La matematica alla base delle mosse più incredibili del basket.
-
0:01 - 0:05Io e i miei colleghi siamo affascinati
dalla scienza dei punti in movimento. -
0:05 - 0:06Cosa sono questi punti?
-
0:06 - 0:07Beh, siamo tutti noi.
-
0:07 - 0:12Ci spostiamo in casa e in ufficio,
mentre facciamo acquisti o viaggiamo, -
0:13 - 0:15tra le nostre città
e in tutto il mondo. -
0:15 - 0:19Sarebbe bello riuscire a capire
tutto questo movimento. -
0:19 - 0:22Trovarci schemi,
significati, conoscenze nuove. -
0:22 - 0:24E fortunatamente per noi,
viviamo in un'era -
0:25 - 0:29in cui siamo incredibilmente bravi
a catturare informazioni su noi stessi. -
0:29 - 0:32Attraverso sensori,
video, applicazioni, infatti, -
0:32 - 0:36noi possiamo tracciare il nostro
movimento in modo davvero dettagliato. -
0:36 - 0:41E a quanto pare, uno dei settori che
fornisce i migliori dati sul movimento -
0:41 - 0:42è lo sport.
-
0:43 - 0:48Che si tratti di basket o baseball,
di calcio o rubgy, -
0:48 - 0:51stiamo attrezzando
gli stadi e i giocatori -
0:51 - 0:54per tracciare i loro movimenti
a ogni frazione di secondo. -
0:54 - 0:56Quindi ciò che stiamo facendo
-
0:56 - 0:58è trasformare i nostri atleti in
-
0:58 - 1:00-- probabilmente
l'avrete già capito - -
1:00 - 1:02punti in movimento.
-
1:02 - 1:04Quindi abbiamo montagne
di punti in movimento -
1:04 - 1:07e, come la maggior parte
dei dati grezzi, -
1:07 - 1:10sono difficili da gestire
e spesso non interessanti. -
1:10 - 1:13Ma esistono cose che, per esempio,
gli allenatori di basket vogliono sapere. -
1:13 - 1:15Il problema è che non possono saperle
-
1:15 - 1:18perché dovrebbero guardare
ogni secondo di ogni partita, -
1:18 - 1:20ricordarselo ed esaminarlo.
-
1:20 - 1:22E una persona non può farlo.
-
1:22 - 1:23Ma una macchina sì!
-
1:24 - 1:27Però una macchina non può vedere il gioco
con gli occhi di un allenatore. -
1:27 - 1:30Quantomeno non poteva finora.
-
1:30 - 1:33Cosa abbiamo insegnato a vedere
alla macchina, quindi? -
1:34 - 1:35Abbiamo iniziato in modo semplice.
-
1:35 - 1:39Le abbiamo insegnato cose
come i passaggi, i tiri e i rimbalzi. -
1:39 - 1:42Cose che molti dei normali fan conoscono.
-
1:42 - 1:45Poi siamo passati a cose
leggermente più complicate. -
1:45 - 1:49Azioni come i post alti,
i pick and rolls e gli isolamenti. -
1:49 - 1:52Se non li sapete, tranquilli.
Molti normali giocatori li sanno. -
1:54 - 1:59Oggi siamo arrivati a macchine
che comprendono eventi complessi -
1:59 - 2:02come i "down screen" e i "wide pins".
-
2:02 - 2:05Praticamente cose che solo i
professionisti conoscono. -
2:05 - 2:09Quindi abbiamo insegnato alla macchina
a guardare con gli occhi di un allenatore. -
2:10 - 2:12Come ci siamo riusciti?
-
2:13 - 2:16Se chiedessi a un allenatore
di descrivere un pick and roll, -
2:16 - 2:17mi darebbe una descrizione
-
2:17 - 2:20che sarebbe terribile
da codificare in un algoritmo. -
2:21 - 2:25Il pick and roll nel basket
è una specie di danza tra 4 giocatori, -
2:25 - 2:27due in attacco e due in difesa.
-
2:27 - 2:29Ecco più o meno come funziona.
