Placeholder Image

字幕表 動画を再生する

  • My colleagues and I are fascinated by the science of moving dots.

    翻訳: Tomoyuki Suzuki 校正: Masako Kigami

  • So what are these dots?

    私と研究仲間は 動く点の科学に魅せられています

  • Well, it's all of us.

    これらの点は何でしょう?

  • And we're moving in our homes, in our offices, as we shop and travel

    全て我々自身です

  • throughout our cities and around the world.

    我々は家の中 事務所の中を動き回り 街や世界中で

  • And wouldn't it be great if we could understand all this movement?

    買物や旅行をしています

  • If we could find patterns and meaning and insight in it.

    こんな動きを全て理解できたら 素晴らしいと思いませんか?

  • And luckily for us, we live in a time

    ここにパターン、意味を見出し 洞察することができたら?

  • where we're incredibly good at capturing information about ourselves.

    幸運なことにも 我々は

  • So whether it's through sensors or videos, or apps,

    自分達自身の情報を実に上手く 取得できる時代に生きています

  • we can track our movement with incredibly fine detail.

    それがセンサー、ビデオ または アプリであろうとも

  • So it turns out one of the places where we have the best data about movement

    見事なほど詳細に 動きを追跡することができます

  • is sports.

    そんな動きを得るのに最適なのが

  • So whether it's basketball or baseball, or football or the other football,

    スポーツです

  • we're instrumenting our stadiums and our players to track their movements

    バスケ、野球、サッカーやフットサルであれ

  • every fraction of a second.

    競技場に装置を取り付け 選手の動きを1秒にも満たない間隔で

  • So what we're doing is turning our athletes into --

    撮影し追跡します

  • you probably guessed it --

    そう 我々がやっていることは スポーツ選手を

  • moving dots.

    -皆さんがご想像されるとおり-

  • So we've got mountains of moving dots and like most raw data,

    動く点へと変換することです

  • it's hard to deal with and not that interesting.

    他の生データと同様に 膨大な数の動く点を取得します

  • But there are things that, for example, basketball coaches want to know.

    取り扱いは面倒で 面白い作業ではありません

  • And the problem is they can't know them because they'd have to watch every second

    でも選手の動きには 例えばバスケのコーチが 知りたいものが含まれています

  • of every game, remember it and process it.

    問題はコーチが 各ゲームを逐次観察し それを記憶し分析することが

  • And a person can't do that,

    不可能であるということです

  • but a machine can.

    1人の人間には不可能であっても

  • The problem is a machine can't see the game with the eye of a coach.

    機械になら出来ます

  • At least they couldn't until now.

    問題は機械がコーチの様な視点を持って ゲームを見ることができないことです

  • So what have we taught the machine to see?

    いや 少なくとも今までは不可能でした

  • So, we started simply.

    では我々は機械に 何を学習させたのでしょう?

  • We taught it things like passes, shots and rebounds.

    単純な方法で始めました

  • Things that most casual fans would know.

    パス、シュートやリバウンドを 教えました

  • And then we moved on to things slightly more complicated.

    バスケファンならご存知ですよね?

  • Events like post-ups, and pick-and-rolls, and isolations.

    次にもう少しだけ複雑なことに 取り組みました

  • And if you don't know them, that's okay. Most casual players probably do.

    ポストアップ、ピックアンドロールや アイソレーションなどです

  • Now, we've gotten to a point where today, the machine understands complex events

    選手なら大抵知っていることですが ご存じなくても問題ありません

  • like down screens and wide pins.

    そして 今では機械はダウン・スクリーンや

  • Basically things only professionals know.

    ワイド・ピンといったプレイも 把握できるようになりました

  • So we have taught a machine to see with the eyes of a coach.

    基本的に プロだけが知っているプレイです

  • So how have we been able to do this?

    機械にはコーチの視点で見るように 学習させました

  • If I asked a coach to describe something like a pick-and-roll,

    どうやって出来たのでしょう?

  • they would give me a description,

    コーチにピックアンドロールについて 説明を求めれば

  • and if I encoded that as an algorithm, it would be terrible.

    解説してくれたことでしょうが

  • The pick-and-roll happens to be this dance in basketball between four players,

    それをアルゴリズムに組込むのは 至難の業です

  • two on offense and two on defense.

