1
00:00:00,764 --> 00:00:04,887
Mijn collega's en ik zijn gefascineerd
door de wetenschap van bewegende puntjes.

2
00:00:04,927 --> 00:00:06,077
Welke puntjes?

3
00:00:06,101 --> 00:00:07,388
Puntjes zoals jij en ik.

4
00:00:07,412 --> 00:00:12,497
We bewegen door ons huis,
in ons kantoor, winkelend en reizend,

5
00:00:12,521 --> 00:00:14,587
door onze steden en over de wereld.

6
00:00:15,458 --> 00:00:18,827
Zou het niet mooi zijn als we
al deze bewegingen konden begrijpen?

7
00:00:18,918 --> 00:00:22,288
Als we er patronen, betekenis en
inzicht in konden vinden?

8
00:00:22,839 --> 00:00:26,378
Gelukkig zijn we tegenwoordig erg goed

9
00:00:26,408 --> 00:00:28,635
in het registreren
van informatie over onszelf.

10
00:00:29,057 --> 00:00:32,470
Of we het nou doen met sensors,
video's of applicaties,

11
00:00:32,494 --> 00:00:35,533
we kunnen onze bewegingen
tot in extreem detail volgen.

12
00:00:36,092 --> 00:00:41,592
Het blijkt dat een van de beste plaatsen
om deze data te verzamelen

13
00:00:41,592 --> 00:00:42,682
sport is.

14
00:00:42,682 --> 00:00:48,015
Dus of het nou basketbal, honkbal,
voetbal of American football is,

15
00:00:48,039 --> 00:00:50,965
we rusten onze stadions
en spelers uit met instrumenten

16
00:00:50,965 --> 00:00:53,778
om elke milliseconde
van hun bewegingen te registreren.

17
00:00:53,802 --> 00:00:58,184
Wat we dus eigenlijk doen
is onze atleten veranderen in --

18
00:00:58,208 --> 00:01:00,167
je raadt het al --

19
00:01:00,191 --> 00:01:01,587
bewegende puntjes.

20
00:01:01,946 --> 00:01:04,930
Zo komen we tot massa's bewegende puntjes,

21
00:01:04,964 --> 00:01:09,056
maar net zoals met de meeste ruwe data
kun je er dan nog weinig mee.

22
00:01:09,430 --> 00:01:13,083
Er zijn echter dingen die bijvoorbeeld
basketbaltrainers willen weten.

23
00:01:13,423 --> 00:01:15,083
Dingen die ze niet kúnnen weten,

24
00:01:15,107 --> 00:01:18,394
omdat ze daarvoor elke seconde
van elke wedstrijd zouden moeten zien,

25
00:01:18,404 --> 00:01:19,844
onthouden en verwerken.

26
00:01:19,874 --> 00:01:21,734
Dat kan een mens niet.

27
00:01:21,758 --> 00:01:23,068
Maar een machine wel.

28
00:01:23,661 --> 00:01:27,071
Het probleem is dat een machine
niet kijkt met het oog van een coach.

29
00:01:27,363 --> 00:01:29,803
Althans, dat konden ze niet. Nu wel.

30
00:01:30,228 --> 00:01:32,251
Wat hebben we de machine leren zien?

31
00:01:34,159 --> 00:01:35,356
We zijn simpel begonnen.

32
00:01:35,380 --> 00:01:39,179
We leerden haar wat passes,
schoten en rebounds zijn.

33
00:01:39,203 --> 00:01:41,744
Dingen die de gemiddelde fan ook weet.

34
00:01:41,768 --> 00:01:44,600
Daarna gingen we wat lastiger dingen doen.

35
00:01:44,624 --> 00:01:49,212
Dingen als post-ups,
pick-and-rolls en isolaties.

36
00:01:49,377 --> 00:01:52,920
Het geeft niet als dat je niets zegt.
De meeste spelers weten het wel.

37
00:01:53,560 --> 00:01:58,900
We zijn inmiddels op een punt
dat de machine complexe zaken begrijpt,

38
00:01:58,924 --> 00:02:01,997
zoals down-screens en wide-pins.

39
00:02:02,021 --> 00:02:04,747
Dingen die eigenlijk
alleen professionals weten.