-
2:29 - 2:31Qui c'è il giocatore in attacco
senza la palla -
2:32 - 2:35e si avvicina al giocatore
che difende contro chi ha la palla -
2:35 - 2:36e rimane un po' lì
-
2:36 - 2:38poi si muovono, succedono cose,
-
2:38 - 2:40Ta-da! È un pick and roll.
-
2:40 - 2:42(Risate)
-
2:42 - 2:44Ed è anche un pessimo
esempio di algoritmo. -
2:45 - 2:49Quindi, se il giocatore che marca,
chiamato bloccatore -
2:49 - 2:52va vicino ma non si ferma,
-
2:52 - 2:54probabilmente non è un pick and roll.
-
2:55 - 2:59O se si ferma, ma non va vicino abbastanza
-
2:59 - 3:00probabilmente non è un pick and roll.
-
3:01 - 3:04O, se va vicino e si ferma
-
3:04 - 3:07ma succede sotto al canestro,
probabilmente non è un pick and roll. -
3:07 - 3:10O mi potrei sbagliare,
e sono tutti pick and roll. -
3:10 - 3:15Dipende fortemente dal momento esatto,
dalle distanze e dalle posizioni. -
3:15 - 3:16Per questo è difficile.
-
3:17 - 3:19Ma con l'apprendimento automatico
-
3:20 - 3:23noi andiamo oltre la nostra capacità
nel descrivere ciò che sappiamo -
3:23 - 3:26E come funziona?
-
3:26 - 3:29Per esempio, andiamo dalla macchina
e le diciamo: "Buongiorno, macchina. -
3:29 - 3:33Questi sono alcuni pick and roll,
e qui ci sono alcune cose che non lo sono. -
3:33 - 3:35Trova un modo per spiegare le differenze".
-
3:35 - 3:39E la chiave è trovare caratteristiche
che l'aiutino a distinguere. -
3:39 - 3:42Così come se le insegnassi la differenza
tra una mela e un'arancia, -
3:42 - 3:44direi: "Perché non usi
il colore o la forma?" -
3:45 - 3:46E il problema davanti a noi è:
-
3:46 - 3:49cosa sono queste cose,
quali sono queste caratteristiche -
3:49 - 3:53che permettono alla macchina di
indagare i punti in movimento? -
3:53 - 3:56Tenere in mente tutte queste relazioni,
con posizione relative e assoluta, -
3:56 - 3:59distanza, tempi, velocità --
-
3:59 - 4:03questa è la vera chiave
per la scienza dei punti in movimento, -
4:03 - 4:08o, in gergo accademico, riconoscimento
del modello spaziotemporale. -
4:08 - 4:11Perché prima di tutto
devi darle un nome difficile... -
4:11 - 4:12(risate)
...perché lo è. -
4:12 - 4:16Il punto è che gli allenatori NBA
non vogliono sapere -
4:16 - 4:17se è avvenuto o meno un pick and roll.
-
4:18 - 4:20Vogliono sapere come è accaduto.
-
4:20 - 4:23Perché è così importante per loro?
Vediamo un po' meglio. -
4:23 - 4:24Nel basket moderno,
-
4:24 - 4:27il pick and roll è forse
la mossa più importante. -
4:27 - 4:30Sapere come metterla in pratica
e come difendersi da essa -
4:30 - 4:32è la chiave per vincere
la maggior parte delle partite -
4:32 - 4:36Ne viene fuori che questa sorta di
danza ha tante varianti -
4:36 - 4:40e identificarle è ciò
che più conta. -
4:40 - 4:42È per questo che bisogna farlo
molto, molto bene. -
4:43 - 4:46Ecco un esempio: ci sono
due attaccanti e due difensori, -
4:46 - 4:48pronti ad inziare la danza
del pick and roll. -
4:48 - 4:52Il tipo con la palla
può sia accettare o rifiutare il blocco. -
4:52 - 4:55il suo compagno di squadra
può fare roll o pop. -
4:55 - 4:58il giocatore che difende la palla può
passare sopra o sotto -
4:58 - 5:03Il suo compagno può mostrare,
giocare up-to-touch o giocare soft -
5:03 - 5:05ed insieme possono cambiare marcatura
o fare un raddoppio -
5:05 - 5:08e quando cominciai io non sapevo
la maggior parte di queste cose -
5:08 - 5:12e sarebbe bello se tutti
si muovessero seguendo queste frecce: -
5:12 - 5:14renderebbe la vita molto più semplice.
