11:33 - 11:36Was tatsächlich jeden
Moment passieren könnte. -
11:36 - 11:40Vielleicht können wir lernen, Gebäude
besser zu nutzen oder Städte zu planen. -
11:40 - 11:45Ich glaube, mit der Entwicklung der
Wissenschaft der bewegten Punkte -
11:45 - 11:48bewegen wir uns besser, bewegen
wir uns klüger, bewegen wir uns vorwärts. -
11:49 - 11:50Vielen Dank.
-
11:50 - 11:55(Applaus)
- Title:
- Die Formeln hinter den kompliziertesten Spielzügen im Basketball
- Speaker:
- Rajiv Maheswaran
- Description:
-
Basketball ist ein schnelles Spiel voller Improvisation, Kontakt und, ähem, spatiotemporaler Mustererkennung. Rajiv Maheswaran und seine Kollegen analysieren die Bewegung hinter den wichtigsten Spielzügen. Damit ermöglichen sie Trainern sowie Spielern, Intuition mit neuen Daten zu verknüpfen. Pluspunkt: Ihre Erkenntnisse daraus helfen uns zu verstehen, wie sich Menschen überall auf der Welt bewegen.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:08
Angelika Lueckert Leon approved German subtitles for The math behind basketball's wildest moves | ||
Angelika Lueckert Leon edited German subtitles for The math behind basketball's wildest moves | ||
Angelika Lueckert Leon accepted German subtitles for The math behind basketball's wildest moves | ||
Angelika Lueckert Leon edited German subtitles for The math behind basketball's wildest moves | ||
Eugenia Wiese edited German subtitles for The math behind basketball's wildest moves | ||
Angelika Lueckert Leon declined German subtitles for The math behind basketball's wildest moves | ||
Angelika Lueckert Leon edited German subtitles for The math behind basketball's wildest moves | ||
Angelika Lueckert Leon edited German subtitles for The math behind basketball's wildest moves |