40
00:02:04,771 --> 00:02:09,159
We hebben de machine dus geleerd
met het oog van een coach te kijken.

41
00:02:10,009 --> 00:02:11,866
Hoe hebben we dit voor elkaar gekregen?

42
00:02:12,511 --> 00:02:15,629
Als ik een coach zou vragen
wat een pick-and-roll is,

43
00:02:15,653 --> 00:02:17,293
zou hij het beschrijven,

44
00:02:17,317 --> 00:02:20,173
maar daar kan ik niet zomaar
een algoritme van maken.

45
00:02:21,026 --> 00:02:27,024
Een pick-and-roll is een basketbaldans
voor twee aanvallers en twee verdedigers.

46
00:02:27,796 --> 00:02:29,124
Dat gaat ongeveer zo.

47
00:02:29,128 --> 00:02:31,661
De aanvaller zonder bal

48
00:02:31,685 --> 00:02:34,894
gaat naast de verdediger staan
die de aanvaller met de bal verdedigt

49
00:02:34,918 --> 00:02:36,175
en hij blijft daar staan,

50
00:02:36,199 --> 00:02:39,516
ze bewegen allebei, er gebeurt iets,
ta-da, dat is een pick-and-roll.

51
00:02:39,540 --> 00:02:41,755
(Gelach)

52
00:02:41,779 --> 00:02:44,287
Dat is een voorbeeld
van een slecht algoritme.

53
00:02:45,823 --> 00:02:49,117
Als die aanvaller zonder bal
-- die noemen we de screener --

54
00:02:49,278 --> 00:02:52,150
in de buurt komt maar niet stopt,

55
00:02:52,174 --> 00:02:53,939
is het niet echt een pick-and-roll.

56
00:02:54,560 --> 00:02:58,505
Of als hij wel stopt,
maar hij staat er te ver vanaf,

57
00:02:58,529 --> 00:03:00,290
dan is het ook geen pick-and-roll.

58
00:03:00,642 --> 00:03:03,879
Stopt hij wel en staat hij
er dicht genoeg bij,

59
00:03:03,903 --> 00:03:07,227
maar het gebeurt onder de basket,
is het ook geen pick-and-roll.

60
00:03:07,462 --> 00:03:09,796
Of ik heb het mis
en het zijn wel pick-and-rolls.

61
00:03:09,810 --> 00:03:14,578
Dat hangt af van de exacte timing,
de afstanden en de locaties,

62
00:03:14,602 --> 00:03:16,097
en dat maakt het zo lastig.

63
00:03:16,579 --> 00:03:21,523
Gelukkig kunnen we de machine
het beter leren beschrijven

64
00:03:21,547 --> 00:03:23,290
dan we dat zelf kunnen.

65
00:03:23,314 --> 00:03:25,594
Hoe dat werkt?
Aan de hand van voorbeelden.

66
00:03:25,759 --> 00:03:28,589
We zeggen tegen de machine:
"Goedemorgen, machine.

67
00:03:29,077 --> 00:03:32,436
Dit zijn wel pick-and-rolls
en dit zijn er geen.

68
00:03:32,720 --> 00:03:34,902
Zoek voor me uit
waar het verschil in zit."

69
00:03:35,076 --> 00:03:38,693
De sleutel is om de kenmerken te vinden
die het verschil maken.

70
00:03:38,717 --> 00:03:41,906
Moet ik het verschil uitleggen
tussen een appel en een sinaasappel,

71
00:03:41,916 --> 00:03:44,560
dan zeg ik bijvoorbeeld:
"Kijk eens naar kleur of vorm."

72
00:03:44,590 --> 00:03:47,687
Wij moeten uitvinden
welke dingen dat zijn.

73
00:03:47,711 --> 00:03:48,958
Met welke kenmerken

74
00:03:48,982 --> 00:03:52,481
krijgt een computer vat
op de wereld van bewegende puntjes?

75
00:03:52,505 --> 00:03:57,328
Het ontdekken van al deze relaties
met relatieve en absolute locaties,

76
00:03:57,352 --> 00:03:59,261
afstand, timing, snelheden,

77
00:03:59,440 --> 00:04:04,368
dat is de essentie van de wetenschap
der bewegende puntjes, oftewel:

78
00:04:04,392 --> 00:04:07,736
tijdruimtelijke patroonherkenning,
in academische bewoordingen.

