La matemática subyacente a los movimientos más locos del baloncesto
-
0:01 - 0:05A mis colegas y a mí nos fascina
la ciencia de los puntos móviles. -
0:05 - 0:06¿Qué son estos puntos?
-
0:06 - 0:07Somos nosotros.
-
0:07 - 0:12Nos movemos en casa, en la oficina,
mientras compramos y viajamos -
0:12 - 0:15por nuestras ciudades
y alrededor del mundo. -
0:15 - 0:19¿No sería genial si pudiéramos
entender estos movimientos, -
0:19 - 0:22si pudiéramos encontrar patrones,
significado y sentido en eso? -
0:22 - 0:24Por fortuna para nosotros,
vivimos en una época -
0:24 - 0:29en la que somos muy buenos capturando
información sobre nosotros mismos. -
0:29 - 0:32Sea mediante sensores, videos
o aplicaciones, -
0:32 - 0:35podemos rastrear los movimientos
con mucho detalle. -
0:36 - 0:41Y una de las mejores fuentes
de datos sobre el movimiento -
0:41 - 0:42es en los deportes.
-
0:43 - 0:48Sea baloncesto o béisbol,
fútbol americano o el otro fútbol, -
0:48 - 0:52equipamos los estadios y jugadores
para seguir sus movimientos -
0:52 - 0:54en cada fracción de segundo.
-
0:54 - 0:58Así que convertimos a los atletas
-
0:58 - 1:00--quizá lo adivinaron--
-
1:00 - 1:02en puntos móviles.
-
1:02 - 1:07Tenemos montañas de puntos móviles
y como la mayoría de los datos en crudo -
1:07 - 1:09son difíciles de manejar,
y no son tan interesantes. -
1:09 - 1:13Pero hay cosas que los entrenadores
de baloncesto quieren saber. -
1:13 - 1:17El problema es que no pueden
retener cada segundo -
1:17 - 1:20de cada juego, recordarlo y procesarlo.
-
1:20 - 1:24Nadie puede hacer eso,
pero una máquina sí. -
1:24 - 1:27El problema de la máquina es que
no ve el juego con ojo de entrenador. -
1:27 - 1:30Al menos no podía hasta ahora.
-
1:30 - 1:33Así que ¿qué le enseñamos
a ver a la máquina? -
1:33 - 1:35Empezamos con cosas simples.
-
1:35 - 1:39Le enseñamos cosas como pases,
tiros y rebotes. -
1:39 - 1:42Cosas que cualquier fan conoce.
-
1:42 - 1:45Y luego seguimos con cosas
levemente más complicadas: -
1:45 - 1:49Posteos, bloqueos y continuación,
aislamientos. -
1:49 - 1:53Si no las conocen, está bien. Los
jugadores aficionados quizá lo sepan. -
1:54 - 1:59Hemos logrado que la máquina
entienda secuencias complejas -
1:59 - 2:02como bloqueos verticales abajo
y hasta con rotaciones complejas. -
2:02 - 2:05Básicamente cosas que
solo saben los profesionales. -
2:05 - 2:09Hemos enseñado a la máquina
a ver con ojos de entrenador. -
2:10 - 2:12¿Cómo hemos podido hacerlo?
-
2:13 - 2:16Si pidiera a un entrenador
describir un bloqueo y continuación, -
2:16 - 2:17me daría una descripción;
-
2:17 - 2:20y si pusiera eso en un algoritmo,
sería terrible. -
2:21 - 2:25El bloqueo y continuación es esa danza
del baloncesto entre cuatro jugadores, -
2:25 - 2:27dos atacantes y dos defensores.
-
2:27 - 2:29Es más o menos así.
-
2:29 - 2:32Hay un tipo en ataque sin la pelota,
-
2:32 - 2:35se pone al lado del tipo que marca
y que tiene la posesión de la pelota, -
2:35 - 2:36se queda allí,
-
2:36 - 2:40y ambos se mueven y ocurre, cha-chan,
un bloqueo y continuación. -
2:40 - 2:42(Risas)
-
2:42 - 2:44Eso es un ejemplo de
un algoritmo complicado. -
2:45 - 2:49Si el jugador que se interpone,
llamado bloqueador, -
2:49 - 2:52se acerca, pero no se detiene,
-
2:52 - 2:54quizá no sea un bloqueo y continuación.
