Matematika iza najluđih pokreta u košarci
-
0:01 - 0:05Moje kolege i mene fascinira
nauka o pokretnim tačkama. -
0:05 - 0:06Kakve su to tačke?
-
0:06 - 0:07Pa, to smo svi mi.
-
0:07 - 0:11Krećemo se u našim domovima
i kancelarijama -
0:11 - 0:15dok kupujemo i putujemo
po gradovima i svetu. -
0:15 - 0:19Zar ne bi bilo sjajno da možemo
da razumemo sve ove pokrete? -
0:19 - 0:22Da imamo uvid u njihove šeme i značenja.
-
0:22 - 0:25A srećom po nas, živimo u vremenu
-
0:25 - 0:29u kom nam neverovatno dobro ide
da pratimo informacije o sebi. -
0:29 - 0:32Bilo da je to putem senzora,
snimaka ili aplikacija, -
0:32 - 0:35možemo vrlo detaljno pratiti naše pokrete.
-
0:36 - 0:41Ispada da je jedno od mesta
gde imamo najviše podataka o pokretu -
0:41 - 0:42sport.
-
0:43 - 0:48Bilo da je to košarka, bejzbol,
ili američki fudbal ili onaj drugi fudbal, -
0:48 - 0:52postavljamo instrumente na stadione
i igrače da bismo pratili njihovo kretanje -
0:52 - 0:54u svakom deliću sekunde.
-
0:54 - 0:58Ono što radimo je da pretvaramo
naše sportiste u - -
0:58 - 1:00verovatno već pretpostavljate -
-
1:00 - 1:02pokretne tačke.
-
1:02 - 1:07Tako imamo gomilu pokretnih tački,
i slično većini neobrađenih podataka, -
1:07 - 1:09teško je raditi sa njima,
a nije baš ni zanimljivo. -
1:09 - 1:13Ali postoje stvari koje, na primer,
košarkaški treneri žele da znaju. -
1:13 - 1:17A problem je što ne mogu da ih znaju
zato što bi morali da gledaju svaki sekund -
1:17 - 1:20svake utakmice, sve to zapamte i obrade.
-
1:20 - 1:22A čovek to ne može,
-
1:22 - 1:23ali mašina može.
-
1:24 - 1:27Problem je što mašina
ne vidi utakmicu očima trenera. -
1:27 - 1:30Bar do sada nije mogla.
-
1:30 - 1:32Šta smo to naučili mašinu da vidi?
-
1:34 - 1:35Pa, počeli smo sa osnovama.
-
1:35 - 1:39Naučili smo je stvarima kao što su pasovi,
šutevi i skok pod košem. -
1:39 - 1:42Stvarima koje zna
većina prosečnih obožavalaca. -
1:42 - 1:45A potom smo prešli
na malo komplikovanije stvari. -
1:45 - 1:49Događaje poput postapova,
pik end rola i presinga. -
1:49 - 1:53Ako ne znate te pojmove, u redu je.
Većina prosečnih igrača zna. -
1:54 - 1:59E, sad, došli smo do tačke da danas
mašina razume kompleksne događaje -
1:59 - 2:02poput akcija i vajd pinova.
-
2:02 - 2:05Praktično, ono što znaju
samo profesionalci. -
2:05 - 2:09Zapravo, naučili smo mašinu
da vidi očima trenera. -
2:10 - 2:12Kako smo ovo uspeli?
-
2:13 - 2:16Ako pitam trenera da opiše
nešto poput pik end rola, -
2:16 - 2:17on mi objasni šta je to,
-
2:17 - 2:20i ako bih to ubacio u algoritam,
izgledalo bi užasno. -
2:21 - 2:25Stvar je u tome što je pik end rol
u košarci ples između četiri igrača, -
2:25 - 2:27dva u napadu i dva u odbrani.
-
2:27 - 2:29I evo kako to otprilike ide.