79
00:04:07,925 --> 00:04:10,823
Je moet het altijd
moeilijk laten klinken,

80
00:04:10,847 --> 00:04:12,125
want dat is het ook.

81
00:04:12,410 --> 00:04:17,361
Het gaat er de NBA-coaches niet om
of er een pick-and-roll was of niet;

82
00:04:17,401 --> 00:04:19,597
ze willen weten hóe dat gebeurde.

83
00:04:19,621 --> 00:04:22,607
Waarom dat zo belangrijk is?
Dat zal ik je vertellen.

84
00:04:22,631 --> 00:04:24,402
Het blijkt dat in modern basketbal

85
00:04:24,426 --> 00:04:27,105
de pick-and-roll wellicht
het belangrijkste spelletje is.

86
00:04:27,105 --> 00:04:29,585
Weten hoe het uit te voeren
en hoe het te verdedigen,

87
00:04:29,609 --> 00:04:32,379
is een sleutel tot het winnen
of verliezen van wedstrijden.

88
00:04:32,403 --> 00:04:36,204
Het blijkt dat deze dans
vele variaties kent

89
00:04:36,228 --> 00:04:39,876
en het identificeren van
die variaties is cruciaal.

90
00:04:39,900 --> 00:04:42,429
Daarom moeten we dit
dus echt goed in kaart hebben.

91
00:04:43,198 --> 00:04:44,244
Hier is een voorbeeld.

92
00:04:44,268 --> 00:04:46,327
Er zijn twee aanvallers
en twee verdedigers,

93
00:04:46,341 --> 00:04:48,223
klaar om de pick-and-roll-dans te doen.

94
00:04:48,257 --> 00:04:51,690
Degene met de bal kan
aannemen of weigeren.

95
00:04:52,086 --> 00:04:55,087
Zijn teamgenoot kan afrollen of 'poppen'.

96
00:04:55,111 --> 00:04:58,097
Degene die op de bal verdedigt
kan erover of eronder gaan.

97
00:04:58,121 --> 00:05:02,586
Zijn medespeler kan dreigen,
uitstappen of terugvallen

98
00:05:02,610 --> 00:05:05,328
en samen kunnen ze switchen,
of allebei de bal aanvallen.

99
00:05:05,352 --> 00:05:08,011
Ik wist deze dingen ook niet toen ik begon

100
00:05:08,035 --> 00:05:11,955
en het zou mooi zijn als iedereen
beweegt zoals deze pijlen.

101
00:05:11,979 --> 00:05:15,574
Dat zou wel makkelijk zijn,
maar de praktijk is veel rommeliger.

102
00:05:15,597 --> 00:05:18,145
Bewegingen zijn vaak onduidelijk

103
00:05:18,165 --> 00:05:22,518
en het accuraat identificeren
van deze variaties

104
00:05:22,532 --> 00:05:24,750
in precisie en herinnering is lastig,

105
00:05:24,774 --> 00:05:28,392
maar alleen zo win je het vertrouwen
van een professionele coach.

106
00:05:28,416 --> 00:05:31,496
Ondanks alle moeilijkheden
met die tijdruimtelijke eigenschappen

107
00:05:31,520 --> 00:05:33,294
zijn we daarin geslaagd.

108
00:05:33,318 --> 00:05:37,245
Coaches vertrouwen erop dat onze machine
deze variaties kan identificeren.

109
00:05:37,478 --> 00:05:42,841
We zijn nu zover dat bijna elke topploeg
die NBA-kampioen zou kunnen worden,

110
00:05:42,871 --> 00:05:44,624
gebruik maakt van onze software,

111
00:05:44,624 --> 00:05:48,708
die is gebouwd op een machine
die de bewegende puntjes begrijpt.

112
00:05:51,028 --> 00:05:55,025
Buiten dat hebben we ook advies gegeven
dat strategieën heeft veranderd,

113
00:05:55,049 --> 00:05:58,401
waardoor teams belangrijke wedstrijden
hebben kunnen winnen.