-
2:55 - 2:59O si se detiene, pero no queda muy cerca,
-
2:59 - 3:00quizá no sea un bloqueo y continuación.
-
3:01 - 3:04O si se acerca al otro y realmente para,
-
3:04 - 3:07pero lo hacen debajo de la cesta,
quizá no sea un bloqueo y continuación. -
3:07 - 3:10O podría equivocarme, todos esos casos
podrían ser bloqueos y continuación. -
3:10 - 3:15Todo depende del tiempo exacto,
las distancias, los posicionamientos, -
3:15 - 3:16y eso lo hace difícil.
-
3:17 - 3:22Por suerte, con el aprendizaje máquina,
podemos exceder nuestra capacidad -
3:22 - 3:23de describir las cosas que conocemos.
-
3:23 - 3:26¿Cómo funciona esto?
Bueno, con ejemplos. -
3:26 - 3:29Vamos a la máquina y le decimos:
"Buenos días, máquina. -
3:29 - 3:32Aquí hay bloqueos y continuación,
y aquí otras cosas que no lo son. -
3:33 - 3:35Por favor, encuentra cómo
establecer la diferencia". -
3:35 - 3:39Y la clave de todo esto es encontrar
características que le permitan separar. -
3:39 - 3:42Si yo tuviera que enseñar la diferencia
entre una manzana y una naranja, -
3:42 - 3:45podría decir: "¿Por qué no usar
el color y la forma?" -
3:45 - 3:48El problema que enfrentamos
es encontrar esas cosas. -
3:48 - 3:49¿Qué características son
-
3:49 - 3:52las que permiten a una computadora
navegar el mundo de los puntos móviles? -
3:53 - 3:57Imaginar todas estas relaciones
con ubicación relativa y absoluta, -
3:57 - 3:59--distancia, tiempo, velocidad--
-
3:59 - 4:04es la clave de la ciencia de los puntos
móviles, como nos gusta llamarla, -
4:04 - 4:06reconocimiento espacio-temporal
de patrones, -
4:06 - 4:08en lenguaje académico.
-
4:08 - 4:11Ante todo tenemos que hacer
que suene difícil, -
4:11 - 4:12porque lo es.
-
4:12 - 4:16Pero la clave para los entrenadores
de la NBA no es saber -
4:16 - 4:17si hubo un bloqueo y continuación o no.
-
4:18 - 4:20Ellos quieren saber cómo ocurrió.
-
4:20 - 4:21Y ¿por qué eso es tan importante
para ellos? -
4:21 - 4:23Aquí hay una idea importante.
-
4:23 - 4:24Resulta que en el baloncesto moderno,
-
4:24 - 4:27el bloqueo y continuación es quizá
el juego más importante. -
4:27 - 4:30Y saber cómo manejarlo,
y saber cómo defenderlo, -
4:30 - 4:32básicamente es la clave para ganar
o perder casi todos los juegos. -
4:32 - 4:36Pero resulta que esta danza
tiene muchas variantes -
4:36 - 4:40e identificar las variantes
es lo que importa, -
4:40 - 4:42por eso necesitamos que esto
sea muy, muy bueno. -
4:43 - 4:44Este es un ejemplo.
