ریاضیات مربوط به پیچیده ترین حرکتهای بسکتبال
-
0:01 - 0:05من و همکارانم مجذوب دانش نقطهها هستیم.
-
0:05 - 0:06این نقطهها چه هستند؟
-
0:06 - 0:07خوب، آنها همه ما هستیم.
-
0:07 - 0:12و ما در خانهها و دفترهایمان، و هنگامی که
به خرید یا مسافرت میرویم، -
0:12 - 0:15درون شهرهایمان و سراسر دنیا، در حال
حرکت هستیم. -
0:15 - 0:19و خوب نبود اگر میتوانستیم همه این
حرکات را درک کنیم؟ -
0:19 - 0:22و میتوانستیم الگو و معنا و مفهوم درون
آنها را بفهمیم. -
0:22 - 0:25و خوشبختانه، ما در زمانی زندگی میکنیم
-
0:25 - 0:29که به شکل غیر قابل باوری در جمعآوری
اطلاعات درباره خودمان پیشرفت کردهایم. -
0:29 - 0:32پس چه از طریق حسگرها یا فیلمها یا
نرم افزارها، -
0:32 - 0:36میتوانیم با جزییات بسیار دقیق، حرکات
خودمان را دنبال کنیم. -
0:36 - 0:41و به نظر میرسد که یکی از جاهایی که ما
بهترین دادهها را درباره حرکت داریم -
0:41 - 0:43در ورزش است.
-
0:43 - 0:48پس چه بسکتبال باشد یا بیس بال یا فوتبال
و یا اون یکی فوتبال، -
0:48 - 0:51در حال نصب تجهیزات در ورزشگاهها و روی
بازیکنان هستیم -
0:51 - 0:54تا بتوانیم در کسری از ثانیه، حرکات
آنها را دنبال کنیم. -
0:54 - 0:58پس کاری که ما میکنیم، تبدیل ورزشکاران--
-
0:58 - 1:00همانطور که حدس میزنید--
-
1:00 - 1:01به نقطههای متحرک است.
-
1:02 - 1:07پس ما کوهی از نقاط متحرک داریم،
و مانند سایر دادههای خام، -
1:07 - 1:09کار با آنها سخت و طاقت فرسا است.
-
1:09 - 1:13اما چیزهایی هست که به طور مثال،
مربیان بسکتبال میخواهند بدانند. -
1:13 - 1:16و مشکل اینجا است که نمیتوانند متوجه آنها
شوند، چون برای این کار آنها باید -
1:16 - 1:20هرثانیه از هر بازی را ببینند، به خاطر
بسپارند و پردازش کنند. -
1:20 - 1:21و یک انسان قادر به انجام آن نیست،
-
1:21 - 1:23اما یک ماشین میتواند.
-
1:23 - 1:28مشکل اینجا است که ماشینها نمیتوانند
بازی را از چشم یک مربی ببینند. -
1:28 - 1:30حداقل تا کنون نمیتوانستند.
-
1:30 - 1:33پس ما به ماشین، دیدن چه چیزی را آموختیم؟
-
1:33 - 1:36خوب، ما به سادگی شروع کردیم.
-
1:36 - 1:39چیزهایی مانند پاس، شوت و ریباند را به آن
یاد دادیم. -
1:39 - 1:41چیزهایی که اکثر طرفداران معمولی میدانند.
-
1:41 - 1:44و بعد از آن به مسائل کمی پیچیدهتر رسیدیم.
-
1:44 - 1:50مسائلی مانند حالت پشت به حلقه،
سد کردن و چرخش و ایزوله
کردن. -
1:50 - 1:53و اگر با آنها آشنایی ندارید، اشکالی ندارد.
بیشتر بازیکنان آنها را میشناسند. -
1:53 - 1:59اکنون، به نقطهای رسیدهایم که ماشینها
اکثر حرکات پیچیده را درک میکنند. -
1:59 - 2:02مانند نمایش پایین و پینهای گسترده.