-
2:29 - 2:32Jedan momak je u napadu bez lopte
-
2:32 - 2:35i on ide do momka
koji čuva drugog momka sa loptom -
2:35 - 2:36i otprilike ostaje tamo,
-
2:36 - 2:40obojica se pomeraju i nešto se dešava,
i ta-da, to je pik end rol. -
2:40 - 2:42(Smeh)
-
2:42 - 2:44To je takođe, jedan primer
užasnog algoritma. -
2:45 - 2:49Tako, ako igrač koji vrši udvajanje -
on se zove bloker - -
2:49 - 2:52prilazi blizu, ali se ne zaustavlja,
-
2:52 - 2:54to verovatno nije pik end rol.
-
2:55 - 2:59Ili ako se zaustavi,
ali se ne zaustavi dovoljno blizu, -
2:59 - 3:00to verovatno opet nije pik end rol.
-
3:01 - 3:04Ili, ako priđe blizu i zaustavi se,
-
3:04 - 3:07ali to uradi pod košem,
to verovatno nije pik end rol. -
3:07 - 3:10Ili ja možda grešim, možda je
sve to pik end rol. -
3:10 - 3:15To zaista zavisi od preciznog tajminga,
udaljenosti, lokacije, -
3:15 - 3:16i to je ono što otežava stvari.
-
3:17 - 3:22Srećom, sa mašinskim učenjem,
možemo da idemo dalje od naše sposobnosti -
3:22 - 3:23da opišemo stvari koje znamo.
-
3:23 - 3:26Kako ovo funkcioniše? Pa, po primeru.
-
3:26 - 3:29Odemo do mašine i kažemo,
"Dobro jutro, mašino. -
3:29 - 3:32Evo nekih pik end rolova,
evo nekih stvari koje nisu. -
3:33 - 3:35Molim te, nađi način da napraviš razliku."
-
3:35 - 3:39I ključ za sve ovo je pronaći svojstva
koja joj omogućavaju da to raščlani. -
3:39 - 3:41Tako, ako bih hteo da je naučim razlici
-
3:41 - 3:42između jabuke i pomorandže,
-
3:42 - 3:45mogao bih da kažem:
"Što ne uzmeš boju ili obllk?" -
3:45 - 3:48Problem koji rešavamo je,
šta su to te stvari? -
3:48 - 3:49Koje su ključne stavke
-
3:49 - 3:52koje kompjuteru omogućavaju da
upravlja svetom pokretnih tački? -
3:53 - 3:57Razumevši sve ove veze
sa relativnom i apsolutnom lokacijom, -
3:57 - 3:59udaljenost, tajming, brzina -
-
3:59 - 4:04to je zaista ključ nauke o pokretnim
tačkama ili kako mi volimo da zovemo, -
4:04 - 4:08spaciotemporalna šema prepoznavanja,
akademskim žargonom govoreći. -
4:08 - 4:11Jer kao prvo, mora da zvuči teško -
-
4:11 - 4:12jer to i jeste.
-
4:12 - 4:16Ključna stvar, za NBA trenere,
nije to da žele da znaju -
4:16 - 4:17da li je došlo do pik end rola ili ne.
-
4:18 - 4:20Oni žele da znaju kako se odvijao.
-
4:20 - 4:23A zašto je to njima tako važno?
Evo malog uvida. -
4:23 - 4:24Izgleda da je u modernoj košarci
-
4:24 - 4:27ovaj pik end rol možda
najvažniji deo igre. -
4:27 - 4:30Znati kako treba da se izvede,
i kako da se odbrani, -
4:30 - 4:32je suštinski ključ pobede
ili poraza u većini utakmica. -
4:32 - 4:36Tako ispada da ovaj ples
ima mnoge varijacije -
4:36 - 4:40i identifikovanje tih varijacija
je ono što je stvarno važno, -
4:40 - 4:42i zato nam je potrebno da ovo
bude baš, baš dobro. -
4:43 - 4:44Evo jednog primera.
-
4:44 - 4:47Imamo dva igrača u napadu
i dva igrača u odbrani, -
4:47 - 4:49spremni su da izvedu pik end rol ples.
-
4:49 - 4:52Igrač sa loptom može
ili prihvatiti, ili odbiti. -
4:52 - 4:55Saigrač se može ili saviti ili otvoriti.