-
4:44 - 4:47Hay dos jugadores en ataque
y dos en defensa, -
4:47 - 4:49listos para la danza del
bloqueo y continuación. -
4:49 - 4:52El tipo con la pelota puede
usar o no el bloqueo. -
4:52 - 4:55Su compañero puede girar a canasta
o abrir para recibir el pase. -
4:55 - 4:58El que marca al jugador con
la pelota puede avanzar o retroceder. -
4:58 - 5:03Su compañero puede avanzar,
marcar o solo acompañar -
5:03 - 5:06y juntos pueden cambiar asignación
defensiva o redoblar la marca. -
5:06 - 5:08Yo no sabía casi nada de esto
cuando empecé -
5:08 - 5:12y sería estupendo si todos
se movieran siguiendo esas flechas. -
5:12 - 5:16Haría mucho más fáciles nuestras vidas,
pero el movimiento es muy desordenado. -
5:16 - 5:22Las personas se menean mucho
e identificar estas variaciones -
5:22 - 5:23con muy alta precisión,
-
5:23 - 5:25en precisión y en recuerdo, es difícil
-
5:25 - 5:28y es lo que hace que un entrenador
profesional crea en ti. -
5:28 - 5:32Aun con las dificultades de las correctas
características espacio-temporales -
5:32 - 5:33lo hemos logrado.
-
5:33 - 5:37Los entrenadores confían en que las
máquinas pueden identificar variaciones. -
5:37 - 5:41Estamos en el punto en el que
casi todos los contendientes -
5:41 - 5:43en el campeonato de la NBA este año
-
5:43 - 5:47usan nuestro software, construido
en una máquina que entiende -
5:47 - 5:49los puntos móviles
en el baloncesto. -
5:50 - 5:55No solo eso, hemos dado consejos
que han cambiado estrategias -
5:55 - 5:58que han ayudado a equipos a ganar
juegos muy importantes, -
5:58 - 6:02y es muy apasionante porque hay
entrenadores que han estado en la liga -
6:02 - 6:05durante 30 años que desean recibir
consejos de una máquina. -
6:06 - 6:09Y es muy apasionante, mucho más
que el bloqueo y continuación. -
6:09 - 6:11Nuestra computadora empezó
con cosas simples, -
6:11 - 6:13aprendió cosas cada vez más complejas
-
6:13 - 6:15y ahora sabe cada vez más cosas.
-
6:15 - 6:17Francamente, no entiendo
gran parte de lo que hace, -
6:17 - 6:21y si bien no es algo tan especial
ser más inteligente que yo, -
6:21 - 6:25nos hemos preguntado, ¿puede una
máquina saber más que un entrenador? -
6:25 - 6:27¿Puede saber más de lo que
podría saber una persona? -
6:27 - 6:29Y resulta que la respuesta es sí.
-
6:29 - 6:31Los entrenadores quieren que
los jugadores disparen bien. -
6:31 - 6:33Si estoy cerca de la cesta
-
6:33 - 6:35y no hay nadie cerca,
es un buen tiro. -
6:35 - 6:39Si estoy lejos, rodeado por defensores,
generalmente es un mal tiro. -
6:39 - 6:44Pero no sabíamos cuán bueno o malo era
lo "bueno" o lo "malo" cuantitativamente. -
6:44 - 6:45Hasta ahora.
-
6:46 - 6:49Entonces, de nuevo, con las
características espacio-temporales, -
6:49 - 6:50analizamos cada tiro.
-
6:50 - 6:53Podemos ver dónde está el tiro,
cuál es el ángulo a la cesta, -
6:53 - 6:56dónde están los defensores,
cuáles son sus distancias, -
6:56 - 6:57cuáles son los ángulos.
-
6:57 - 7:00Para múltiples defensores,
podemos ver cómo se mueve el jugador -
7:00 - 7:02y predecir el tipo de tiro.
-
7:02 - 7:06Podemos ver todas sus velocidades
y construir un modelo que prediga -
7:06 - 7:10la probabilidad de que este disparo
vaya en estas circunstancias. -
7:10 - 7:12¿Por qué importa esto?
-
7:12 - 7:15Podemos tomar un tiro,
-
7:15 - 7:18que antes era una cosa y ahora
se transforma en dos cosas: -
7:18 - 7:20la calidad del tiro
y la calidad del tirador. -
7:22 - 7:25Este es un gráfico de burbujas
porque ¿qué es TED sin ellos? -
7:25 - 7:26(Risas)
-
7:26 - 7:27Esos son jugadores de la NBA.
-
7:27 - 7:30El tamaño es el tamaño del jugador
y el color es su posición. -
7:30 - 7:33En el eje X, tenemos
la probabilidad del disparo. -
7:33 - 7:35Las personas de la izquierda
hacen tiros difíciles, -
7:35 - 7:37a la derecha, hacen tiros fáciles.
