Share
Embed
データから見る勝敗の法則 / The principle of victory discovered by science (open lecture in NSSU)
2025年7月31日に日本体育大学大学院で講演した内容です.
konakalab
July 31, 2025
Transcript
47 slides
-
スポーツ観戦体験による自己紹介 ▪ https://note.com/konakalab/n/n3d 405ce55c19 ▪ 「スポーツなら大体何でもそれな りに観れる」派 – 球技の方が見てておもろいか も.
– 楽しみ方がよくわからないこ ともおもしろい. – オリンピックは一通り眺める @日本体育大学 2025/7/31 -
エンターテインメントとして 拡大するスポーツ ▪ プロ野球,Jリーグ,Bリーグ – 総観客数:年間4000万人規 模 ▪ いずれも最新シーズン=観客数最 大
▪ さらに拡大の見込み – 新スタジアム・アリーナ建設 @日本体育大学 2025/7/31 2000 2005 2010 2015 2020 2025 2030 年 0 500 1000 1500 2000 2500 3000 観客数[万人] 国内プロスポーツ観客動員推移 プロ野球 Jリーグ Bリーグ -
エンターテインメントとして 拡大するスポーツ ▪ プロ野球,Jリーグ,Bリーグ – 総観客数:年間4000万人規 模 ▪ いずれも最新シーズン=観客数最 大
▪ さらに拡大の見込み – 新スタジアム・アリーナ建設 – IGアリーナ(名古屋) @日本体育大学 2025/7/31 https://ig-arena.jp/news/376/ -
発表の構成 ▪ スポーツを支える情報技術 – ディスプレイ/照明/クリエイ ティブ (軽く) – 配信/ファンエンゲージメン ト
(軽く) – 予測/計測/選手評価 (しっ かり) ▪ スポーツの計測と選手評価 – 計算機の発展との同期 – スタッツとメトリクス – 野球での成功 – マインドスポーツでの発展 – フロンティアとしてのサッ カー @日本体育大学 2025/7/31 -
ディスプレイ/照明/クリエイティブ スタジアム/アリーナ 新築 都市 名商 競技 長崎 PEACE STADIUM サッカー,
バスケ 広島 ピースウイン グ広島 サッカー 名古屋 IGアリーナ (2025開業) バスケ,相 撲 沖縄 沖縄アリーナ バスケ 千葉(船橋) ららアリーナ バスケ 最先端の表示システム @日本体育大学 2025/7/31 https://okinawa-arena.jp/arena_guide/staging -
ディスプレイ/照明/クリエイティブ スタジアム/アリーナ 新築 都市 名商 競技 長崎 PEACE STADIUM サッカー,
バスケ 広島 ピースウイン グ広島 サッカー 名古屋 IGアリーナ (2025開業) バスケ,相 撲 沖縄 沖縄アリーナ バスケ 千葉(船橋) ららアリーナ バスケ 観客動員が好調なバスケ @日本体育大学 2025/7/31 -
ディスプレイ/照明/クリエイティブ スタジアム/アリーナ 新築 都市 名商 競技 長崎 PEACE STADIUM サッカー,
バスケ 広島 ピースウイン グ広島 サッカー 名古屋 IGアリーナ (2025開業) バスケ,相 撲 沖縄 沖縄アリーナ バスケ 千葉(船橋) ららアリーナ バスケ 観客動員が好調なバスケ @日本体育大学 2025/7/31 稼働率:30試合/年 容易に転換可能 -
配信/ファンエンゲージメント 配信コンテンツとしての スポーツ リーグ 配信 価格帯 Jリーグ DAZN(複数競技) 4000円/月 Bリーグ
バスケットボー ルLIVE(単独) 550円/月 プロ野球 DAZN(複数競技) 4000円/月 配信の強化と競技力 競技力向上 人気拡大 配信加入者 増加 収入増加 競技環境 改善 @日本体育大学 2025/7/31 スポーツ=買って観る 有力な配信コンテンツ -
配信/ファンエンゲージメント J League ID :顧客データ取得と管理 0 100 200 300 400
500 2019 2024 JリーグID数[万] JリーグID数[万] @日本体育大学 2025/7/31 https://www.footballista.jp/special/109966 -
配信/ファンエンゲージメント ▪ 個人ごとの訪問履歴の把握 ▪ 訪問回数ごとの施策 – 「初めて来てもらう」「もう 一度来てもらう」は違う – 特定選手の「推し」文化への
対応も @日本体育大学 2025/7/31 データに基づく 新規顧客獲得・顧客維持 -
唐突ですが質問です. ▪ 問. 皆さんが日常的に使って いるコンピュータ(スマート フォンなども含む). ▪ 10年間で性能はどれくらい 上がったでしょうか? ▪