-
4:55 - 4:58Momak koji čuva loptu
može ići iznad ili ispod. -
4:58 - 5:03Njegov saigrač može ili da se otkrije
ili da igra do kontakta, ili bez kontakta -
5:03 - 5:05i zajedno mogu ili
da se zamene ili napadnu -
5:05 - 5:08a nisam znao većinu ovih
stvari kada sam počinjao -
5:08 - 5:12i bilo bi divno kada bi se svi pomerali
u skladu sa ovim strelicama. -
5:12 - 5:16To bi umnogome olakšalo naše živote,
ali izgleda da su naši pokreti zbrkani. -
5:16 - 5:22Ljudi se mnogo meškolje i dobijanje
ovih identifikovanih varijacija -
5:22 - 5:23sa veoma velikom tačnošću,
-
5:23 - 5:25i u preciznosti i povlačenju, je teško
-
5:25 - 5:28jer zbog toga je potrebno da imaš
profesionalnog trenera koji veruje u tebe. -
5:28 - 5:32I uprkos svim poteškoćama sa tačnim
spaciotemporalnim karakteristikama, -
5:32 - 5:33mi smo to uradili.
-
5:33 - 5:37Treneri veruju mogućnostima naših mašina
da identifikuju ove varijacije. -
5:37 - 5:41Došli smo do tačke gde
skoro svaki kandidat -
5:41 - 5:43za NBA šampionat ove godine
-
5:43 - 5:47koristi naš softver, koji je ugrađen
u mašinu koja razume -
5:47 - 5:49pokretne tačke u košarci.
-
5:50 - 5:55I ne samo to, davali smo savete
koji menjaju strategije -
5:55 - 5:58koje pomažu timovima
da dobiju veoma važne utakmice, -
5:58 - 6:02a to je vrlo uzbudljivo jer imate
trenere koji su u ligi -
6:02 - 6:05i po 30 godina i koji su spremni da
prihvate savet od mašine. -
6:06 - 6:09I to je vrlo uzbudljivo,
to je mnogo više od pik end rola. -
6:09 - 6:11Naš kompjuter je počeo sa prostim stvarima
-
6:11 - 6:13i učio sve komplikovanije stvari
-
6:13 - 6:15tako da sada zna dosta toga.
-
6:15 - 6:17Iskreno, ni ja ne razumem
dosta toga što on radi, -
6:17 - 6:21i dok nije toliko teško biti
pametniji od mene, -
6:21 - 6:25pitali smo se, može li neka
mašina da zna više od trenera? -
6:25 - 6:27Može li da zna više od nego čovek?
-
6:27 - 6:29I izgleda da je odgovor da.
-
6:29 - 6:31Treneri žele da im igrači imaju dobar šut.
-
6:31 - 6:33Ako ja stojim blizu koša
-
6:33 - 6:35i nema nikoga u blizini,
to je dobra pozicija. -
6:35 - 6:39Ako stojim daleko okružen
odbranom, to je generalno loša pozicija. -
6:39 - 6:44Međutim, nikad kvantitativno nismo znali
koliko je stvarno dobra ili loša. -
6:44 - 6:45Do sada.
-
6:46 - 6:49Opet, ono što možemo uraditi,
koristeći spaciotemporalne podatke, -
6:49 - 6:50je da pogledamo svaki šut.
-
6:50 - 6:53Možemo videti: Odakle ide?
Pod kojim uglom je od koša? -
6:53 - 6:56Gde stoji odbrana?
Na kojoj su udaljenosti? -
6:56 - 6:57Pod kojim su oni uglom?
-
6:57 - 7:00Za više odbrambenih igrača, možemo videti
kako se igrač kreće -
7:00 - 7:02i predvideti vrstu šuta.
-
7:02 - 7:06Možemo videti svačiju brzinu
i možemo napraviti model koji predviđa -
7:06 - 7:10koja je verovatnoća da će ovaj šut
ući pod ovim okolnostima? -
7:10 - 7:12Zašto je ovo važno?
-
7:12 - 7:15Možemo uzeti neki šut,
-
7:15 - 7:18ranije gledan kao celina,
i podeliti ga na dve stvari: -
7:18 - 7:20kvalitet šuta i kvalitet igrača.
-
7:22 - 7:25I ovde imamo grafikon sa mehurićima,
jer šta bi bio TED bez toga? -
7:25 - 7:26(Smeh)
-
7:26 - 7:27Ovo su NBA igrači.