-
2:02 - 2:05اساسا مسایلی که تنها حرفهای ها با آن
آشنایی دارند. -
2:05 - 2:09پس ما به ماشین آموختیم که با چشمهای مربی
بازی را ببیند. -
2:10 - 2:12خوب، ما چگونه قادر به انجام این کار شدیم؟
-
2:12 - 2:15اگر من از یک مربی بخواهم که چیزی مثل پیک سد کردن و
چرخش را توضیح دهد، -
2:15 - 2:17توصیفی را ارائه خواهد داد،
-
2:17 - 2:20و اگر من بخواهم آن را به شکل الگوریتم
دربیاورم، افتضاح خواهد بود -
2:21 - 2:25از قضا، سد کردن و چرخش نوعی رقص بین چهار
بازیکن است، -
2:25 - 2:28دو نفر در دفاع و دو نفر در حمله.
-
2:28 - 2:31و این تقریبا اتفاقی است که میافتد.
-
2:31 - 2:32خوب بازیکن حمله بدون توپ اینجاست
-
2:32 - 2:34و به پشت بازیکن مدافع حامل توپ
حرکت میکند، -
2:34 - 2:36و آنجا میایستد
-
2:36 - 2:40و بعد هردو حرکت میکنند و خلاصه،
این یک حرکت سد کردن و چرخش است. -
2:40 - 2:42(خنده)
-
2:42 - 2:44همچنین این نمونهای از یک الگوریتم
افتضاح است. -
2:45 - 2:49پس، اگر بازیکن مداخلهگر--
به او غربالگر میگویند-- -
2:49 - 2:53نزدیک شده و به حرکت ادامه بدهد،
-
2:53 - 2:54دیگر احتمالا سد کردن وچرخش نخواهد بود.
-
2:55 - 2:59یا اگر بایستد ولی به اندازه کافی
نزدیک نباشد، -
2:59 - 3:00احتمالا سد کردن و چرخش نیست.
-
3:01 - 3:04یا اگر نزدیک باشد و جای درستی بایستد
-
3:04 - 3:07اما این کار را زیر سبد انجام دهند، احتمالا
سد کردن و چرخش نیست. -
3:07 - 3:10یا ممکن است من اشتباه کنم و همه آنها
سد کردن و چرخش باشند. -
3:10 - 3:15در واقع همه چیز به زمانبندی دقیق، فاصله
و جایگیری بستگی دارد، -
3:15 - 3:16و همین کار را سخت میکند.
-
3:17 - 3:22ولی، خوشبختانه، با فراگیری ماشین،
برای توصیف چیزهایی که میدانیم -
3:22 - 3:23میتوانیم ورای توانایی خود عمل کنیم.
-
3:23 - 3:25خوب، این چطور کار میکند،
-
3:26 - 3:29خوب ما سراغ ماشین میرویم و به او میگوییم
"صبح به خیر ماشین. -
3:29 - 3:33اینها یک سری سد کردن و چرخش هستند، و اینها
چیزهایی هستند که سد کردن و چرخش نیستند. -
3:33 - 3:35لطفا راهی برای تشخیصشان از هم پیدا کن."
-
3:35 - 3:39و کلید انجام این کار پیداکردن امکاناتی است
که جداسازی را ممکن کنند. -
3:39 - 3:41خوب اگر من میخواستم تفاوت سیب و پرتقال را
-
3:41 - 3:42به آن یاد بدهم
-
3:42 - 3:45احتمالا میگویم، "چرا از رنگ یا شکل آنها
استفاده نمیکنی؟" -
3:45 - 3:48و مسئلهای که باید حل کنیم این است که
آنها چیستند؟ -
3:48 - 3:50امکانات کلیدی که به کامپیوتر امکان بررسی
-
3:50 - 3:52دنیای نقطههای متحرک را میدهند، چه هستند؟
-
3:53 - 3:57پس با پیدا کردن تمام این روابط میان مکان
مطلق و نسبی، -
3:57 - 3:59فاصله، زمانبندی و سرعت--
-
3:59 - 4:04این کلید واقعی ورود به دانش نقاط متحرک است
یا آنطور که ما میگوییم، -
4:04 - 4:08تشخیص الگوی مکانی زمانی در
محیط دانشگاهی. -
4:08 - 4:11چون در وهله اول باید کاری کنیم که سخت
به نظر بیاید-- -
4:11 - 4:12چو در واقع هست.
