< Return to Video

La matemática subyacente a los movimientos más locos del baloncesto

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

Spanish subtitles

Revisions

Our website uses cookies for analysis purposes.