1
00:00:00,954 --> 00:00:04,537
私と研究仲間は
動く点の科学に魅せられています

2
00:00:04,927 --> 00:00:06,101
これらの点は何でしょう？

3
00:00:06,101 --> 00:00:07,412
全て我々自身です

4
00:00:07,412 --> 00:00:12,521
我々は家の中 事務所の中を動き回り
街や世界中で

5
00:00:12,521 --> 00:00:14,587
買物や旅行をしています

6
00:00:14,958 --> 00:00:18,918
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？

7
00:00:18,918 --> 00:00:21,808
ここにパターン、意味を見出し
洞察することができたら？

8
00:00:22,259 --> 00:00:24,068
幸運なことにも 我々は

9
00:00:24,068 --> 00:00:28,807
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

10
00:00:28,807 --> 00:00:32,494
それがセンサー、ビデオ または
アプリであろうとも

11
00:00:32,494 --> 00:00:35,303
見事なほど詳細に
動きを追跡することができます

12
00:00:36,092 --> 00:00:41,148
そんな動きを得るのに最適なのが

13
00:00:41,148 --> 00:00:42,682
スポーツです

14
00:00:42,682 --> 00:00:48,039
バスケ、野球、サッカーやフットサルであれ

15
00:00:48,039 --> 00:00:52,465
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

16
00:00:52,465 --> 00:00:53,802
撮影し追跡します

17
00:00:53,802 --> 00:00:58,208
そう 我々がやっていることは
スポーツ選手を

18
00:00:58,208 --> 00:01:00,191
－皆さんがご想像されるとおり－

19
00:01:00,191 --> 00:01:01,587
動く点へと変換することです

20
00:01:01,946 --> 00:01:06,904
他の生データと同様に
膨大な数の動く点を取得します

21
00:01:06,904 --> 00:01:09,430
取り扱いは面倒で
面白い作業ではありません

22
00:01:09,430 --> 00:01:13,223
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

23
00:01:13,223 --> 00:01:17,057
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

24
00:01:17,057 --> 00:01:19,804
不可能であるということです

25
00:01:19,804 --> 00:01:21,758
１人の人間には不可能であっても

26
00:01:21,758 --> 00:01:23,661
機械になら出来ます

27
00:01:23,661 --> 00:01:27,363
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

28
00:01:27,363 --> 00:01:29,624
いや 少なくとも今までは不可能でした

29
00:01:30,228 --> 00:01:32,331
では我々は機械に
何を学習させたのでしょう？

30
00:01:33,569 --> 00:01:35,380
単純な方法で始めました

31
00:01:35,380 --> 00:01:39,203
パス、シュートやリバウンドを
教えました

32
00:01:39,203 --> 00:01:41,768
バスケファンならご存知ですよね？

33
00:01:41,768 --> 00:01:44,624
次にもう少しだけ複雑なことに
取り組みました

34
00:01:44,624 --> 00:01:49,377
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

35
00:01:49,377 --> 00:01:52,920
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

36
00:01:53,560 --> 00:01:58,924
そして 今では機械はダウン・スクリーンや

37
00:01:58,924 --> 00:02:02,021
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

38
00:02:02,021 --> 00:02:04,771
基本的に
プロだけが知っているプレイです

39
00:02:04,771 --> 00:02:09,157
機械にはコーチの視点で見るように
学習させました

40
00:02:10,008 --> 00:02:11,866
どうやって出来たのでしょう？

41
00:02:12,511 --> 00:02:15,653
コーチにピックアンドロールについて
説明を求めれば

42
00:02:15,653 --> 00:02:17,317
解説してくれたことでしょうが

43
00:02:17,317 --> 00:02:20,173
それをアルゴリズムに組込むのは
至難の業です

44
00:02:21,026 --> 00:02:25,328
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

45
00:02:25,328 --> 00:02:27,486
こういったダンスのような動きです

46
00:02:27,486 --> 00:02:29,128
このように動いていきます

47
00:02:29,128 --> 00:02:31,685
スクリナー(ディフェンスをガードする選手)が

48
00:02:31,685 --> 00:02:34,918
ボールマンのディフェンスの横に行き

49
00:02:34,918 --> 00:02:36,199
ずっとガードするのです

50
00:02:36,199 --> 00:02:39,540
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

