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