-
4:12 - 4:16نکته کلیدی برای مربیان بسکتبال این نیست
که بدانند -
4:16 - 4:17سد کردن و چرخش اتفاق افتاد یا نه.
-
4:18 - 4:20بلکه آنها میخواهند نحوه انجام
آن را بدانند. -
4:20 - 4:23و چرا این مسئله این قدر برای آنها مهم است؟
خوب این هم یک دلیل کوچک. -
4:23 - 4:25این طور به نظر میرسد که در بسکتبال مدرن
-
4:25 - 4:27این سد کردن و چرخش مهمترین حرکت بازی است.
-
4:27 - 4:30و اینکه چگونه آن را انجام دهیم،
و چگونه در برابر آن دفاع کنیم، -
4:30 - 4:32در واقع کلید برد یا باخت در
اکثر بازیها است. -
4:32 - 4:36خوب متوجه شدیم که این رقص گونههای بسیار
متفاوتی دارد -
4:36 - 4:40و در واقع نکته مهم، شناسایی این
گونهها است، -
4:40 - 4:43و به این دلیل است که این الگوریتم باید
خیلی خیلی خوب عمل کند. -
4:43 - 4:44خوب، یک مثال.
-
4:44 - 4:47دو بازیکن حمله و دو بازیکن دفاع داریم،
-
4:47 - 4:49که برای انجام حرکت سد کردن و چرخش
آماده میشوند. -
4:49 - 4:52خوب بازیکن حامل توپ میتواند بگیرد،
و یا رد کند. -
4:52 - 4:55همبازی او میتواند بچرخد یا بزند.
-
4:55 - 4:58بازیکن مدافع توپ میتواند جلو یا عقب برود.
-
4:58 - 5:03هم تیمی او میتواند نمایش بدهد یا دفاع کند
و بازی آرام انجام دهد. -
5:03 - 5:05و آنها با هم کیتوانند جابجا شوند یا حمله
کنند -
5:05 - 5:08و زمانی که شروع کردم، من بیشتر این چیزها
را نمیدانستم -
5:08 - 5:12و بسیار خوب میشد اگر همه بر اساس آن
پیکانها حرکت میکردند. -
5:12 - 5:16در آن صورت زندگی بسیار آسانتر بود، اما
این طور که پیداست حرکات بسیار بینظم هستند -
5:16 - 5:22بازیکنها خیلی وول میخورند و تایید این
تغییرات -
5:22 - 5:23با دقت بسیار بالا
-
5:23 - 5:25و با جامعیت و صراحت، بسیار دشوار است.
-
5:25 - 5:28زیرا این تنها راهی است که میتوان اعتماد
یک مربی حرفهای را جلب کرد. -
5:28 - 5:32و با وجود تمام مشکلات در تحلیل صحیح
الگوهای مکانی زمانی -
5:32 - 5:34ما توانستیم آن را به انجام برسانیم.
-
5:34 - 5:37مربیها به توانایی ما و ماشینهایمان در
تشخیص این گونهها اعتماد دارند. -
5:37 - 5:41و اکنون در جایگاهی هستیم که امسال
-
5:41 - 5:43تمام مدعیان قهرمانی NBA
-
5:43 - 5:47از نرم افزار ما استفاده میکنند، که بر
ماشینی نصب شده -
5:47 - 5:49که حرکات نقاط متحرک بسکتبال را درک میکند.
-
5:50 - 5:55و نه تنها این، بلکه ما پیشنهادهایی ارائه
دادهایم که استراتژیها را عوض کرده -
5:55 - 5:58و به تیمها در بردن بازیهای بسیار مهم
کمک کرده است، -
5:58 - 6:02و این خیلی جالب است چون مربیانی هستند که
به مدت -
6:02 - 6:05۳۰ سال در لیگ بودهاند اما از یک ماشین
کمک میگیرند. -
6:06 - 6:10و این مسئله بسیار هیجان انگیز است،
این بسیار ببیشتر از تشخیص پیک و چرخش است. -
6:10 - 6:11کامپیوتر ما از مسائل ساده شروع کرد
-
6:11 - 6:13و به تدریج چیزهای پیچیده تری را یاد گرفت
-
6:13 - 6:15و اکنون چیزهای خیلی زیادی میداند.