(雑な)「性能」の測り方 – 処理にかかる時間 – 装置の大きさ・重さ – 装置の価格 ▪ 例 – 大きさ・重さ,値段,処理時 間すべてが半分 – この時の性能=2 × 2 × 2 = 𝟖𝟖倍 @日本体育大学 2025/7/31 -
iPhoneの性能 ▪ 問. 皆さんが日常的に 使っているコン ピュータ(スマート フォンなども含む). ▪ 10年間で性能はどれ くらい上がったで
しょうか? ▪ (iPhone単独で)6倍く らい @日本体育大学 2025/7/31 -
ムーアの法則 ▪ 「半導体の集積率は18か月 で2倍になる」(Moore, 1965) – Intelの共同創業者 ▪ 集積率→性能・価格 ▪
計測機器も性能向上 – センサそのものの微細 化 – データ処理の高速化 ▪ 答:210/1.5 = およそ 𝟏𝟏𝟏𝟏𝟏𝟏倍 @日本体育大学 2025/7/31 -
ムーアの法則:計算機環境の爆発的進展 1970~ •Apple I (1976) •個人が電子計算機を購入できる時代 1995~ •Windows95 (1995) •GUI,
インターネット個人接続 2010~ •スマートフォン •計算資源を持ち歩く時代 @日本体育大学 2025/7/31 -
ムーアの法則とコンピュータゲームAI @日本体育大学 2025/7/31 1970~ •Apple I (1976) •個人が電子計算機を購入できる時代 1995~ •Windows95
(1995) •GUI, インターネット個人接続 2010~ •スマートフォン •計算資源を持ち歩く時代 1970~ •チェス,チェッカーの初期研究 •「人工無脳」 1995~ •ルールベース,エキスパートシステム •Deep Blue (~1997) 2010~ •強化学習+ディープラーニング •AlphaGo(~2017) -
マインドスポーツの攻略 Deep Blue 対 カスパロフ (1996) AlphaGo 対 柯潔 (2017)
@日本体育大学 2025/7/31 「世紀の頭脳対決 カスパロフ対ディープブルー」 NHK1997 https://image.itmedia.co.jp/l/im/news/articles/1705/25/l_ki_alphago 01.jpg -
情報・計測技術の発展とスポーツ 野球 1970~ •スコアブックからの知識発見 •セイバーメトリクス 1995~ •セイバーメトリクスの“発見” •マネー・ボール 2010~ •物理計測(statcast)
•時空間系列データを活用 サッカー 1970~ •古典的・限定的な成果 •ポアソン分布 1995~ •限られたスタッツ •コンピュータと統計学 2010~ •物理計測 •時空間系列データを活用 @日本体育大学 2025/7/31 -
セイバーメトリクス :初期のスポーツ統計学 ▪ ビル・ジェームズ “Baseball Abstract” (1980s) ▪ スコアブックの活用 –
記録を残しやすい競技特性 ▪ 野球の競技特性の数理的理解 – バントすべきか? × – アウトとならない ◎ ▪ 個人の評価をチームから分離 – 投手の「勝利数」 × – 打者の「打点」 × ▪ 個人が勝利・得点に貢献したかどうか の指標の開発 – RC (Runs Created) ▪ 出塁,進塁 – OPS (On-base plus slugging) ▪ 出塁,長打 – DIPS (Defense Independent Pitching Statistics) ▪ 奪三振,被本塁打,与四死球 @日本体育大学 2025/7/31 1970~ データに基づく競技特性理解の パイオニア -
「マネー・ボール」 ▪ ドキュメンタリー原作の映画(2011) ▪ セイバーメトリクスを活用したチーム編成の 成功 – 2000年~2005年ごろ – 「割安」選手の発掘
▪ 実は勝利に貢献する指標をプロが理解してい なかった – 容易にコピーされアドバンテージは消失 ▪ セイバーメトリクスは「標準装備」に @日本体育大学 2025/7/31 1995~ スポーツにおける統計学の 大きな成功体験 -
サッカー版「マネー・ボール」は あったのか? ▪ 結論:(たぶん)野球ほどのインパ クトはまだ達成していない ▪ サッカー:データ計測 難 – 野球のスコアブックに相当す
るデータが無い ▪ 長く:チームの得失点能力による 勝敗予測 ▪ 挑戦:選手勝利貢献度ランキング (McHale, 2012) – イベントデータ(事象と回数 のみのデータ) – クリスティアーノ・ロナウド, ファーディナンド,キャラ ガー…ではなく – 1位:シュウォーツァー(フラ ム,GK) ▪ チームと個人の分離が非常に難し い @日本体育大学 2025/7/31 2010~ -
サッカー版「マネー・ボール」は あったのか? ▪ 結論:(たぶん)野球ほどのインパ クトはまだ達成していない ▪ ブライトン – オーナー:トニー・ブルーム は元ポーカープレイヤー