-
5:14 - 5:16Ma in realtà il movimento
è molto confuso. -
5:16 - 5:21Le persone ondeggiano molto e
identificare queste variazioni -
5:21 - 5:22con un alto livello di accuratezza
-
5:22 - 5:26sia in precisione che in memorizzazione,
è difficile, ma è necessario -
5:26 - 5:28se vuoi che un allenatore
professionista ti creda. -
5:28 - 5:31Malgrado tutti i problemi
con le questioni spaziotemporali, -
5:31 - 5:33ci siamo riusciti.
-
5:33 - 5:37Gli allenatori credono nella capacità
della macchina di trovare le varianti. -
5:37 - 5:41Siamo arrivati al punto che
quasi ogni partecipante -
5:41 - 5:43al campionato NBA di quest'anno
-
5:43 - 5:46sta usando il nostro software,
costruito su una macchina -
5:46 - 5:49che capisce i punti
in movimento del basket. -
5:50 - 5:55Non solo abbiamo dato consigli che
hanno cambiato le strategie di gioco -
5:55 - 5:58che hanno aiutato le squadre a
vincere competizioni molto importanti -
5:58 - 6:00ed è esaltante vedere allenatori
-
6:00 - 6:04con 30 anni di esperienza in lega pronti
a farsi consigliare da una macchina. -
6:06 - 6:08È appassionante, è c'è molto più
dei pick and roll. -
6:08 - 6:10La macchina ha cominciato
con cose semplici, -
6:10 - 6:12poi ha imparato cose
sempre più complesse -
6:12 - 6:14e ora sa davvero molte cose.
-
6:14 - 6:17Francamente, io non capisco
gran parte di quello che fa, -
6:17 - 6:21e anche se non ci vuol molto
ad essere più bravi di me, -
6:21 - 6:25ci chiedevamo, può una macchina
sapere più di un allenatore? -
6:25 - 6:27Sapere più di quello che sa una persona?
-
6:27 - 6:29Viene fuori che la risposta è si.
-
6:29 - 6:31Gli allenatori vogliono che i giocatori
facciamo dei bei tiri. -
6:31 - 6:33Quindi, se sono vicino al canestro
-
6:33 - 6:35con nessuno vicino a me,
è un buon tiro. -
6:35 - 6:39Se sono lontano circondato da difensori,
in genere è un tiro scadente. -
6:39 - 6:44Ma quanto "buoni" o "scadenti"
sono i tiri buoni o scadenti? -
6:44 - 6:46Finora non potevi saperlo.
-
6:46 - 6:49Quindi cosa possiamo fare
usando coordinate spaziotemporali? -
6:49 - 6:50Abbiamo guardato ogni tiro.
-
6:50 - 6:53Possiamo vedere: dove è il tiro?
Qual è l'angolo col canestro? -
6:53 - 6:56Dove sono i difensori?
Quali sono le loro distanze? -
6:56 - 6:57Quali sono i loro angoli?
-
6:57 - 7:00Con più difensori, possiamo guardare
a come si muove il giocatore -
7:00 - 7:02e prevedere il tipo di tiro.
-
7:02 - 7:06Possiamo guardare alle loro velocità
e costruire un modello che prevede -
7:06 - 7:10la probabilità che questo tiro vada dentro,
date queste circostanze? -
7:10 - 7:12E perché questo è importante?
-
7:12 - 7:15Possiamo prendere ciò che era il tirare,
-
7:15 - 7:18che prima era una cosa sola,
e separarla in due: -
7:18 - 7:20la qualità del tiro
e la qualità del tiratore. -
7:22 - 7:25Ecco un grafico a bolle: che TED sarebbe,
senza un grafico a bolle? -
7:25 - 7:26(Risate)
-
7:26 - 7:27Questi sono giocatori NBA.