-
7:37 - 7:39En el eje Y, es la capacidad de disparo.
-
7:39 - 7:42Las personas que disparan bien van
arriba, las que disparan mal abajo. -
7:42 - 7:44Por ejemplo, si había un jugador
-
7:44 - 7:46que generalmente encestaba
el 47 % de los tiros, -
7:46 - 7:47eso es lo que se sabía antes.
-
7:47 - 7:52Pero hoy, puedo decir que el jugador
hace disparos que un jugador medio NBA -
7:52 - 7:54convertiría el 49 % del tiempo,
-
7:54 - 7:56y que ellos son un 2 % peores.
-
7:56 - 8:01Y es importante porque
hay muchos con 47 % por allí. -
8:02 - 8:04Y por eso es muy importante saber
-
8:04 - 8:08si el 47 % al que están evaluando
pagarle USD 100 millones -
8:08 - 8:11es un buen tirador que hace malos tiros
-
8:11 - 8:14o un mal tirador que hace buenos tiros.
-
8:15 - 8:18La comprensión de máquina no cambia
la forma de ver a los jugadores, -
8:18 - 8:20cambia la forma de ver el juego.
-
8:20 - 8:24Hace unos años hubo un juego
muy apasionante en la final de la NBA. -
8:24 - 8:27Miami estaba tres puntos abajo,
quedaban 20 segundos. -
8:27 - 8:29Estaban a punto de perder el campeonato.
-
8:29 - 8:33Un caballero de nombre LeBron James
tiró de tres para empatar. -
8:33 - 8:34Falló.
-
8:34 - 8:36Su compañero Chris Bosh
consiguió un rebote, -
8:36 - 8:38hizo un pase a otro compañero
llamado Ray Allen. -
8:38 - 8:40Clavó un triple.
Fue en tiempo suplementario. -
8:40 - 8:42Ganaron el juego.
Ganaron el campeonato. -
8:42 - 8:45Fue uno de los juegos de baloncesto
más emocionantes. -
8:45 - 8:49Y nuestra capacidad de conocer
la probabilidad del tiro de cada jugador -
8:49 - 8:50a cada segundo,
-
8:50 - 8:52y la probabilidad de conseguir
un rebote a cada segundo -
8:52 - 8:57puede iluminar este momento
como nunca antes. -
8:58 - 9:00Desafortunadamente, no puedo
mostrarles ese video. -
9:00 - 9:05Pero lo hemos recreado
-
9:05 - 9:07en nuestro juego semanal
de baloncesto hace 3 semanas. -
9:07 - 9:09(Risas)
-
9:10 - 9:13Y recreamos el seguimiento
del que extrajimos las ideas. -
9:14 - 9:17Aquí estamos. Esto es Chinatown
en Los Ángeles, -
9:17 - 9:19un parque en el que
jugamos todas las semanas, -
9:19 - 9:22y allí estamos recreando
el momento Ray Allen -
9:22 - 9:24y todo el seguimiento asociado.
-
9:25 - 9:26Este es el disparo.
-
9:26 - 9:29Les mostraré ese momento
-
9:29 - 9:31y lo que aprendimos de ese momento.
-
9:31 - 9:35La única diferencia es que en vez de
jugadores profesionales, somos nosotros, -
9:35 - 9:38y en vez de un locutor profesional,
soy yo. -
9:38 - 9:40Así que tengan paciencia conmigo.
-
9:41 - 9:42Miami.
-
9:43 - 9:44Tres puntos abajo.
-
9:44 - 9:45Quedan 20 segundos.
-
9:47 - 9:49Jeff trae la pelota.
-
9:51 - 9:52Josh la atrapa, ¡marca un triple!
-
9:53 - 9:54[Calculando probabilidad de tiro: 33 %]
-
9:55 - 9:56[Calidad del tiro: JOSH 33 %]
-
9:57 - 9:59[Probabilidad de rebote: NOEL 12 %]
-
10:00 - 10:02¡No entrará!