114
00:05:58,425 --> 00:06:00,367
Het is heel opwindend om te zien

115
00:06:00,391 --> 00:06:04,808
dat coaches met 30 jaar ervaring
advies aannemen van een machine.

116
00:06:05,874 --> 00:06:08,450
Het is erg boeiend
en veel meer dan pick-and-roll.

117
00:06:08,474 --> 00:06:10,500
Onze computer begon met simpele dingen

118
00:06:10,514 --> 00:06:12,318
die gaandeweg complexer werden

119
00:06:12,332 --> 00:06:14,183
en inmiddels weet hij ontzettend veel.

120
00:06:14,203 --> 00:06:17,422
Eerlijk gezegd begrijp ik
weinig van wat hij doet.

121
00:06:17,436 --> 00:06:21,151
Nu is er is niet zóveel voor nodig
om slimmer te zijn dan ik,

122
00:06:21,175 --> 00:06:24,819
maar zou een computer
meer kunnen weten dan een coach?

123
00:06:24,843 --> 00:06:26,898
Kan hij meer weten dan een persoon?

124
00:06:26,922 --> 00:06:28,501
Het antwoord daarop blijkt 'ja'.

125
00:06:28,521 --> 00:06:31,248
Coaches willen dat spelers
schieten in kansrijke posities.

126
00:06:31,272 --> 00:06:34,663
Sta ik in mijn eentje dicht bij de basket,
dan is dat een goed schot.

127
00:06:34,687 --> 00:06:39,077
Sta ik veraf met verdedigers om me heen,
dan is dat meestal een slecht schot.

128
00:06:39,101 --> 00:06:44,209
We wisten alleen nooit hoe goed 'goed' was
en hoe slecht 'slecht' was, kwantitatief.

129
00:06:44,209 --> 00:06:45,359
Tot nu.

130
00:06:45,771 --> 00:06:48,829
We zijn gaan kijken
naar de tijdruimtelijke eigenschappen

131
00:06:48,853 --> 00:06:50,227
van elk schot.

132
00:06:50,251 --> 00:06:53,256
Waar wordt geschoten?
Wat is de hoek naar de basket?

133
00:06:53,280 --> 00:06:55,702
Waar zijn de verdedigers?
Hoever staan ze ervan af?

134
00:06:55,732 --> 00:06:57,081
Onder welke hoek?

135
00:06:57,101 --> 00:07:00,398
Bij meerdere verdedigers
kijken we naar hoe de speler beweegt

136
00:07:00,422 --> 00:07:01,855
en voorspellen het type schot.

137
00:07:01,879 --> 00:07:05,693
We kijken naar alle snelheden
en bouwen dan een model dat voorspelt:

138
00:07:05,707 --> 00:07:09,869
wat is de kans dat dit schot erin gaat
onder deze omstandigheden?

139
00:07:10,188 --> 00:07:11,688
Waarom is dit belangrijk?

140
00:07:12,102 --> 00:07:14,905
We breken zoiets als 'schieten',

141
00:07:14,929 --> 00:07:17,609
van één ding, in twee dingen:

142
00:07:17,633 --> 00:07:20,284
de kwaliteit van het schot
en die van de schutter.

143
00:07:21,680 --> 00:07:24,942
Hier is een bellendiagram,
want wat is TED zonder een bellendiagram?

144
00:07:24,966 --> 00:07:25,980
(Gelach)

145
00:07:26,004 --> 00:07:27,315
Dat zijn NBA-spelers.

146
00:07:27,339 --> 00:07:30,459
De maat is de lengte van de speler
en de kleur is hun positie.

147
00:07:30,483 --> 00:07:32,615
Op de x-as hebben we de schotkans.

148
00:07:32,639 --> 00:07:36,502
De mensen links nemen moeilijke schoten
en die rechts makkelijke schoten.

149
00:07:37,194 --> 00:07:39,251
Op de y-as staat hun schietvaardigheid.

150
00:07:39,275 --> 00:07:41,727
De beste staan bovenaan,
de slechtste onderaan.

151
00:07:41,761 --> 00:07:43,601
Als er bijvoorbeeld een speler was

152
00:07:43,621 --> 00:07:45,718
die 47% van zijn schoten scoorde,

153
00:07:45,718 --> 00:07:47,377
was dat vroeger alles dat je wist.