51
00:02:39,540 --> 00:02:41,779
(笑)

52
00:02:41,779 --> 00:02:44,287
アルゴリズム化が困難な例です

53
00:02:44,913 --> 00:02:49,278
スクリナーが邪魔をするのですが

54
00:02:49,278 --> 00:02:52,174
近づいても 停止しなければ

55
00:02:52,174 --> 00:02:53,939
おそらくピックアンドロールでは
ありません

56
00:02:54,560 --> 00:02:58,529
逆に 停止しても
十分に近づかなければ

57
00:02:58,529 --> 00:03:00,290
ピックアンドロールとは
ならないでしょう

58
00:03:00,642 --> 00:03:03,903
近づいて停止しても

59
00:03:03,903 --> 00:03:07,462
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

60
00:03:07,462 --> 00:03:10,010
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

61
00:03:10,010 --> 00:03:14,602
正確なタイミング、距離と場所に
依存するので

62
00:03:14,602 --> 00:03:16,097
判断を難しくしています

63
00:03:16,579 --> 00:03:21,547
幸いにも機械学習では
我々が知っていることの記述を

64
00:03:21,547 --> 00:03:23,314
我々の限界以上にこなします

65
00:03:23,314 --> 00:03:25,759
どのように？
例をお見せしましょう

66
00:03:25,759 --> 00:03:28,589
機械に向かって言います
「おはよう 機械君

67
00:03:29,077 --> 00:03:32,720
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

68
00:03:32,720 --> 00:03:35,076
違いを見分けてごらん」

69
00:03:35,076 --> 00:03:38,807
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

70
00:03:38,807 --> 00:03:40,940
りんごとみかんの違いを

71
00:03:40,940 --> 00:03:42,345
学習させるならば

72
00:03:42,345 --> 00:03:44,744
「色と形に注目してみたら？」
と言うことでしょう

73
00:03:44,744 --> 00:03:47,711
我々が解決すべき問題は
違いが何かということです

74
00:03:47,711 --> 00:03:48,982
コンピューターが

75
00:03:48,982 --> 00:03:52,505
動く点を追跡する時に
鍵となる特徴とは何でしょうか？

76
00:03:52,505 --> 00:03:57,352
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

77
00:03:57,352 --> 00:03:59,440
全ての情報を把握すること

78
00:03:59,440 --> 00:04:04,392
それこそが 動く点の科学の神髄です

79
00:04:04,392 --> 00:04:07,925
「時空パターン認識」という専門用語を
使うのが適切です

80
00:04:07,925 --> 00:04:10,847
初めての言葉ですから
舌を噛むかもしれません

81
00:04:10,847 --> 00:04:12,410
こんな言葉ですから

82
00:04:12,410 --> 00:04:15,575
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

83
00:04:15,575 --> 00:04:17,521
あったかどうかでは無く
どのようにして

84
00:04:17,521 --> 00:04:19,620
そのプレイが起きたかということです

85
00:04:19,620 --> 00:04:22,631
なぜ 重要なのでしょう？
少し掘り下げてみましょう

86
00:04:22,631 --> 00:04:24,426
現代のバスケットボールでは

87
00:04:24,426 --> 00:04:27,065
ピックアンドロールは
おそらく最も重要なプレイです

88
00:04:27,065 --> 00:04:29,709
どうやって仕掛け
これをどうディフェンスするのかで

89
00:04:29,709 --> 00:04:32,403
基本的に多くのゲームで勝敗を左右します

90
00:04:32,403 --> 00:04:36,228
だから この動きには
様々なバリエーションがあり

91
00:04:36,228 --> 00:04:39,900
バリエーションを理解することが
とても重要です

92
00:04:39,900 --> 00:04:42,429
ですから
この装置がとても重宝します

93
00:04:43,228 --> 00:04:44,428
例をお見せします

94
00:04:44,428 --> 00:04:46,831
２対２の攻防戦で

95
00:04:46,831 --> 00:04:49,007
ピックアンドロールをしようとしています

96
00:04:49,007 --> 00:04:52,086
ボールマンの動きには
テイクとリジェクトがあり

97
00:04:52,086 --> 00:04:55,111
スクリナーには
ロールとポップがあります

98
00:04:55,111 --> 00:04:58,121
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