– 統計データによるタレント発 掘→三笘薫選手 – 意図的に同質性を排除するし くみ @日本体育大学 2025/7/31 2020~ サッカーでも「マネー・ボール」は 起きつつある -
計測技術のスポーツへの進出 ▪ ドップラーレーダ,高速度カメラ, 画像処理,… – Hawk-eye, statcast (右図) ▪ 物体の軌道(時間付きの位置・速
度)の計測 ▪ 情報の粒度:スコアブックから格 段に細かく ▪ 「状態」を詳細に記録可能 @日本体育大学 2025/7/31 2010~ Introducing Statcast 2020: Hawk-Eye and Google Cloud | by Ben Jedlovec | MLB Technology Blog (mlblogs.com) -
半導体の微細化とセンサの高性能化 事例:サッカーボール ▪ IMU:小さなバネで加速度と姿勢 を検出するセンサ ▪ ボールの中央に設置 – 無線充電 ▪
小さい・軽いセンサ – 衝撃が加わっても壊れにくい ▪ https://x.com/mems6934/status/ 1598646138844119040 @日本体育大学 2025/7/31 -
強化学習 :将棋ができたらサッカーは? ▪ 強化学習 – 状態が行動により遷移 – 報酬:状態に依存 – 状態ごとの報酬を推定(学習)
▪ 強化学習ベースの将棋AI – 盤面が手により遷移 – 勝敗:盤面に依存 – 盤面ごとの優勢度合いを推定 (学習) – 手の価値を定量的に評価 @日本体育大学 2025/7/31 2010~ https://times.abema.tv/articles/-/10119534?page=1 -
強化学習 :将棋ができたらサッカーは? ▪ 強化学習 – 状態が行動により遷移 – 報酬:状態に依存 – 状態ごとの報酬を推定(学習)
▪ 強化学習ベースのサッカーAI – 状態が選手のプレーにより遷移 – 得点:状態(のうちボールの位置)に 依存 – 状態ごとの優勢度合いを推定(学習) – プレーの価値を定量的に評価 @日本体育大学 2025/7/31 2010~ VAEP (Valuing Actions by Estimating Probabilities) -
強化学習 :将棋ができたらサッカーは? ▪ 強化学習 – 状態が行動により遷移 – 報酬:状態に依存 – 状態ごとの報酬を推定(学習)
▪ 強化学習ベースのサッカーAI – 状態が選手のプレーにより遷移 – 得点:状態(のうちボールの位置)に 依存 – 状態ごとの優勢度合いを推定(学習) – プレーの価値を定量的に評価 @日本体育大学 2025/7/31 2010~ VAEP (Valuing Actions by Estimating Probabilities) AI技術を計算機内の世界から 物理世界へ応用 -
「評価値」とスポーツエンタメ ▪ 将棋:評価値(前述) – 初心者への訴求 ▪ データ・評価値 – チーム・選手理解の素材 ▪
WAR (Wins above replacements) – 野球:選手が何勝増やした か? ▪ ゴール期待値 – サッカー.シュートの成功率 @日本体育大学 2025/7/31 2010~ インタラクティブ版 簡易版ゴール期待値 -
「評価値」とスポーツエンタメ ▪ 将棋:評価値(前述) – 初心者への訴求 ▪ データ・評価値 – チーム・選手理解の素材 ▪
WAR (Wins above replacements) – 野球:選手が何勝増やした か? ▪ ゴール期待値 – サッカー.シュートの成功率 @日本体育大学 2025/7/31 2010~ https://www.jleague.jp/match/j1/2025/022204/live/#livetxt -
「評価値」とスポーツエンタメ ▪ 将棋:評価値(前述) – 初心者への訴求 ▪ データ・評価値 – チーム・選手理解の素材 ▪
WAR (Wins above replacements) – 野球:選手が何勝増やした か? ▪ ゴール期待値 – サッカー.シュートの成功率 @日本体育大学 2025/7/31 2010~ https://www.jleague.jp/match/j1/2025/022204/live/#livetxt 「何が起きたか」をわかりやすくする 指標の開発 -
[著者研究事例紹介] 複数スポーツの統一評価モデル ▪ 得点を競うボールゲーム – バスケ,ハンド,ホッケー, バレー,水球 – 得点頻度だけが違う ▪
過去の得点(と開催地)のみを利用 する統一予測モデル – オリンピック予測 ▪ 公式世界ランキング・専門家より も予測性能が良い ▪ 東京五輪の予測 – https://sites.google.com/ccalu mni.meijo-u.ac.jp/prediction- tokyo2020-jp/ – 予測精度:258/354 (公式ラ ンキング250/354) – メダルを色まで:9個 – バスケ女子・日本の銀メダル を的中 @日本体育大学 2025/7/31 -