    ピックアンドロールとは 4人で行う2対2の攻防戦での

  • And here's kind of how it goes.

    こういったダンスのような動きです

  • So there's the guy on offense without the ball

    このように動いていきます

  • the ball and he goes next to the guy guarding the guy with the ball,

    スクリナー(ディフェンスをガードする選手)が

  • and he kind of stays there

    ボールマンのディフェンスの横に行き

  • and they both move and stuff happens, and ta-da, it's a pick-and-roll.

    ずっとガードするのです

  • (Laughter)

    そして2人が動き こうなります ジャーン! これがピックアンドロールです

  • So that is also an example of a terrible algorithm.

    (笑)

  • So, if the player who's the interferer -- he's called the screener --

    アルゴリズム化が困難な例です

  • goes close by, but he doesn't stop,

    スクリナーが邪魔をするのですが

  • it's probably not a pick-and-roll.

    近づいても 停止しなければ

  • Or if he does stop, but he doesn't stop close enough,

    おそらくピックアンドロールでは ありません

  • it's probably not a pick-and-roll.

    逆に 停止しても 十分に近づかなければ

  • Or, if he does go close by and he does stop

    ピックアンドロールとは ならないでしょう

  • but they do it under the basket, it's probably not a pick-and-roll.

    近づいて停止しても

  • Or I could be wrong, they could all be pick-and-rolls.

    リングの下では ピックアンドロールにはならないでしょう

  • It really depends on the exact timing, the distances, the locations,

    私の間違いで何れも ピックアンドロールかもしれません

  • and that's what makes it hard.

    正確なタイミング、距離と場所に 依存するので

  • So, luckily, with machine learning, we can go beyond our own ability

    判断を難しくしています

  • to describe the things we know.

    幸いにも機械学習では 我々が知っていることの記述を

  • So how does this work? Well, it's by example.

    我々の限界以上にこなします

  • So we go to the machine and say, "Good morning, machine.

    どのように? 例をお見せしましょう

  • Here are some pick-and-rolls, and here are some things that are not.

    機械に向かって言います 「おはよう 機械君

  • Please find a way to tell the difference."

    ここにピックアンドロールと そうでないものが あるんだ

  • And the key to all of this is to find features that enable it to separate.

    違いを見分けてごらん」

  • So if I was going to teach it the difference

    この問題を解く鍵は 判別を可能とする特徴を捉えることです

  • between an apple and orange,

    りんごとみかんの違いを

  • I might say, "Why don't you use color or shape?"

    学習させるならば

  • And the problem that we're solving is, what are those things?

    「色と形に注目してみたら?」 と言うことでしょう

  • What are the key features

    我々が解決すべき問題は 違いが何かということです

  • that let a computer navigate the world of moving dots?

    コンピューターが

  • So figuring out all these relationships with relative and absolute location,

    動く点を追跡する時に 鍵となる特徴とは何でしょうか?

  • distance, timing, velocities --

    相対的 絶対的な位置、距離、タイミング それに速度といった

  • that's really the key to the science of moving dots, or as we like to call it,

    全ての情報を把握すること

  • spatiotemporal pattern recognition, in academic vernacular.

    それこそが 動く点の科学の神髄です

  • Because the first thing is, you have to make it sound hard --

    「時空パターン認識」という専門用語を 使うのが適切です

  • because it is.

    初めての言葉ですから 舌を噛むかもしれません

  • The key thing is, for NBA coaches, it's not that they want to know

    こんな言葉ですから

  • whether a pick-and-roll happened or not.

    ポイントはNBAのコーチにとっての関心は ピックアンドロールが

  • It's that they want to know how it happened.

    あったかどうかでは無く どのようにして

  • And why is it so important to them? So here's a little insight.

    そのプレイが起きたかということです

  • It turns out in modern basketball,

    なぜ 重要なのでしょう? 少し掘り下げてみましょう

  • this pick-and-roll is perhaps the most important play.

    現代のバスケットボールでは

  • And knowing how to run it, and knowing how to defend it,

    ピックアンドロールは おそらく最も重要なプレイです

  • is basically a key to winning and losing most games.