99
00:04:58,121 --> 00:05:02,710
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

100
00:05:02,710 --> 00:05:05,352
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

101
00:05:05,352 --> 00:05:08,035
始めの頃は こういったことについて
知りませんでした

102
00:05:08,035 --> 00:05:11,979
このような矢印通りに動いてくれれば簡単で

103
00:05:11,979 --> 00:05:16,047
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

104
00:05:16,047 --> 00:05:21,555
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

105
00:05:21,555 --> 00:05:22,882
正確に把握すること－

106
00:05:22,882 --> 00:05:24,774
精度良く プレイを再現することは困難です

107
00:05:24,774 --> 00:05:28,416
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

108
00:05:28,416 --> 00:05:31,820
時空パターン認識には
このような困難がありますが

109
00:05:31,820 --> 00:05:33,294
我々は解析に成功しました

110
00:05:33,318 --> 00:05:37,478
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

111
00:05:37,478 --> 00:05:41,035
今年に至っては NBAリーグの

112
00:05:41,035 --> 00:05:42,682
ほぼ全てのチームが

113
00:05:42,682 --> 00:05:47,114
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

114
00:05:47,114 --> 00:05:49,872
ソフトを利用しています

115
00:05:49,872 --> 00:05:55,049
それだけでなく
とても大切な試合に勝利するための

116
00:05:55,049 --> 00:05:58,425
戦略変更を
我々はアドバイスすることができました

117
00:05:58,425 --> 00:06:02,181
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

118
00:06:02,181 --> 00:06:05,248
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

119
00:06:05,874 --> 00:06:08,804
ピックアンドロールを超えたことも
素晴らしことです

120
00:06:08,804 --> 00:06:10,904
コンピューターは
簡単なことから始め

121
00:06:10,904 --> 00:06:12,992
もっともっと複雑なことを学習し

122
00:06:12,992 --> 00:06:14,577
今や多くの事を把握しています

123
00:06:14,577 --> 00:06:17,436
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

124
00:06:17,436 --> 00:06:21,175
私より賢いなんて
特別なことではありません

125
00:06:21,175 --> 00:06:24,843
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?

126
00:06:24,843 --> 00:06:26,922
人間以上に知り得るか?

127
00:06:26,922 --> 00:06:28,691
今や その答えは「イエス」です

128
00:06:28,691 --> 00:06:31,272
コーチはシュートを上手く放つ
選手を欲しがります

129
00:06:31,272 --> 00:06:32,947
私がゴールの近くにいて

130
00:06:32,947 --> 00:06:35,137
近くに誰もいなければ
シュートを決めやすく

131
00:06:35,137 --> 00:06:39,101
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

132
00:06:39,101 --> 00:06:44,209
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

133
00:06:44,209 --> 00:06:45,359
今までは です

134
00:06:45,771 --> 00:06:48,853
ここで時空パターン認識の
再登場です

135
00:06:48,853 --> 00:06:50,251
各シュートを分析しました

136
00:06:50,251 --> 00:06:53,280
調べることは「シュートの場所は？
リングとの角度は？

137
00:06:53,280 --> 00:06:56,066
ディフェンスの位置は？
その距離は？

138
00:06:56,066 --> 00:06:57,421
立っている角度は？」などです

139
00:06:57,421 --> 00:07:00,422
複数のディフェンダーがいる時も
選手の動きを追って

140
00:07:00,422 --> 00:07:01,879
シュートのタイプを予測できます

141
00:07:01,879 --> 00:07:05,977
選手の速度から
このような状況下で

142
00:07:05,977 --> 00:07:10,188
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

143
00:07:10,188 --> 00:07:11,688
なぜ これが重要なのでしょう？

144
00:07:12,102 --> 00:07:14,929
シュートについて解析してみます

145
00:07:14,929 --> 00:07:17,633
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

146
00:07:17,633 --> 00:07:20,284
シュートの質と
シューターの質です

147
00:07:21,680 --> 00:07:24,966
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？