[著者研究事例紹介] 複数スポーツの統一評価モデル ▪ 東京五輪の予測 – https://sites.google.com/ccalu mni.meijo-u.ac.jp/prediction- tokyo2020-jp/ – 予測精度:258/354
(公式ラ ンキング250/354) – メダルを色まで:9個 – バスケ女子・日本の銀メダル を的中 ▪ 女子バスケ – 実力は6番目 – +ホームアドバンテージ – アメリカとグループ同組 ▪ ベスト8で対戦しない! @日本体育大学 2025/7/31 -
[著者研究事例紹介] バスケットボールの個人評価(1/2) @日本体育大学 2025/7/31 ▪ インパクトメトリクス:選手の貢献を示す単一量 ▪ 提案新インパクトメトリクス:「その選手がコート上にいる1秒あたりの予測勝率 変化量の平均値」 ▪
ラインナップ(コート上の5人)ごとの対比較法 対 →(予測勝率の変化量) 1 2 3 4 5 11 12 13 14 15 対 →(予測勝率の変化量) 1 2 3 6 5 11 17 13 14 15 ⋮ -
[著者研究事例紹介] バスケットボールの個人評価(2/2) Play-by-playの活用 ▪ ✓コート上全選手を考慮した評価 ▪ プレイを攻守に分離 – ✓攻守それぞれの貢献の定量 化
▪ 「出ていない」時間帯がわか る – ✓On-Offメトリクスへの拡張 提案メトリクスでわかる こと ▪ ✓守備の貢献の定量化 – Boxscoreに現れにくい – 攻守どちらが得意か ▪ ✓交代でチーム力が向上/低下す るか ▪ (Webで可視化したもの) -
データに基づくスポーツの現状 データ計測の発展 ▪ スマートフォンの普及 ▪ センサの低価格化 ▪ プロ→アマチュア,ユース ▪ 画像処理の性能上昇
– 姿勢推定 スポーツの「ハック」 ▪ 最適なプレイの発見 ▪ MLB:「ホームランか三振か」 – 「フライボール革命」(2017) – 出塁率⤵ ▪ 勝利を追求した結果,選手・観客 がつまらなく感じることも @日本体育大学 2025/7/31 2020~ -
アルゴリズムはスポーツを 魅力的にするのか? ▪ イチロー選手の引退会見 ▪ 【ノーカット】イチロー現役引退 都内で記者会見 (youtube.com) ▪ “2001年にアメリカに来てから、
19年の野球は全く違う野球になり ました。頭を使わなくてもできる 野球になりつつあるような。” ▪ 「誰」が頭を使わない/使ってい るのか? ▪ サッカー – 再現可能なプレーの追求 – ゴール期待値の高いシュート の増加 – ペナルティエリア内シュート 割合 46%(2010)→63%(2022) ▪ 魅力を取り戻す(したい)ルール改 正 @日本体育大学 2025/7/31 2020~ データとアルゴリズムはスポーツを面白くもつまらなくもする! -
まとめ:情報技術と スポーツエンターテインメント ▪ エンターテインメントコンテンツ として拡大するスポーツ ▪ 魅力的な競技環境(スタジアム, アリーナ) ▪ 有料配信による利益確保
▪ 計測技術向上がもたらす競技特性 の理解 ▪ 選手評価指標の開発 – 初心者への訴求 ▪ 過度な最適化による魅力低下の可 能性 @日本体育大学 2025/7/31 -
参考資料 ▪ 日経クロストレンド:Jリーグの「デジマ 施策」はなぜ成功? ID数が5年で2.8倍に 急拡大 ▪ https://assets.ourworldindata.org/uploads/2 020/11/Transistor-Count-over-time.png ▪
Apple Computer Company, Palo Alto, CA. - Apple 1 Advertisement Oct 1976.jpg, パブ リック・ドメイン, https://commons.wikimedia.org/w/index.ph p?curid=80814234による ▪ Microsoft, flag logo designed by Jonathan D. Cowles and Jeff Boettcher - Logopedia, パブ リック・ドメイン, https://commons.wikimedia.org/w/index.ph p?curid=116019249による ▪ https://support.apple.com/ja- jp/docs/iphone/132927 ▪ jamesboyes - https://www.flickr.com/photos/37972999@ N07/52252956140/, CC 表示 2.0, https://commons.wikimedia.org/w/index.ph p?curid=121404383による @日本体育大学 2025/7/31