    どうやって仕掛け これをどうディフェンスするのかで

  • So it turns out that this dance has a great many variations

    基本的に多くのゲームで勝敗を左右します

  • and identifying the variations is really the thing that matters,

    だから この動きには 様々なバリエーションがあり

  • and that's why we need this to be really, really good.

    バリエーションを理解することが とても重要です

  • So, here's an example.

    ですから この装置がとても重宝します

  • There are two offensive and two defensive players,

    例をお見せします

  • getting ready to do the pick-and-roll dance.

    2対2の攻防戦で

  • So the guy with ball can either take, or he can reject.

    ピックアンドロールをしようとしています

  • His teammate can either roll or pop.

    ボールマンの動きには テイクとリジェクトがあり

  • The guy guarding the ball can either go over or under.

    スクリナーには ロールとポップがあります

  • His teammate can either show or play up to touch, or play soft

    一方ボールマンのディフェンスは オーバーかアンダーをし

  • and together they can either switch or blitz

    スクリナーのディフェンスは ショウかアップツータッチかソフトをします

  • and I didn't know most of these things when I started

    またディフェンスが一緒になって スイッチやブリッズをします

  • and it would be lovely if everybody moved according to those arrows.

    始めの頃は こういったことについて 知りませんでした

  • It would make our lives a lot easier, but it turns out movement is very messy.

    このような矢印通りに動いてくれれば簡単で

  • People wiggle a lot and getting these variations identified

    理解しやすいことでしょう でも実際の動きはとても複雑です

  • with very high accuracy,

    選手はくねくねと複雑に動くので プレイのバリエーションを

  • both in precision and recall, is tough

    正確に把握すること-

  • because that's what it takes to get a professional coach to believe in you.

    精度良く プレイを再現することは困難です

  • And despite all the difficulties with the right spatiotemporal features

    だから コーチは人間の判断力を 信用することになります

  • we have been able to do that.

    時空パターン認識には このような困難がありますが

  • Coaches trust our ability of our machine to identify these variations.

    我々は解析に成功しました

  • We're at the point where almost every single contender

    コーチたちは我々の機械の プレイ認識能力を信頼しています

  • for an NBA championship this year

    今年に至っては NBAリーグの

  • is using our software, which is built on a machine that understands

    ほぼ全てのチームが

  • the moving dots of basketball.

    バスケットボールの動く点を 追跡する機械に搭載された

  • So not only that, we have given advice that has changed strategies

    ソフトを利用しています

  • that have helped teams win very important games,

    それだけでなく とても大切な試合に勝利するための

  • and it's very exciting because you have coaches who've been in the league

    戦略変更を 我々はアドバイスすることができました

  • for 30 years that are willing to take advice from a machine.

    これはとてもワクワクすることです 30年もの間 リーグに在籍してきた

  • And it's very exciting, it's much more than the pick-and-roll.

    コーチたちが 機械による アドバイスを受け入れるのですから

  • Our computer started out with simple things

    ピックアンドロールを超えたことも 素晴らしことです

  • and learned more and more complex things

    コンピューターは 簡単なことから始め

  • and now it knows so many things.

    もっともっと複雑なことを学習し

  • Frankly, I don't understand much of what it does,

    今や多くの事を把握しています

  • and while it's not that special to be smarter than me,

    正直言えば 私自身は 学習内容を殆ど理解していませんが

  • we were wondering, can a machine know more than a coach?

    私より賢いなんて 特別なことではありません

  • Can it know more than person could know?

    こう思ったことがあります 機械はコーチを超えられるか?

  • And it turns out the answer is yes.

    人間以上に知り得るか?

  • The coaches want players to take good shots.

    今や その答えは「イエス」です

  • So if I'm standing near the basket

    コーチはシュートを上手く放つ 選手を欲しがります

  • and there's nobody near me, it's a good shot.

    私がゴールの近くにいて

  • If I'm standing far away surrounded by defenders, that's generally a bad shot.

    近くに誰もいなければ シュートを決めやすく

  • But we never knew how good "good" was, or how bad "bad" was quantitatively.

    逆に ゴールから遠く 敵に囲まれていれば シュートを決めるのが難しくなります

  • Until now.

    しかし シュートの良し悪しの程度を 定量的に判断できませんでした

  • So what we can do, again, using spatiotemporal features,

    今までは です

  • we looked at every shot.

    ここで時空パターン認識の 再登場です

  • We can see: Where is the shot? What's the angle to the basket?