148
00:07:24,966 --> 00:07:26,004
(笑)

149
00:07:26,004 --> 00:07:27,329
各点はNBAの選手です

150
00:07:27,329 --> 00:07:30,483
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

151
00:07:30,483 --> 00:07:32,639
横軸は シュートの成功可能性で

152
00:07:32,639 --> 00:07:34,616
左に行けば難易度が上がり

153
00:07:34,616 --> 00:07:37,194
右に行けば難易度が下がります

154
00:07:37,194 --> 00:07:39,275
縦軸は 選手のシュート能力です

155
00:07:39,275 --> 00:07:41,861
上に行くほど良い選手で
下の方は その逆です

156
00:07:41,861 --> 00:07:43,621
例えば 通常47%の確率で

157
00:07:43,621 --> 00:07:45,718
シュートを成功させる選手がいるとします

158
00:07:45,718 --> 00:07:47,345
以前なら これが情報の全てです

159
00:07:47,345 --> 00:07:52,219
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

160
00:07:52,219 --> 00:07:54,204
この選手は2%低くさせると
いうことができます

161
00:07:54,204 --> 00:07:55,888
この選手は2%低くさせると
いうことができます

162
00:07:56,266 --> 00:08:00,781
47%といっても様々な組み合わせが
あることが重要です

163
00:08:01,714 --> 00:08:04,287
47%の数字をたたき出す

164
00:08:04,287 --> 00:08:08,267
100億円プレイヤーの獲得を
考えるのならば

165
00:08:08,267 --> 00:08:11,346
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

166
00:08:11,346 --> 00:08:13,743
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

167
00:08:15,130 --> 00:08:18,487
機械学習では
選手の見方は変わりませんが

168
00:08:18,487 --> 00:08:20,369
試合の見方が変わります

169
00:08:20,369 --> 00:08:24,148
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

170
00:08:24,148 --> 00:08:27,379
３点を追うマイアミ
後り時間は20秒

171
00:08:27,379 --> 00:08:29,428
シリーズの敗北が目前でした

172
00:08:29,428 --> 00:08:32,793
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

173
00:08:32,793 --> 00:08:34,015
外れました

174
00:08:34,015 --> 00:08:35,876
クリス・ボッシュ選手が
リバウンドに入り

175
00:08:35,876 --> 00:08:38,058
レイ・アレン選手にパス
そのアレン選手が

176
00:08:38,058 --> 00:08:40,001
３点シュートを沈め
延長戦に入りました

177
00:08:40,001 --> 00:08:42,121
結局試合に勝利し
ファイナルを制しました

178
00:08:42,121 --> 00:08:44,566
史上 もっともエキサイティングな
試合の１つでした

179
00:08:45,438 --> 00:08:48,891
各選手の 各瞬間における

180
00:08:48,891 --> 00:08:50,103
シュート成功率や

181
00:08:50,103 --> 00:08:53,083
各瞬間にリバウンドを取る確率が分かると

182
00:08:53,083 --> 00:08:56,526
この場面を まったく新しい見方で
捉えられます

183
00:08:57,618 --> 00:09:00,310
残念ながらその時のビデオを
お見せできませんが

184
00:09:00,310 --> 00:09:04,827
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

185
00:09:04,827 --> 00:09:07,279
皆さんのために
そのプレイを再現しました

186
00:09:07,279 --> 00:09:09,573
(笑)

187
00:09:09,573 --> 00:09:13,199
分析を行った選手の動きを再現しました

188
00:09:13,199 --> 00:09:17,478
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

