はじめに
バスケットボールでは、得点を決めた選手が最も目立つ。
華麗なドライブ。
豪快なダンク。
美しい3ポイントシュート。
試合後のハイライト映像を見ても、中心になるのは得点シーンである。
しかし、AIがバスケットボールの勝敗を分析するとき、必ずしも得点だけを見るわけではない。
シュート成功率。
ターンオーバー。
アシスト。
ディフェンス。
そしてリバウンド。
特にリバウンドは、試合の「攻撃回数」を変える重要な要素だ。
そこで今回注目したいのが、山王工業の野辺将広である。
もしAIが野辺の育成方針を決めるなら、どうするだろうか。
得点力を伸ばすのか。
ポストプレーを磨くのか。
それとも、リバウンド能力だけを徹底的に伸ばすのか。
今回は思い切って、一つの仮説を立ててみたい。
「野辺将広をリバウンド特化型選手として育成したら、チームへの貢献度は最大化するのではないか」
AI的な視点から、リスクと報酬を考えてみよう。
野辺将広という選手の役割
山王工業には強力な選手がそろっている。
沢北栄治。
河田雅史。
深津一成。
松本稔。
それぞれが全国トップクラスの能力を持つ。
このメンバーを見たとき、AIは一つの問題を発見する可能性がある。
「得点できる選手はすでに足りている」
沢北は1対1から得点できる。
河田はインサイドで戦える。
松本にも高い得点能力がある。
深津はゲームを組み立てる。
つまり、野辺まで大量にシュートを打つ必要性は低い。
もちろん、得点力があるに越したことはない。
しかし、チームにはボールが一つしかない。
全員が得点を狙えば、シュート機会を奪い合うことになる。
そこでAIは役割分担を考える。
野辺には、別の仕事を任せたほうがチーム全体の効率が上がるのではないか。
その仕事がリバウンドである。
リバウンドは「攻撃回数を増やす能力」
リバウンドの価値を単純に考えてみよう。
味方がシュートを外す。
相手がリバウンドを取る。
攻撃終了。
しかし、味方がオフェンスリバウンドを取ればどうなるか。
もう一度攻撃できる。
つまり、オフェンスリバウンドは「追加攻撃権」に近い。
AIが試合を確率モデルとして考えれば、これは非常に大きい。
仮に1回の攻撃で得点できる確率が50％だったとする。
一度シュートを外しても、リバウンドを取れば再び50％の得点チャンスが生まれる。
もちろん現実の試合はもっと複雑だ。
しかし基本的な考え方は変わらない。
リバウンドを取る。
攻撃回数が増える。
攻撃回数が増えれば、得点機会も増える。
野辺自身が得点しなくても、沢北や河田の得点機会を増やせる。
これは間接的な得点能力と言える。
AIは「誰が得点したか」を気にしない
人間は個人成績を見る。
20得点。
30得点。
40得点。
数字が大きい選手は注目される。
しかし、AIがチームの勝率だけを最大化する場合、「誰が得点したか」は重要ではない。
チームが100点取ればいい。
沢北が40点でもいい。
河田が30点でもいい。
松本が20点でもいい。
野辺が2点でも、チームが勝てば目的は達成される。
もし野辺が15本のリバウンドを取り、その結果としてチームの攻撃回数が増えたならどうだろう。
得点は2点。
しかし、追加された攻撃から20点が生まれた。
AIは野辺の貢献を「2得点」とは評価しない。
攻撃機会創出能力として評価する。
ここに人間の印象とAI評価の違いがある。
得点を捨てるという大胆な戦略
今回の仮説では、野辺の得点能力を完全に無視するわけではない。
しかし、練習時間の配分を大きく変える。
例えば100時間の個人練習があるとする。
通常なら、
シュート練習。
ポストプレー。
ドリブル。
パス。
フィジカル。
リバウンド。
さまざまな能力を鍛える。
AIがリバウンド特化戦略を採用した場合、この配分を極端にする。
ボックスアウト。
ジャンプタイミング。
落下地点予測。
ポジショニング。
接触への耐性。
連続ジャンプ。
ボール確保。
リバウンド後のパス。
これらに練習時間を集中する。