-
7:27 - 7:30La dimensione è quella del giocatore
e il colore è la posizione. -
7:30 - 7:33Sull'asse delle x abbiamo
la probabilità di tiro. -
7:33 - 7:35Le persone sulla sinistra
fanno tiri difficili, -
7:35 - 7:37sulla destra, tiri facili.
-
7:37 - 7:39Sull'asse delle y
c'è la loro abilità di tiro. -
7:39 - 7:42Quelli bravi sono in alto,
gli altri in basso. -
7:42 - 7:44Per esempio, se c'era un giocatore
-
7:44 - 7:46che in genere realizzava
il 47% dei tiri, -
7:46 - 7:48prima questo era
tutto ciò che sapevamo. -
7:48 - 7:52Ma oggi ti posso dire che quel giocatore
fa tiri che il giocatore NBA di media -
7:52 - 7:54farebbe il 49% delle volte,
-
7:54 - 7:56e quindi è del 2% peggiore.
-
7:56 - 8:01E il motivo per cui è importante
è che ci sono tanti 47 in giro, -
8:02 - 8:04e quindi è molto importante sapere
-
8:04 - 8:08se il 47 a cui stai pensando di dare
100 milioni di dollari -
8:08 - 8:11è un buon tiratore
ma che sceglie tiri difficili -
8:11 - 8:14o è un cattivo tiratore
che sceglie tiri buoni. -
8:15 - 8:18L'analisi della macchina non cambia solo
come guardiamo ai giocatori, -
8:18 - 8:20cambia il modo di guardare al gioco.
-
8:20 - 8:24C'era questa partita emozionante,
un paio di anni fa, nelle finali NBA. -
8:24 - 8:27Miami perdeva per 3 punti,
e mancavano 20 secondi. -
8:27 - 8:29Stavano per perdere il campionato.
-
8:29 - 8:33Un certo LeBron James ebbe l'occasione
di un tiro da 3 per pareggiare. -
8:33 - 8:36Sbagliò, il suo compagno Chris Bosh
prese un rimbalzo, -
8:36 - 8:38lo passò ad un altro, Ray Allen.
-
8:38 - 8:40Che infilò un tre.
Andarono ai supplementari. -
8:40 - 8:42Vinsero la partita.
Vinsero il campionato. -
8:42 - 8:45Fu una delle partite più emozionanti
della storia del basket. -
8:45 - 8:48E la capacità di conoscere
la probabilità di tiro -
8:48 - 8:50di ognuno,
a ogni secondo, -
8:50 - 8:52la probabilità che prendessero
un rimbalzo a ogni secondo -
8:52 - 8:57può far luce su questo momento
in modo completamente nuovo. -
8:58 - 9:00Sfortunatamente non posso
farvi vedere il video. -
9:00 - 9:04Ma per voi,
abbiamo ricreato quel momento -
9:04 - 9:07durante la nostra partita settimanale
circa 3 settimane fa. -
9:07 - 9:09(Risate)
-
9:10 - 9:13E abbiamo ricreato l'analisi
che ci ha portato a nuove informazioni. -
9:14 - 9:17Eccoci qui.
Questa è Chinatown a Los Angeles, -
9:17 - 9:19un parco dove giochiamo
tutte le settimane, -
9:19 - 9:22e questi siamo noi che ricreiamo
il momento Ray Allen -
9:22 - 9:24e tutte le analisi associate.
-
9:25 - 9:26Ecco il tiro.
-
9:26 - 9:29Vi faccio vedere quel momento
-
9:29 - 9:31e tutte le informazioni di quel momento.
-
9:31 - 9:35L'unica differenza è che, invece di
giocatori professionisti, ci siamo noi, -
9:35 - 9:38e invece di un professionista,
commento io. -
9:38 - 9:40Quindi siate comprensivi.
-
9:41 - 9:42Miami.
-
9:43 - 9:44Sotto 3 punti.
-
9:44 - 9:4520 secondi rimasti.
-
9:47 - 9:49Jeff porta avanti la palla.