-
6:15 - 6:17در حقیقت، من بیشتر کارهای او را متوجه
نمیشوم، -
6:17 - 6:21و از آنجا که به اندازهای خاص نیست که
از من باهوشتر باشد، -
6:21 - 6:25این سوال برایمان مطرح شد، که آیا یک ماشین
میتواند بیش از یک مربی بداند؟ -
6:25 - 6:27آیا میتواند بیش از توانایی انسان بداند؟
-
6:27 - 6:29و مشخص شد که جواب مثبت است.
-
6:29 - 6:31مربیان از بازیکنان میخواهند که
ضربات خوبی به دست بیاورند. -
6:31 - 6:33پس اگر من زیر سبد باشم
-
6:33 - 6:35و کسی دور و بر من نباشد، این
یک ضربه خوب است. -
6:35 - 6:39اگر از سبد دور باشم و مدافعین اطراف من
باشند، معمولا این یک ضربه بد است. -
6:39 - 6:44اما هیچ گاه نمیدانیم که "خوب" چه اندازه
خوب است، یا "بد"چه اندازه بد است. -
6:44 - 6:45تا امروز.
-
6:46 - 6:49خوب، دوباره با استفاده از الگوی
مکانی زمانی، چه کار میتوانیم بکنیم -
6:49 - 6:51ما به تمام ضربات توجه کردیم.
-
6:51 - 6:54میتوانیم ببینیم: ضربه کجاست؟ در چه
زاویهای نسبت به سبد قرار دارد؟ -
6:54 - 6:56مدافعین کجا هستند؟ فاصله آنها چقدر است؟
-
6:56 - 6:57در چه زاویهای هستند؟
-
6:57 - 7:00در مورد چند مدافع، میتوانیم به نحوه حرکت
آنها نگاه کنیم -
7:00 - 7:02و نحوه پرتاب را پیش بینی کنیم.
-
7:02 - 7:06میتوانیم سرعت حرکت تمام آنها را بررسی
کنیم و مدلی برای پیش بینی ارائه دهیم -
7:06 - 7:10که احتمال گل شدن این پرتاب در این شرایط
چقدر است؟ -
7:10 - 7:12خوب، اهمیت این کار در چیست؟
-
7:12 - 7:15میتوانیم چیزی که پرتاب خوانده میشود
را درنظر بگیریم -
7:15 - 7:18که قبل از این یک چیز بود، و به آن را
دو چیز مجزا تفکیک کنیم: -
7:18 - 7:20کیفیت پرتاب و کیفیت پرتاب کننده.
-
7:22 - 7:25خوب این یک نمودار حبابی است،
چون TED بدون نمودار بی فایده است. -
7:25 - 7:26(خنده)
-
7:26 - 7:27اینها بازیکنان NBA هستند.
-
7:27 - 7:30اندازه، نشان دهنده ابعاد بازیکن و رنگ
نشان دهنده جایگاه او است. -
7:30 - 7:33در محور طولی احتمال گل شدن پرتاب را داریم.
-
7:33 - 7:35افراد سمت چپ پرتابهای سختی میگیرند،
-
7:35 - 7:37در سمت راست، پرتابهای آسان.
-
7:37 - 7:40بر روی محور عمودی توانایی پرتاب بازیکنان
قرار دارد. -
7:40 - 7:42بالا خوبها و پایین ضعیفترها قرار دارند.
-
7:42 - 7:44پس به عنوان مثال، اگر بازیکنی
-
7:44 - 7:46معمولا ۴۷ درصد از پرتابهای خود را
وارد سبد کند، -
7:46 - 7:48این تنها چیزی بود که تا پیش از این
میدانستیم. -
7:48 - 7:52اما امروز، من میتوانم بگویم که این بازیکن
پرتابهایی به دست میآورد که یک بازیکن -
7:52 - 7:55متوسط NBA با احتمال ۴۹ درصدآن را
وارد سبد میکند، -
7:55 - 7:56و او دو درصد پایینتر است.