-
7:27 - 7:30Veličina je veličina igrača
a boja je njegova pozicija. -
7:30 - 7:33Na x-osi, imamo verovatnoću pogotka.
-
7:33 - 7:35Ljudi s leva šutiraju iz teške pozicije,
-
7:35 - 7:37sa desna, iz lakih pozicija.
-
7:37 - 7:39Na y-osi je njihov procenat pogotka.
-
7:39 - 7:42Ljudi koji su dobri su pri vrhu,
loši pri dnu. -
7:42 - 7:44Tako na primer, vidite igrača
-
7:44 - 7:46koji generalno ima 47 procenat šuta,
-
7:46 - 7:47i to je sve što ste znali.
-
7:47 - 7:52Ali danas, mogu da vam kažem da igrač
šutira onako kako bi prosečan NBA igrač -
7:52 - 7:54šutirao 49 posto vremena,
-
7:54 - 7:56i gore je za dva procenta.
-
7:56 - 8:01A razlog što je ovo važno je
što ovde ima dosta onih sa 47%. -
8:02 - 8:04I tako je vrlo važno znati
-
8:04 - 8:08da li je onaj sa 47 kome razmišljate
da platite 100 miliona dolara -
8:08 - 8:11dobar šuter iz teških pozciija,
-
8:11 - 8:14ili loš šuter koji pogađa lake koševe.
-
8:15 - 8:18Mašina ne utiče na naš pogled na igrače,
-
8:18 - 8:20već utiče na naš pogled na igru.
-
8:20 - 8:24Tako je pre par godina, u NBA finalu,
bila jedna vrlo zanimljiva utakmica. -
8:24 - 8:27Majami je gubio sa tri razlike,
20 sekundi pre kraja. -
8:27 - 8:29Bili su na pragu da izgube titulu.
-
8:29 - 8:33Gospodin po imenu LeBron Džejms
je ušao i pucao trojku za izjednačenje. -
8:33 - 8:34Promašio je.
-
8:34 - 8:36Njegov saigrač Kris Boš skače i brani,
-
8:36 - 8:38pruža loptu saigraču, Reju Alenu.
-
8:38 - 8:40On ubacuje za tri. Idu produžeci.
-
8:40 - 8:42Pobedili su. Osvojili su šampionat.
-
8:42 - 8:45To je bila jedna od
najuzbudljivijih utakmica. -
8:45 - 8:49I to što možemo da znamo
verovatnoću pogotka svakog igrača -
8:49 - 8:50u svakoj sekundi,
-
8:50 - 8:53i verovatnoću skoka pod košem
u svakoj sekundi -
8:53 - 8:57može da rasvetli ovaj trenutak na način
na koji nikad ranije nismo mogli. -
8:58 - 9:00Nažalost, sada vam
ne mogu pokazati taj snimak. -
9:00 - 9:05Ali, za vas smo ponovili tu situaciju
-
9:05 - 9:07na našoj nedeljnoj utakmici
pre oko tri sedmice. -
9:07 - 9:09(Smeh)
-
9:10 - 9:13I ponovo smo oživeli putanju
koja je dovela do tog uvida. -
9:13 - 9:17I, evo nas.
Ovo je Kineska četvrt u Los Anđelesu, -
9:17 - 9:19park gde igramo svake nedelje,
-
9:19 - 9:21i evo ga ponovo trenutak Reja Alena
-
9:21 - 9:24i svi pokreti u vezi sa tim.
-
9:25 - 9:26I evo šuta.
-
9:26 - 9:29Pokazaću vam taj trenutak
-
9:29 - 9:31i sve uvide u taj trenutak.
-
9:31 - 9:35Jedina razlika je što smo umesto
profesionalnih igrača ovde mi, -
9:35 - 9:38a umesto profesionalnog
komentatora, tu sam ja. -
9:38 - 9:39Pa ćete morati da me istrpite.
-
9:41 - 9:42Majami.
-
9:43 - 9:44Minus tri.
-
9:44 - 9:45Još dvadeset sekundi.
-
9:47 - 9:49Džef donosi loptu.
-
9:51 - 9:52Džoš je hvata, ubacuje trojku!