154
00:07:47,377 --> 00:07:50,489
Nu kan ik aantonen
dat die speler schoten neemt

155
00:07:50,519 --> 00:07:54,180
die door de gemiddelde NBA-speler
49% van de tijd raak geschoten worden,

156
00:07:54,204 --> 00:07:56,218
en dat hij dus twee procent slechter is.

157
00:07:56,266 --> 00:08:00,781
Dat is zo belangrijk
omdat er massa's spelers 47 scoren.

158
00:08:01,714 --> 00:08:04,263
Het is dus van groot belang om te weten

159
00:08:04,287 --> 00:08:08,243
of die 47 die 100 miljoen dollar kost

160
00:08:08,267 --> 00:08:11,322
een goede schutter is
die slechte schoten neemt,

161
00:08:11,346 --> 00:08:13,743
of een slechte schutter
die goede schoten neemt.

162
00:08:15,130 --> 00:08:18,463
Dat digitale inzicht verandert niet alleen
hoe we naar spelers kijken,

163
00:08:18,487 --> 00:08:20,345
maar ook hoe we naar het spel kijken.

164
00:08:20,369 --> 00:08:24,124
Een paar jaar geleden was er
een spannende wedstrijd in de NBA-finale.

165
00:08:24,148 --> 00:08:27,355
Miami stond drie punten achter
met nog 20 seconden te gaan.

166
00:08:27,379 --> 00:08:29,404
Ze gingen het kampioenschap verliezen.

167
00:08:29,428 --> 00:08:32,769
LeBron James probeerde
gelijk te maken met een driepunter.

168
00:08:32,793 --> 00:08:33,991
Hij miste.

169
00:08:34,015 --> 00:08:35,852
Zijn teamgenoot Bosh pakte de rebound

170
00:08:35,876 --> 00:08:38,035
en passte de bal naar Ray Allen.

171
00:08:38,059 --> 00:08:39,978
Die scoorde en het werd een verlenging.

172
00:08:40,002 --> 00:08:42,098
Ze wonnen de wedstrijd.
Ze werden kampioen.

173
00:08:42,122 --> 00:08:44,566
Het was één van de spannendste
basketbalwedstrijden.

174
00:08:45,438 --> 00:08:49,707
Dat we van elke speler
op elk moment de scoringskans weten

175
00:08:49,713 --> 00:08:52,219
en de kans dat ze een rebound pakken,

176
00:08:52,243 --> 00:08:56,526
kan dit moment belichten
zoals nooit tevoren.

177
00:08:57,618 --> 00:08:59,688
Helaas kan ik de video niet laten zien.

178
00:09:00,408 --> 00:09:01,260
Maar --

179
00:09:01,390 --> 00:09:04,803
voor jullie hebben we
dat moment nagebootst

180
00:09:04,827 --> 00:09:07,163
tijdens onze wekelijkse
basketbalwedstrijd.

181
00:09:07,279 --> 00:09:09,446
(Gelach)

182
00:09:09,573 --> 00:09:12,983
We hebben de situatie nagespeeld
die tot de inzichten leidde.

183
00:09:13,199 --> 00:09:17,454
Dit zijn we.
In Chinatown, Los Angeles.

184
00:09:17,478 --> 00:09:19,042
Hier spelen we elke week

185
00:09:19,066 --> 00:09:21,297
en hier doen we het Ray Allen-moment na

186
00:09:21,321 --> 00:09:23,550
met alle benodigde informatie erbij.

187
00:09:24,772 --> 00:09:26,289
Dit is het schot.

188
00:09:26,313 --> 00:09:28,829
Ik zal het moment laten zien

189
00:09:28,853 --> 00:09:31,440
met alle inzichten erbij.

190
00:09:31,464 --> 00:09:35,194
Het enige verschil is
dat we geen professionals zijn

191
00:09:35,218 --> 00:09:37,836
en ik ben geen professionele commentator.

192
00:09:37,860 --> 00:09:39,947
Hier moeten we het mee doen.

193
00:09:41,153 --> 00:09:42,303
Miami.

194
00:09:42,671 --> 00:09:43,821
Drie punten achter.

195
00:09:44,107 --> 00:09:45,257
Twintig seconden nog.