目標は「何でもできる選手」ではない。
「リバウンドだけなら全国トップクラス」。
専門化である。
落下地点予測をAIで鍛える
現代のAIを使うなら、野辺のリバウンド練習は大きく変わる可能性がある。
シュート位置。
シュート角度。
ボールの回転。
リングへの衝突位置。
過去のデータ。
これらをAIが分析する。
例えば、右45度から放たれた3ポイントシュート。
ショートした場合、どこへ落ちる確率が高いのか。
リングの奥へ当たった場合はどうか。
選手のシュートフォームによって傾向は違うのか。
AIは数千、数万本のシュートデータを分析できる。
野辺は「ボールが落ちてから動く」のではない。
シュートが放たれた瞬間に移動を開始する。
未来の落下地点へ先回りする。
もしこの能力を極端に伸ばせば、ジャンプ力だけに頼らないリバウンダーになれる。
河田雅史との役割分担
野辺のリバウンド特化戦略を考えるとき、河田雅史との関係は重要だ。
河田は非常に万能な選手である。
インサイド。
アウトサイド。
ディフェンス。
リバウンド。
多くの仕事ができる。
しかし、万能な選手にすべてを任せる必要はない。
野辺がリバウンドを担当すれば、河田は別の仕事へ集中できる。
得点。
ヘルプディフェンス。
スクリーン。
パス。
相手エースへの対応。
AIはこの状態を「役割負荷の分散」と評価する。
河田の能力をリバウンドだけに使うのはもったいない。
野辺が泥臭い仕事を引き受けることで、河田の万能性をより広い範囲で使える。
つまり、野辺のリバウンド特化は河田の価値まで上げる可能性がある。
沢北栄治との相性
沢北栄治は高い得点能力を持つ。
1対1。
ドライブ。
シュート。
自分で得点機会を作れる。
しかし、どれほど優秀な選手でもシュートを外す。
成功率100％の選手はいない。
ここで野辺がオフェンスリバウンドを取る。
ボールを深津へ戻す。
再び沢北へ。
沢北はもう一度攻撃できる。
相手からすれば非常に苦しい。
「やっと沢北のシュートを外させた」
そう思った瞬間、野辺がリバウンドを取る。
そして再び沢北が攻める。
精神的な負担も大きい。
AIは野辺を「エースの失敗を無効化する装置」と評価するかもしれない。
少し冷たい表現だが、戦略的には非常に重要な役割である。
リバウンド特化の最大の報酬
この戦略の最大の報酬は、チームの攻撃安定性だ。
シュートが入る日は問題ない。
しかし、強豪同士の試合ではシュート成功率が落ちることがある。
相手のディフェンスが強い。
疲労がある。
プレッシャーがある。
そのような試合では、外したシュートを誰が拾うかが重要になる。
野辺がリバウンドを支配できれば、山王はシュートを外しても攻撃を続けられる。
調子が悪い日でも勝つ。
これは全国大会を勝ち抜くチームに必要な能力だ。
AIは平均得点だけでなく、「最低パフォーマンス時の勝率」を重視する。
リバウンド特化型の野辺は、チームの最低値を引き上げる存在になれる。
もちろんリスクもある
リバウンド特化にはリスクがある。
最大の問題は、相手に守られなくなる可能性だ。
「野辺はシュートを打たない」
相手がそう判断すれば、ディフェンスは野辺から離れる。
その分、沢北や河田へ守備を集中できる。
ダブルチーム。
ヘルプ。
ペイントエリアの圧縮。
野辺の得点能力を完全に捨てると、攻撃スペースが狭くなる。
AIはここで最低限の得点能力を要求するだろう。
フリーなら決める。
ゴール下なら得点する。
オフェンスリバウンドから押し込む。
この程度の攻撃力は必要だ。
つまり、「得点を捨てる」という表現は正確ではない。
「自分から得点を作る練習を減らす」。
これがAIの現実的な判断になる。
リバウンド後の3秒が重要
AIが野辺を育成するなら、リバウンドを取るだけでは終わらせない。
注目するのは、その後の3秒だ。
ボールを取る。
すぐシュートするのか。
外へ戻すのか。
深津へパスするのか。
沢北を探すのか。
相手の守備状況を判断する。
リバウンド後はディフェンスの陣形が崩れていることが多い。
