シュートが外れた。AIはその理由がわかるのか
入ったシュートと外れたシュートを並べて見ると、小さな違いが目に入ります。AIが体の動きを指摘してくれる時代に、その違いをどこまで信じていいのでしょうか。バスケットボールの映像2本を見比べながら、分析とコーチングのあいだを考えます。
AI & SPORTS / 04
シュートの映像を2本、並べてみよう。一方は入り、もう一方は外れた。2本目では肘が少し低く見える。すると、それらしい説明ができあがる。肘が下がったからボールが入らなかったのではないか、と。
ここにAIが打ってくれた点と線まで加われば、説明はいっそう正確に見えるだろう。目でぼんやり捉えていた違いに、座標がついたのだから。けれど、その数字はどこまで語ってくれるのか。2本のシュートの違いを見つけたことと、失敗の原因を突き止めたことは、同じではない。
体に点を打つ技術
こうした分析の土台になる技術のひとつが姿勢推定だ。GoogleのMediaPipe Pose Landmarkerは、写真や映像から、肩、肘、手首などを含む体の33か所がどこにあるかを推定する。名前は耳慣れないが、映像を見ながら体の主要な位置に印をつけていく作業を思い浮かべれば、わかりやすい。
この座標を映像に重ねれば、人が動作を比べるための材料ができる。シュートの構えに入るときと、ボールを放した後の腕の位置を、あらためて見直すといった具合だ。速く過ぎていった動きについて話すとき、「さっきのあそこ」ではなく、同じ場面を指し示せる。そこに使いどころがある。
ただし、このツールが出力するのは体の位置である。バスケットボールのシュートの正解を教えてくれる、完成されたコーチングアプリではない。座標にどんな意味を与えるか、バスケの動作をどう評価するかは、その先に残された問題だ。
2本の映像を同じ場面と見なしていいのか
最初の2本に戻ろう。低く見える肘を直す前に、確かめておくことがある。1本目はボールを放す直前で、2本目は腕を上げている途中だとしたら、どうだろう。異なる瞬間を止めて並べ、姿勢が違うと言っていることになる。
カメラの位置も見なければならない。同じ方向から撮ったのか、腕が胴体や他の人に隠れていないか。画面の外に出た肘まで、はっきり見えていたとは言えない。AIが座標を出したとしても、それが元の映像のどの部分を指しているのかを、あわせて見るべき理由がここにある。
撮影条件を揃えたからといって、話が終わるわけでもない。1本目はフリーで打ったシュートで、2本目はディフェンスをかわして打ったシュートかもしれない。距離が違っていた可能性もある。一方は慣れた動作で、もう一方は覚えたばかりの動作を試したのかもしれない。こうした違いを差し引かずに肘だけを比べれば、説明はあまりに早く終わってしまう。
映像に写っていない説明は、人から
だから練習の映像を一緒に見るときは、表示された数字のほかに、選手自身の説明も要る。「2本目では何を変えようとしたの?」と尋ねれば、外からは似て見える2本のシュートを、別々の試みとして理解できるかもしれない。
これはAI分析が役に立たないという話ではない。何を見直すかを探す助けにはなる。ただ、見つけた違いをそのまま直すべき問題に仕立てないでおこう、という話だ。実際にフォームを変えると決めるなら、撮影条件、練習の目的、指導者の観察を、あわせて検討することになる。
次にシュートの映像を見るときは、AIが示した位置をまず元の映像と突き合わせてみたい。そして打った本人に、あのとき何をやってみようとしていたのかを聞いてみたい。その答えを聞くまでは、低く見える肘を「直すべき問題」ではなく「もう一度見る箇所」として残しておくほうがいい。
資料: Google AI Edge · Pose landmark detection guide · 確認 2026.09.22
2本のシュートは説明のための架空の例です。