    各シュートを分析しました

  • Where are the defenders standing? What are their distances?

    調べることは「シュートの場所は? リングとの角度は?

  • What are their angles?

    ディフェンスの位置は? その距離は?

  • For multiple defenders, we can look at how the player's moving

    立っている角度は?」などです

  • and predict the shot type.

    複数のディフェンダーがいる時も 選手の動きを追って

  • We can look at all their velocities and we can build a model that predicts

    シュートのタイプを予測できます

  • what is the likelihood that this shot would go in under these circumstances?

    選手の速度から このような状況下で

  • So why is this important?

    どのようなシュートが放たれるかという 予測モデルを構築できます

  • We can take something that was shooting,

    なぜ これが重要なのでしょう?

  • which was one thing before, and turn it into two things:

    シュートについて解析してみます

  • the quality of the shot and the quality of the shooter.

    かつては一元的なものでしたが 今は2つの因子に分解します

  • So here's a bubble chart, because what's TED without a bubble chart?

    シュートの質と シューターの質です

  • (Laughter)

    このバブル・チャートをご覧ください TEDには不可欠ですよね?

  • Those are NBA players.

    (笑)

  • The size is the size of the player and the color is the position.

    各点はNBAの選手です

  • On the x-axis, we have the shot probability.

    点の大きさは選手の大きさ 色はポジションを表しています

  • People on the left take difficult shots,

    横軸は シュートの成功可能性で

  • on the right, they take easy shots.

    左に行けば難易度が上がり

  • On the [y-axis] is their shooting ability.

    右に行けば難易度が下がります

  • People who are good are at the top, bad at the bottom.

    縦軸は 選手のシュート能力です

  • So for example, if there was a player

    上に行くほど良い選手で 下の方は その逆です

  • who generally made 47 percent of their shots,

    例えば 通常47%の確率で

  • that's all you knew before.

    シュートを成功させる選手がいるとします

  • But today, I can tell you that player takes shots that an average NBA player

    以前なら これが情報の全てです

  • would make 49 percent of the time,

    でも今なら NBAの平均的な選手なら 49%の確率で成功させるシュートを

  • and they are two percent worse.

    この選手は2%低くさせると いうことができます

  • And the reason that's important is that there are lots of 47s out there.

    この選手は2%低くさせると いうことができます

  • And so it's really important to know

    47%といっても様々な組み合わせが あることが重要です

  • if the 47 that you're considering giving 100 million dollars to

    47%の数字をたたき出す

  • is a good shooter who takes bad shots

    100億円プレイヤーの獲得を 考えるのならば

  • or a bad shooter who takes good shots.

    難しいシュートを成功させる選手なのか シュートの質は低くても

  • Machine understanding doesn't just change how we look at players,

    チャンスの高いシュートを放つ 選手なのかは重要な要素です

  • it changes how we look at the game.

    機械学習では 選手の見方は変わりませんが

  • So there was this very exciting game a couple of years ago, in the NBA finals.

    試合の見方が変わります

  • Miami was down by three, there was 20 seconds left.

    数年前NBAのファイナルで 大いに盛り上がった試合がありました

  • They were about to lose the championship.

    3点を追うマイアミ 後り時間は20秒

  • A gentleman named LeBron James came up and he took a three to tie.

    シリーズの敗北が目前でした

  • He missed.

    レブロン・ジェームズという選手が 同点となる3点シュートを放つも

  • His teammate Chris Bosh got a rebound,

    外れました

  • passed it to another teammate named Ray Allen.

    クリス・ボッシュ選手が リバウンドに入り

  • He sank a three. It went into overtime.

    レイ・アレン選手にパス そのアレン選手が

  • They won the game. They won the championship.

    3点シュートを沈め 延長戦に入りました

  • It was one of the most exciting games in basketball.

    結局試合に勝利し ファイナルを制しました

  • And our ability to know the shot probability for every player

    史上 もっともエキサイティングな 試合の1つでした

  • at every second,

    各選手の 各瞬間における

  • and the likelihood of them getting a rebound at every second

    シュート成功率や

  • can illuminate this moment in a way that we never could before.

    各瞬間にリバウンドを取る確率が分かると

  • Now unfortunately, I can't show you that video.