ここで正しい判断をすれば、大きな得点機会になる。
逆に判断を誤れば、ボールを奪われる。
野辺には「リバウンド後の意思決定」を徹底的に学習させる。
AIが映像を分析し、最適な選択肢を提示する。
リバウンド専門家ではなく、「追加攻撃を設計する選手」へ進化させるのである。
桜木花道とのリバウンド競争
野辺のリバウンド能力を考えると、桜木花道との対決は避けて通れない。
桜木には驚異的な身体能力がある。
ジャンプ力。
反応。
執念。
そして、リバウンドへの強い意識。
AIが両者を比較すると、面白い違いが見える。
桜木は「身体能力と直感」。
野辺は「経験とポジショニング」。
もし野辺にAI分析を加えたらどうなるか。
落下地点予測。
相手のジャンプ傾向。
ボックスアウト位置。
桜木の助走方向。
すべてを事前に分析する。
身体能力で勝てないなら、先に場所を取る。
AIは野辺に「桜木より高く跳べ」とは言わない。
「桜木が跳べない場所を作れ」と指示するだろう。
これが戦略である。
個人評価は下がる可能性がある
リバウンド特化戦略には、選手本人にとって別のリスクもある。
評価だ。
得点が少ない。
シュート本数が少ない。
派手なプレーがない。
メディアでは沢北が注目される。
河田が評価される。
野辺の名前は大きく取り上げられないかもしれない。
個人の人気やスター性を考えるなら不利である。
しかし、AIがチーム勝率を目的関数に設定した場合、その問題は無視される。
ここに「個人の成功」と「チームの成功」の違いがある。
野辺本人が何を望むのか。
全国制覇なのか。
個人成績なのか。
将来の選手評価なのか。
戦略は目的によって変わる。
AIが考える理想の野辺将広
AIが野辺を再設計するとしたら、次のような選手を目指すだろう。
シュート本数は少ない。
しかしフリーなら決める。
ポストプレーは最低限。
ドリブルで長時間ボールを持たない。
スクリーンをかける。
ボックスアウトする。
相手の大型選手を押さえる。
オフェンスリバウンドを狙う。
ディフェンスリバウンドを確保する。
そして、取った瞬間に最適な選手へボールを渡す。
得点ランキングには入らない。
しかし、野辺がいる試合といない試合ではチームの攻撃回数が違う。
そんな選手だ。
AIはこのタイプを高く評価する可能性がある。
リバウンドは「目立たない戦略」なのか
リバウンドは地味な仕事と言われることがある。
しかし、本当に地味なのだろうか。
シュートを一本増やす。
相手の攻撃を一本減らす。
これを一試合で十回繰り返す。
試合全体では大きな差になる。
AIは派手さを評価しない。
歓声も聞かない。
ハイライト映像も見ない。
ただ勝率を見る。
その視点では、リバウンドは非常に合理的な投資対象になる。
野辺のような大型選手をリバウンドへ特化させる。
それはスターを作る戦略ではない。
勝つチームを作る戦略だ。
まとめ
AIが野辺将広の育成方針を決めるなら、リバウンド特化戦略は有力な選択肢になる。
山王工業には得点できる選手がいる。
沢北栄治。
河田雅史。
松本稔。
ゲームを組み立てる深津一成もいる。
だからこそ、野辺まで得点競争へ参加する必要はない。
ボックスアウト。
落下地点予測。
ポジショニング。
ボール確保。
リバウンド後の判断。
これらを徹底的に磨く。
野辺自身の得点は増えないかもしれない。
しかし、山王の攻撃回数は増える。
沢北のシュートチャンスが増える。
河田の役割負担が減る。
チーム全体の安定性が上がる。
AIが考える野辺将広の最適戦略。
それは「自分が点を取ること」ではない。
「味方がもう一度攻撃できる状況を作ること」。
得点を決める選手が試合の主役なら、リバウンドを取る選手は主役にもう一度チャンスを渡す存在だ。
そしてAIは、その一回の追加攻撃が勝敗を変えることを知っている。
野辺将広のリバウンド特化戦略。
派手ではない。
しかし、全国制覇を目的にするなら、これほど合理的な役割分担はないのかもしれない。
コメント