196
00:09:47,385 --> 00:09:48,583
Jeff dribbelt de bal op.

197
00:09:50,656 --> 00:09:52,191
Josh vangt en schiet!

198
00:09:52,631 --> 00:09:54,480
[Berekening schietkans]

199
00:09:55,278 --> 00:09:56,428
[Schotkwaliteit]

200
00:09:57,048 --> 00:09:58,833
[Reboundkans]

201
00:10:00,373 --> 00:10:01,546
Hij mist!

202
00:10:01,570 --> 00:10:03,016
[Reboundkans]

203
00:10:03,777 --> 00:10:05,033
Rebound, Noel.

204
00:10:05,057 --> 00:10:06,207
Terug naar Daria.

205
00:10:06,509 --> 00:10:09,874
[Schotkwaliteit]

206
00:10:10,676 --> 00:10:12,296
Haar driepunter -- raak!

207
00:10:12,320 --> 00:10:14,517
Gelijke stand met vijf seconden te gaan.

208
00:10:14,880 --> 00:10:16,498
Het publiek wordt gek!

209
00:10:16,522 --> 00:10:18,181
(Gelach)

210
00:10:18,205 --> 00:10:19,752
Zo ging het ongeveer.

211
00:10:19,776 --> 00:10:20,927
(Applaus)

212
00:10:20,951 --> 00:10:22,126
Grofweg.

213
00:10:22,150 --> 00:10:23,681
(Applaus)

214
00:10:24,121 --> 00:10:29,605
De kans dat dit moment in de NBA
zou gebeuren was negen procent.

215
00:10:29,629 --> 00:10:31,890
Dat weten we en nog veel meer.

216
00:10:31,914 --> 00:10:35,405
Ik ga niet vertellen hoe vaak
wij hierover gedaan hebben.

217
00:10:35,429 --> 00:10:37,176
(Gelach)

218
00:10:37,200 --> 00:10:39,072
Nou goed dan: vier keer!

219
00:10:39,096 --> 00:10:40,097
(Gelach)

220
00:10:40,121 --> 00:10:41,286
Goed gedaan, Daria.

221
00:10:42,127 --> 00:10:45,910
Maar het belangrijke bij deze video,

222
00:10:45,934 --> 00:10:50,502
of bij de inzichten die we hebben
in elke NBA-wedstrijd -- is niet dat.

223
00:10:50,639 --> 00:10:54,568
Het is het feit dat je geen profteam
hoeft te zijn om bewegingen te volgen.

224
00:10:55,083 --> 00:10:58,420
Je hoeft geen profspeler te zijn
om inzicht te krijgen in bewegingen.

225
00:10:58,444 --> 00:11:02,622
Het hoeft niet eens over sport te gaan,
want we bewegen tenslotte overal.

226
00:11:03,654 --> 00:11:06,023
In onze huizen,

227
00:11:09,428 --> 00:11:10,633
onze kantoren,

228
00:11:12,238 --> 00:11:14,928
tijdens het winkelen en reizen

229
00:11:17,318 --> 00:11:18,571
door onze steden

230
00:11:20,065 --> 00:11:21,683
en over de hele wereld.

231
00:11:23,270 --> 00:11:25,565
Wat gaan we ontdekken?
Wat gaan we leren?

232
00:11:25,589 --> 00:11:27,448
In plaats van pick-and-rolls

233
00:11:27,448 --> 00:11:30,928
kan een machine misschien het moment 
herkennen en mij verwittigen

234
00:11:30,952 --> 00:11:33,011
als mijn dochter
haar eerste stapjes zet --

235
00:11:33,035 --> 00:11:35,571
wat nu trouwens op elk moment
zou kunnen gebeuren --

236
00:11:36,140 --> 00:11:39,837
Misschien kunnen we onze gebouwen
en steden beter indelen.

237
00:11:40,362 --> 00:11:44,535
Ik denk dat de ontwikkeling
van deze wetenschap

238
00:11:44,559 --> 00:11:48,462
ons beter, slimmer
en verder vooruit zal doen bewegen.

239
00:11:48,607 --> 00:11:49,796
Dank je wel.

240
00:11:49,820 --> 00:11:52,825
(Applaus)