    この場面を まったく新しい見方で 捉えられます

  • But for you, we recreated that moment

    残念ながらその時のビデオを お見せできませんが

  • at our weekly basketball game about 3 weeks ago.

    3週間ほど前に 我々がプレイしている週例の試合の時に

  • (Laughter)

    皆さんのために そのプレイを再現しました

  • And we recreated the tracking that led to the insights.

    (笑)

  • So, here is us. This is Chinatown in Los Angeles,

    分析を行った選手の動きを再現しました

  • a park we play at every week,

    これは私たちです ここは毎週プレイしているロスアンジェルスの

  • and that's us recreating the Ray Allen moment

    チャイナタウンにある公園です

  • and all the tracking that's associated with it.

    レイ・アランのあのプレイを 再現しています

  • So, here's the shot.

    全てが あのプレイの 追跡データのとおりです

  • I'm going to show you that moment

    そしてシュート

  • and all the insights of that moment.

    その瞬間と解析結果を

  • The only difference is, instead of the professional players, it's us,

    お見せします

  • and instead of a professional announcer, it's me.

    違いは プロの選手ではなく 私たちであり

  • So, bear with me.

    アナウンスもプロでなく私がしますので

  • Miami.

    我慢してお付き合いください

  • Down three.

    3点を追うマイアミ

  • Twenty seconds left.

    3点を追うマイアミ

  • Jeff brings up the ball.

    残り20秒

  • Josh catches, puts up a three!

    ジェフのドリブル

  • [Calculating shot probability]

    ジョシュにパスを回し 3点シュート

  • [Shot quality]

    [ シュート成功率を計算中 ]

  • [Rebound probability]

    [ シュートの質 ]

  • Won't go!

    [ リバウンドの確率 ]

  • [Rebound probability]

    失敗!

  • Rebound, Noel.

    [ リバウンドの確率 ]

  • Back to Daria.

    ノエルがリバウンドし

  • [Shot quality]

    ダリアにパス

  • Her three-pointer -- bang!

    [ シュートの質 ]

  • Tie game with five seconds left.

    3点シュートが決まった!

  • The crowd goes wild.

    残り5秒で同点に

  • (Laughter)

    観衆は大興奮

  • That's roughly how it happened.

    (笑)

  • (Applause)

    こんな感じのプレイでした

  • Roughly.

    (拍手)

  • (Applause)

    だいたいこんな感じです

  • That moment had about a nine percent chance of happening in the NBA

    (拍手)

  • and we know that and a great many other things.

    NBAだったら あれが成功する確率は 9%程度です

  • I'm not going to tell you how many times it took us to make that happen.

    そういったことを知ることができます

  • (Laughter)

    このプレイの再現に 何回費やしたかは秘密です

  • Okay, I will! It was four.

    (笑)

  • (Laughter)

    いいですよ お教えます! 4回でした

  • Way to go, Daria.

    (笑)

  • But the important thing about that video

    ダリア お見事!

  • and the insights we have for every second of every NBA game -- it's not that.

    しかし こんなビデオ映像や NBAの各試合の

  • It's the fact you don't have to be a professional team to track movement.

    各瞬間の分析そのものが 重要だというのではなく

  • You do not have to be a professional player to get insights about movement.

    動きを追跡するのに 専門家チームが必要ではなく

  • In fact, it doesn't even have to be about sports because we're moving everywhere.

    動作を解析するのに 専門家である必要がないという事実です

  • We're moving in our homes,

    さらには スポーツに限る必要はありません 我々はいつでも どこでも動いています

  • in our offices,

    家の中でも 動いています

  • as we shop and we travel

    オフィスでも

  • throughout our cities

    買物したり 旅行したり

  • and around our world.

    街の中

  • What will we know? What will we learn?

    世界中を動き回っています

  • Perhaps, instead of identifying pick-and-rolls,

    何を知り 何を学べるでしょう?

  • a machine can identify the moment and let me know

    ピックアンドロールの代わりに

  • when my daughter takes her first steps.

    機械はおそらく 私の娘が最初の一歩を歩み出すときに

  • Which could literally be happening any second now.

    動きを捉え 私に知らせてくれることでしょう

  • Perhaps we can learn to better use our buildings, better plan our cities.

    文字通り いつにでも起こりうることです