189
00:09:17,478 --> 00:09:19,066
チャイナタウンにある公園です

190
00:09:19,066 --> 00:09:21,321
レイ・アランのあのプレイを
再現しています

191
00:09:21,321 --> 00:09:23,550
全てが あのプレイの
追跡データのとおりです

192
00:09:24,772 --> 00:09:26,313
そしてシュート

193
00:09:26,313 --> 00:09:28,853
その瞬間と解析結果を

194
00:09:28,853 --> 00:09:31,464
お見せします

195
00:09:31,464 --> 00:09:35,218
違いは プロの選手ではなく
私たちであり

196
00:09:35,218 --> 00:09:37,860
アナウンスもプロでなく私がしますので

197
00:09:37,860 --> 00:09:39,337
我慢してお付き合いください

198
00:09:41,153 --> 00:09:42,671
３点を追うマイアミ

199
00:09:42,671 --> 00:09:43,821
３点を追うマイアミ

200
00:09:44,107 --> 00:09:47,385
残り20秒

201
00:09:47,385 --> 00:09:48,583
ジェフのドリブル

202
00:09:50,656 --> 00:09:52,631
ジョシュにパスを回し
３点シュート

203
00:09:52,631 --> 00:09:54,480
[ シュート成功率を計算中 ]

204
00:09:55,278 --> 00:09:56,428
[ シュートの質 ]

205
00:09:57,048 --> 00:09:58,833
[ リバウンドの確率 ]

206
00:10:00,373 --> 00:10:01,570
失敗！

207
00:10:01,570 --> 00:10:03,016
[ リバウンドの確率 ]

208
00:10:03,777 --> 00:10:05,057
ノエルがリバウンドし

209
00:10:05,057 --> 00:10:06,509
ダリアにパス

210
00:10:06,509 --> 00:10:09,874
[ シュートの質 ]

211
00:10:10,676 --> 00:10:12,320
３点シュートが決まった！

212
00:10:12,320 --> 00:10:14,880
残り５秒で同点に

213
00:10:14,880 --> 00:10:16,522
観衆は大興奮

214
00:10:16,522 --> 00:10:18,205
(笑)

215
00:10:18,205 --> 00:10:19,776
こんな感じのプレイでした

216
00:10:19,776 --> 00:10:20,951
(拍手)

217
00:10:20,951 --> 00:10:22,150
だいたいこんな感じです

218
00:10:22,150 --> 00:10:23,681
(拍手)

219
00:10:24,121 --> 00:10:29,629
NBAだったら あれが成功する確率は
９%程度です

220
00:10:29,629 --> 00:10:31,914
そういったことを知ることができます

221
00:10:31,914 --> 00:10:35,429
このプレイの再現に
何回費やしたかは秘密です

222
00:10:35,429 --> 00:10:37,200
(笑)

223
00:10:37,200 --> 00:10:39,096
いいですよ お教えます！
４回でした

224
00:10:39,096 --> 00:10:40,121
(笑)

225
00:10:40,121 --> 00:10:41,286
ダリア お見事！

226
00:10:41,647 --> 00:10:45,934
しかし こんなビデオ映像や
NBAの各試合の

227
00:10:45,934 --> 00:10:50,639
各瞬間の分析そのものが
重要だというのではなく

228
00:10:50,639 --> 00:10:54,568
動きを追跡するのに
専門家チームが必要ではなく

229
00:10:55,083 --> 00:10:58,764
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

230
00:10:58,764 --> 00:11:03,654
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

231
00:11:03,654 --> 00:11:06,023
家の中でも 動いています

232
00:11:09,428 --> 00:11:10,633
オフィスでも

233
00:11:12,238 --> 00:11:14,928
買物したり 旅行したり

234
00:11:17,318 --> 00:11:18,571
街の中

235
00:11:20,065 --> 00:11:21,683
世界中を動き回っています

236
00:11:23,270 --> 00:11:25,589
何を知り 何を学べるでしょう？

237
00:11:25,589 --> 00:11:27,918
ピックアンドロールの代わりに

238
00:11:27,918 --> 00:11:30,952
機械はおそらく
私の娘が最初の一歩を歩み出すときに

239
00:11:30,952 --> 00:11:33,035
動きを捉え
私に知らせてくれることでしょう

240
00:11:33,035 --> 00:11:35,571
文字通り いつにでも起こりうることです

241
00:11:36,140 --> 00:11:39,837
建物や街のデザインを良くするのにも
利用できるでしょう

242
00:11:40,362 --> 00:11:44,559
動く点の科学を進歩させることによって

243
00:11:44,559 --> 00:11:48,202
より良いスマートな動きができるようになり
進歩するものと信じています

244
00:11:48,607 --> 00:11:49,820
どうも有難うございました

245
00:11:49,820 --> 00:11:54,865
(拍手)