-
10:02 - 10:03[Probabilidad de rebote: NOEL 37 %]
-
10:04 - 10:05Rebote, Noel.
-
10:05 - 10:06Vuelve a Daria.
-
10:07 - 10:10[Calidad del tiro: DARIA 37 %]
-
10:11 - 10:12Su triple... ¡bang!
-
10:12 - 10:15Empate y quedan 5 segundos.
-
10:15 - 10:16La multitud enloquece.
-
10:17 - 10:18(Risas)
-
10:18 - 10:20Es más o menos lo que pasó.
-
10:20 - 10:21(Aplausos)
-
10:21 - 10:22Más o menos.
-
10:22 - 10:24(Aplausos)
-
10:24 - 10:30Ese momento tenía un 9 % de
probabilidad de ocurrir en la NBA; -
10:30 - 10:32sabemos eso y muchas otras cosas.
-
10:32 - 10:35No les diré las veces que intentamos
hasta que ocurrió. -
10:35 - 10:37(Risas)
-
10:37 - 10:39Bien, ¡se los diré!
Fueron cuatro. -
10:39 - 10:40(Risas)
-
10:40 - 10:41Así se hace, Daria.
-
10:42 - 10:46Pero lo importante de ese video
-
10:46 - 10:51y las ideas obtenidas en cada segundo
de un juego de la NBA, no es eso. -
10:51 - 10:55Es que no hay que ser un equipo
profesional para seguir el movimiento. -
10:55 - 10:59No hay que ser jugador profesional
para aprender sobre el movimiento. -
10:59 - 11:03De hecho, no se trata del deporte
porque nos movemos por doquier. -
11:04 - 11:06Nos movemos en nuestras casas,
-
11:09 - 11:11en nuestras oficinas,
-
11:12 - 11:15mientras compramos y viajamos
-
11:17 - 11:19por las ciudades
-
11:20 - 11:22y alrededor del mundo.
-
11:23 - 11:25¿Qué conoceremos?
¿Qué aprenderemos? -
11:25 - 11:28Quizá en vez de identificar
bloqueos y continuación, -
11:28 - 11:31una máquina pueda identificar
el momento y me avise -
11:31 - 11:33cuando mi hija dé el primer paso.
-
11:33 - 11:36Algo que podría ocurrir
en cualquier momento próximo. -
11:36 - 11:38Quizá podamos aprender
a usar mejor los edificios, -
11:38 - 11:40planificar mejor las ciudades.
-
11:40 - 11:45Creo que con el desarrollo de la
ciencia de los puntos móviles, -
11:45 - 11:47nos moveremos mejor,
con más inteligencia, -
11:47 - 11:49nos moveremos hacia adelante.
-
11:49 - 11:50Muchas gracias.
-
11:50 - 11:55(Aplausos)
- Title:
- La matemática subyacente a los movimientos más locos del baloncesto
- Speaker:
- Rajiv Maheswaran
- Description:
-
El baloncesto es un juego de movimiento rápido e improvisación, de contacto y, ejem, de reconocimiento de patrones espacio-temporales. Rajiv Maheswaran y sus colegas analizan los movimientos subyacentes a las tácticas clave del juego, para ayudar a entrenadores y jugadores a combinar la intuición con los nuevos datos. Bono: Lo que están aprendiendo podría ayudar a entender cómo nos movemos los seres humanos por todas partes.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:08
Sebastian Betti approved Spanish subtitles for The math behind basketball's wildest moves | ||
Sebastian Betti edited Spanish subtitles for The math behind basketball's wildest moves | ||
Sebastian Betti edited Spanish subtitles for The math behind basketball's wildest moves | ||
Sebastian Betti edited Spanish subtitles for The math behind basketball's wildest moves | ||
Sebastian Betti edited Spanish subtitles for The math behind basketball's wildest moves | ||
Sebastian Betti edited Spanish subtitles for The math behind basketball's wildest moves | ||
Sebastian Betti edited Spanish subtitles for The math behind basketball's wildest moves | ||
Sebastian Betti edited Spanish subtitles for The math behind basketball's wildest moves |