-
9:51 - 9:53Josh l'afferra,
fa un tiro da 3 punti! -
9:53 - 9:54[Calcolo della probabilità del tiro]
-
9:55 - 9:56[Qualità del tiro]
-
9:57 - 9:59[Probabilità di rimbalzo]
-
10:00 - 10:02Non entra!
-
10:02 - 10:03[Probabilità di rimbalzo]
-
10:04 - 10:05Rimbalzo, Noel.
-
10:05 - 10:06Indietro a Daria.
-
10:07 - 10:10[Qualità del tiro]
-
10:11 - 10:12E lei fa i 3 punti! Bang!
-
10:12 - 10:15Partita pareggiata con 5 secondi rimasti.
-
10:15 - 10:16Il pubblico impazzisce.
-
10:17 - 10:18(Risate)
-
10:18 - 10:20Più o meno è andata così.
-
10:20 - 10:21(Applausi)
-
10:21 - 10:22Più o meno.
-
10:22 - 10:24(Applausi)
-
10:24 - 10:30Quel momento aveva una probabilità
di accadere nell'NBA del 9% -
10:30 - 10:32e noi lo sappiamo
come moltissime altre cose. -
10:32 - 10:35Non sto a darvi quante volte
ci abbiamo messo per replicarlo. -
10:35 - 10:37(Risate)
-
10:37 - 10:39Via, ve lo dico. Quattro volte.
-
10:39 - 10:40(Risate)
-
10:40 - 10:41Grande Daria!
-
10:42 - 10:46Ma la cosa importante di questo video,
-
10:46 - 10:50e quello che capiamo
di ogni secondo, non è tanto quello. -
10:51 - 10:55È che non devi essere un professionista
per tener traccia dei movimenti. -
10:55 - 10:58Non serve essere un professionista
per comprendere meglio il movimento. -
10:58 - 11:02E in fondo, non deve nemmeno
essere sport, perché ci muoviamo ovunque. -
11:04 - 11:06Ci muoviamo nelle nostre case,
-
11:09 - 11:11nei nostri uffici,
-
11:12 - 11:15mentre facciamo acquisti
e viaggiamo -
11:17 - 11:19attraverso le nostre città
-
11:20 - 11:22e intorno al mondo.
-
11:23 - 11:26Quanto conosceremo? Cosa impareremo?
-
11:26 - 11:28Forse, invece di identificare
pick and roll -
11:28 - 11:30una macchina può identificare il momento
-
11:30 - 11:33e informarmi quando mia figlia
fa i suoi primi passi. -
11:33 - 11:36Che potrebbe davvero succedere
da un momento all'altro. -
11:36 - 11:40Forse si può usare meglio i nostri edifici
o pianificare meglio le nostre città. -
11:40 - 11:45Io credo che con lo sviluppo della scienza
dei punti in movimento, -
11:45 - 11:48ci muoveremo meglio, più intelligentemente
e faremo grandi progressi. -
11:49 - 11:50Grazie mille.
-
11:50 - 11:55(Applausi)
- Title:
- La matematica alla base delle mosse più incredibili del basket.
- Speaker:
- Rajiv Maheswaran
- Description:
-
Il basket è un gioco veloce di improvvisazione, contatto e, ehm, riconoscimento di schemi spazio-temporali. Rajiv Maheswaran e i suoi colleghi analizzano i movimenti alla base delle mosse decisive del gioco, per aiutare allenatori e giocatori a combinare percezione e dati. Con un vantaggio extra: quello che stanno imparando può aiutarci a capire come gli umani si muovono, ovunque.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:08
Michele Gianella edited Italian subtitles for The math behind basketball's wildest moves | ||
Michele Gianella approved Italian subtitles for The math behind basketball's wildest moves | ||
Michele Gianella edited Italian subtitles for The math behind basketball's wildest moves | ||
Michele Gianella edited Italian subtitles for The math behind basketball's wildest moves | ||
Michele Gianella edited Italian subtitles for The math behind basketball's wildest moves | ||
Michele Gianella edited Italian subtitles for The math behind basketball's wildest moves | ||
Michele Gianella edited Italian subtitles for The math behind basketball's wildest moves | ||
silvio stoppoloni accepted Italian subtitles for The math behind basketball's wildest moves |