-
7:56 - 8:01و دلیل اهمیت این موضوع این است که تعداد
زیادی بازیکن با احتمال ۴۷ درصد وجود دارند. -
8:02 - 8:04و بسیار مهم است که بدانیم
-
8:04 - 8:08که این ۴۷ درصدی که قرار است ۱۰۰ میلیون
دلار دستمزد بگیرد -
8:08 - 8:11پرتاب کننده خوبی است که پرتابهای
ضعیفی میگیرد -
8:11 - 8:14یا پرتاب کننده بدی است که پرتابهای
خوبی میگیرد. -
8:15 - 8:18دانایی ماشین تنها نحوه نگاه ما به
بازیکنان را تغییر نمیدهد -
8:18 - 8:20بلکه نحوه نگاه ما به بازی را هم
عوض میکند. -
8:20 - 8:24مثلا، دو سال پیش یک بازی بسیار هیجان انگیز
در فینال NBA در جریان بود: -
8:24 - 8:27میامی سه امتیاز عقب بود و تنها 20 ثانیه
باقی مانده بود. -
8:27 - 8:29آنها در حال از دست دادن قهرمانی بودند.
-
8:29 - 8:33یک آقای محترمی به نام لبران جیمز آمد و
یک سه امتیازی پرتاب کرد تا مساوی کنند. -
8:33 - 8:34پرتاب را از دست داد.
-
8:34 - 8:36همبازی او کریس باش ریباند کرد،
-
8:36 - 8:38و به همبازی دیگرشان، ری الن پاس داد.
-
8:38 - 8:40او سه امتیاز گرفت. بازی به وقت اضافی
کشیده شد. -
8:40 - 8:42آنها بازی را بردند و قهرمان فصل شدند.
-
8:42 - 8:45یکی از هیجان انگیز ترین بازیهای بسکتبال
بود. -
8:45 - 8:49و توانایی ما در دانستن احتمال پرتاب
برای هر بازیکن -
8:49 - 8:50در هر لحظه از بازی،
-
8:50 - 8:53و احتمال ریباند گرفتن آنها در طول بازی
-
8:53 - 8:57میتواند این اتفاق را بهتر از هر وقت دیگری
روشن کند. -
8:58 - 9:00الان متاسفانه، نمیتوانم آن تصویر را
به شما نشان دهم. -
9:00 - 9:05اما به خاطر شما، ما این لحظه را
-
9:05 - 9:07در بازیهای هفتگی بسکتبال خودمان
بازسازی کردیم. -
9:07 - 9:09(خنده)
-
9:10 - 9:13و حرکات را دنبال کردیم تا همه چیز
روشن شود. -
9:13 - 9:17خوب، این ماییم. اینجا محله چینیها
در لسانجلس است، -
9:17 - 9:19پارکی ما هر هفته در آن بازی میکنیم.
-
9:19 - 9:22و اینها ما هستیم که داریم لحظه پرتاب
ری الن را -
9:22 - 9:24با تمام ردیابیهای مربوط به آن
بازسازی میکنیم. -
9:25 - 9:26و حالا پرتاب.
-
9:26 - 9:29من میخواهم آن لحظه را با تمام بینش
-
9:29 - 9:31مربوط به آن . به شما نشان دهم.
-
9:31 - 9:35تنها تفاوت اینجاست که به جای بازیکنان
حرفهای، ما بازی میکنیم، -
9:35 - 9:38و به جای یک گزارشگر حرفهای،
من گزارش میکنم. -
9:38 - 9:39پس با من باشید.
-
9:41 - 9:42میامی.
-
9:43 - 9:44سه امتیاز کمتر دارند.
-
9:44 - 9:46تنها بیست ثانیه تا پایان بازی.
-
9:47 - 9:49جف توپ رو میگیره.
-
9:51 - 9:53پاس میده به جاش، جاش یه سه امتیازی
پرتاب میکنه! -
9:53 - 9:54[محاسبه احتمال پرتاب]
-
9:55 - 9:56[کیفیت پرتاب]
-
9:57 - 9:59[احتمال ریباند]
-
10:00 - 10:02و گل نمیشه!
-
10:02 - 10:03[احتمال ریباند]
-
10:04 - 10:05نویل ریباند میکنه.
-
10:05 - 10:06به عقب پاس میده به داریا.
-
10:07 - 10:10[کیفیت پرتاب]
-
10:11 - 10:12و این هم از سه امتیازی، گل میشه!