-
9:53 - 9:54[Računa se verovatnoća pogotka]
-
9:55 - 9:56[Kvalitet šuta]
-
9:57 - 9:59[Mogućnost odbrane]
-
10:00 - 10:02Neće ući!
-
10:02 - 10:03[Verovatnoća odbrane]
-
10:04 - 10:05Brani Noel.
-
10:05 - 10:06Vraća do Darije.
-
10:07 - 10:10[Kvalitet šuta]
-
10:11 - 10:12Za tri poena - bam!
-
10:12 - 10:15Izjednačenje pet sekundi pre kraja.
-
10:15 - 10:16Publika je u transu.
-
10:17 - 10:18(Smeh)
-
10:18 - 10:20Otprilike tako nekako.
-
10:20 - 10:21(Aplauz)
-
10:21 - 10:22Otprilike.
-
10:22 - 10:24(Aplauz)
-
10:24 - 10:30Taj momenat je imao šansu
od devet procenata da se desi u NBA -
10:30 - 10:32i znamo to kao i mnogo drugih stvari.
-
10:32 - 10:35Neću vam reći iz koliko pokušaja
nam je ovo uspelo. -
10:35 - 10:37(Smeh)
-
10:37 - 10:39Okej, ipak hoću! Četiri puta.
-
10:39 - 10:40(Smeh)
-
10:40 - 10:41Svaka čast, Darija.
-
10:42 - 10:46Ali ono što je važno
u vezi sa ovim snimkom -
10:46 - 10:51i uvidima koje imamo za svaki sekund
svake NBA utakmice - nije to. -
10:51 - 10:55To je činjenica da ne morate biti
profesionalni tim da bi pratili kretanje. -
10:55 - 10:59Ne morate biti profesionalni igrač
da biste imali uvid u pokrete. -
10:59 - 11:03U stvari, ne mora uopšte da se radi
o sportu jer se mi krećemo svuda. -
11:04 - 11:06Krećemo se u našim domovima,
-
11:09 - 11:11u kancelarijama,
-
11:12 - 11:15dok kupujemo i putujemo
-
11:17 - 11:19po gradu
-
11:20 - 11:22ili po svetu.
-
11:23 - 11:26Šta ćemo znati? Šta ćemo naučiti?
-
11:26 - 11:28Možda, umesto identifikovanja
pick-and-rolla, -
11:28 - 11:31mašina može da identifikuje
trenutak i da me obavesti -
11:31 - 11:33kada moja ćerka prohoda.
-
11:33 - 11:36Što bukvalno može da se
desi svakog trenutka. -
11:36 - 11:40Možda možemo bolje da koristimo
zgrade, da bolje planiramo gradove. -
11:40 - 11:45Verujem da ćemo se sa razvojem
nauke pokretnih tački, -
11:45 - 11:48bolje kretati, pametnije kretati,
kretati napred. -
11:49 - 11:50Hvala vam mnogo.
-
11:50 - 11:55(Aplauz)
- Title:
- Matematika iza najluđih pokreta u košarci
- Speaker:
- Radživ Mahesvaran (Rajiv Maheswaran)
- Description:
-
Košarka je brza igra sa improvizacijom, kontaktom i, khm, spacio-temporalnom šemom rekognicije. Radživ Mahesvaran i njegove kolege analiziraju pokrete iza ključnih delova utakmice, kako bi pomogli trenerima i igračima da kombinuju intuiciju sa novim podacima. Bonus: Ono što oni izučavaju bi moglo da nam pomogne da razumemo kako se ljudi kreću svuda.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:08
Mile Živković approved Serbian subtitles for The math behind basketball's wildest moves | ||
Mile Živković accepted Serbian subtitles for The math behind basketball's wildest moves | ||
Mile Živković edited Serbian subtitles for The math behind basketball's wildest moves | ||
Ivana Krivokuća edited Serbian subtitles for The math behind basketball's wildest moves | ||
Vesna Radovic edited Serbian subtitles for The math behind basketball's wildest moves | ||
Vesna Radovic edited Serbian subtitles for The math behind basketball's wildest moves | ||
Vesna Radovic edited Serbian subtitles for The math behind basketball's wildest moves | ||
Vesna Radovic edited Serbian subtitles for The math behind basketball's wildest moves |