-
10:12 - 10:15پنج ثانیه از بازی مانده و مساوی میکنند.
-
10:15 - 10:16تماشاچیها غوغا به پا میکنند.
-
10:17 - 10:18(خنده)
-
10:18 - 10:20این تقریبا اتفاقی بود که افتاد.
-
10:20 - 10:21(تشویق)
-
10:21 - 10:22تقریبا.
-
10:22 - 10:24(تشویق)
-
10:24 - 10:30احتمال وقوع این لحظه در NBA نه درصد بود.
-
10:30 - 10:32و ما این را و خیلی چیزهای خوب دیگر را
میدانیم. -
10:32 - 10:35به شما نخواهم گفت چند بار تلاش کردیم
تا این اتفاق بیافتد. -
10:35 - 10:37(خنده)
-
10:37 - 10:39خیلی خوب، میگم! چهار بار.
-
10:39 - 10:40(خنده)
-
10:40 - 10:42راه درازی در پیش داری داریا.
-
10:42 - 10:46اما نکته مهم درباره این ویدیو
-
10:46 - 10:51و بینشی که از هر لحظه بازیهای NBA به دست
آوردهایم -- این نیست. -
10:51 - 10:55این است که لازم نیست شما یک تیم حرفهای
باشید تا بتوانید حرکات را ردیابی کنید. -
10:55 - 10:59حتی لازم نیست یک بازیکن حرفهای باشید تا
حرکات را درک کنید. -
10:59 - 11:03در واقع، اصلا نیازی نیست که فقط درباره
ورزش باشد، چون ما همه جا در حال حرکتیم. -
11:04 - 11:06در خانهمان حرکت میکنیم.
-
11:09 - 11:11در دفترهایمان،
-
11:12 - 11:15زمانی که به خرید یا مسافرت میرویم
-
11:17 - 11:19در شهرها
-
11:20 - 11:22و سراسر دنیا.
-
11:23 - 11:26چه چیزی را متوجه میشویم؟
چه چیزی یاد میگیریم؟ -
11:26 - 11:28شاید به جای تشخیص سد کردن و چرخش،
-
11:28 - 11:31یک ماشین بتواند لحظه را بیابد و به من
اطلاع دهد -
11:31 - 11:33که دخترم کی اولین قدمش را بر خواهد داشت.
-
11:33 - 11:36که در واقع ممکن است همین الان باشد.
-
11:36 - 11:40شاید بتوانیم یاد بگیریم که از ساختمانها
بهتر استفاده کنیم، شهرها را بهتر بسازیم. -
11:40 - 11:45من باور دارم که با توسعه دانش نقطهها،
-
11:45 - 11:49ما بهتر حرکت خواهیم کرد، هوشمندانه تر
عمل میکنیم و پیشرفت خواهیم کرد. -
11:49 - 11:50بسیار سپاسگزارم.
-
11:50 - 11:55(تشویق)
- Title:
- ریاضیات مربوط به پیچیده ترین حرکتهای بسکتبال
- Speaker:
- راجیو مهسواران
- Description:
-
بسکتبال یک بازی پر سرعت است که شامل بداهه پردازی، برخورد و البته درک الگوهی فضا_زمانی است. راجیو مهسواران و همکارانش برای کمک به درک بهتر مربیان و بازیکنان ازاطلاعات جدید، در حال پردازش حرکات مربوط به بازیهای پیچیده این ورزش هستند. ارزش: آنچه آنها یاد میگیرند به ما کمک میکند تا بفهمیم انسانها چگونه همه جا در حرکت هستند.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:08
b a approved Persian subtitles for The math behind basketball's wildest moves | ||
b a edited Persian subtitles for The math behind basketball's wildest moves | ||
b a edited Persian subtitles for The math behind basketball's wildest moves | ||
b a edited Persian subtitles for The math behind basketball's wildest moves | ||
Leila Ataei accepted Persian subtitles for The math behind basketball's wildest moves | ||
Leila Ataei edited Persian subtitles for The math behind basketball's wildest moves | ||
Leila Ataei edited Persian subtitles for The math behind basketball's wildest moves | ||
Leila Ataei edited Persian subtitles for The math behind basketball's wildest moves |