以前にコインオタクでは、OSA DCというプロジェクトの概要について紹介しました。
ハードキャップを達成し、CoinEgg(コインエッグ)への取引開始、Bibox(ビボックス)への上場も決定するなど、 順調に歩みを進めるOSA DC の “何がそこまで凄いのか？” へ迫ることで、OSA DCの実績や評価を中心に紹介しています。
本稿では、その実績や評価の元であるOSA DCの「テクノロジー」について紹介していきます！
詳細が気になる方はOSA DCのホワイトペーパーと併せてご覧ください。
目次
そもそもOSA DCはどんなプロジェクト？
OSA DCは、OSA DC社が既にサービスとして提供しているOSA HP(OSA Hybrid Platform)という小売業者向けのサービスにブロックチェーン技術を導入し、ブロックチェーンとAI(人工知能)によって既存の物流システムの処理上の無駄、そして売れ残りの廃棄、過剰製造のロスといった諸問題の解決を目指すだけでなく、AR技術を用いた消費者の健康サポートまで提供します。
例えば、皆さんは在庫不足などの問題から、小売・流通業界で発生する逸失利益は年間55兆円と言わていることをご存知でしょうか？
また、人の消費のために生産された食料のざっと3分の1が世界中で失われ、捨てられていることをご存知でしょうか？
そして、皆さんがスーパーで買い物をする際、商品に含まれる調味料や原産地が記載されたラベルを見て、その見難さに苦慮することは無いでしょうか？
OSA DCはこれらの問題を解決するために立ち上げられたプロジェクトです。OSA DCの6つのテクノロジー
OSA DCは、6つのテクノロジーを融合させた最先端のサービスを提供します。
以下では、それぞれのテクノロジーがどのように使われ、小売業者や消費者へ提供されるのか、紹介していきます。
AI(人工知能)
OSA DCは、AI(人工知能)を採用しています。AIによって機械化可能な部分の他は、人間による手作業で構成しています (将来的には、すべての部分をAIに置き換えることによって、製品管理の速度と精度を向上させるそうです)。
ビジネス上の問題を解決する
ビジネス上の問題をクライアントと共に分析し、製品を提供する為の正確な製品データを確認します。
既存データの分析・追加データの収集
販売を妨げる店舗外の要因や製品の傾向を分析し、商品が店舗内で売れず他の店舗で売れた原因を特定します。
特徴量エンジニアリング
上記「既存データの分析・追加データの収集」によって集めたデータを、OSAが機械学習(AIの機能の一つ)によって訓練できるような形式に変換します。
モデリング
様々な機械学習技術を用いることによって、予測モデルを構築します。
選択されるアルゴリズムは、環境の変化に適応させるために既存の蓄積データから最良のモデルを選択し、これらの技術を使用して、モデルを学習させます。
モデル検証
検証を行う為に使用する指標(システムの精度やシステムの製品のリコール等)を決定し、モデル検証を行います。
検証が成功すると、モデルが導入され、機械学習フレームワークの一部になりますが、不十分な結果の場合は、OSAに、追加のデータ収集等を実行するように通知がされます。
ブロックチェーン
ブロックチェーンの最も大きな利点は、高い透明性を提示し、公正なシェアを提供する能力です。
OSA経済圏では、スマートコントラクトによりエコシステム参加者と貢献者の間で公平に分配されるプラットフォーム料金を実現します。
スマートコントラクト
OSAのスマートコントラクトキットを使用して、ベンダーや加盟店へ最適在庫率KPIによるトークン使用することができます。
ベンダーと小売業者はこのスマートコントラクトキットを使ったトークン(OSAコイン)により、取引ができます。
価格は合意により自由に設定でき、分散型なので、OSAが価格に干渉することはありません。
それぞれのトークン化されたKPIはOSAブロックチェーンの上に置かれ、KPI(OSEトークン)を記録するトークンは、取引所に上場または取引されず、KPIの値を記録し、要件を満たした時点で当事者間で適切な報酬が発生する仕組みです。
分散化プロセス
OSA DC は、消費者、小売業者、メーカーにリアルタイムのソリューションを提供する、世界初の分散型AI駆動マーケットプレイスです。
分散型プラットフォームでB2Cサービスを使用する場合、消費者の買い物パターン、商品の好み、購買意思決定への価格設定の影響など、個人の多くの情報を取得できます。
この情報の同意を得て、機械学習のアルゴリズムとB2Bサービスの改善に利用することができます。
OSAはフェアにシェアできるアプローチ確立し、消費者にはデータを提供する報酬を提供します。このプロセスにより、最終的にユーザーにはデータ提供の報酬と、データを基にしたより良いサービスを受けることができます。
製品カタログ
OSAのマスターデータカタログには、自動的に認識して取り込まれた製品情報(ビジュアルや数値等)が登録され、製品組成と原料に対する信頼や、商品選別の簡易化といった買い物客の懸念事項を解決します。
次に、すべての製品情報が集約された参照データカタログには、ETLモジュールによって抽出されたデータが格納されており、データエンジニアリングやデータサイエンスモジュールで使用するために準備されています。
参照データカタログにはその他、商品が流通によってサプライチェーンとその店舗を通過するごとに、商品属性の変更が追跡されます。
製品カタログのデータは、製品のパフォーマンスや消費者の使用経験ごとに製品を関連付けて選択できるようになった他、製品の重量や容積を考慮に入れて、最も効率的な物流を実施することができます。
画像認識
参照データカタログ内の視覚情報のすべては、画像認識プロバイダに送信され、その画像をもとに製品の3Dモデルが作成されます。
この3Dモデルは、3Dレンダリングされた製品が店舗にある製品と同一であるとAIが認識するように学習する画像生成の為に使用されます(各画像が商品を識別できる認識となっている)。
その後、画像が転送されて、製品ごとの視覚認識モデルの学習が行われ、この学習の終了後、画像認識機能が機能します。
リアルタイムビッグデータ
ビッグデータを扱う場合、一番の課題はデータを正しく整理することです。
このため、ETLモジュールを構築しています。
ETLはExtract Transform Loadの略で、複数のソースからのデータを統合し、統一された参照データカタログを作成するプロセスを指します。
カタログのデータは、さまざまなクライアントのデータソースから取得され、数値、場所、および店舗などさまざまなビジネスパラメータが含まれています。
サードパーティデータには2種類あり、２つともAPIがあります。
また、パートナーは公開データソースから抽出することができます。
多くの政府や民間企業が、「オープン」ライセンスの下で、所有するデータを公開し、このデータを不正アクセスから保護するためにOSAではETLモジュールを使い、OSA保護パートナーデータAPIによりデータを処理します。
技術の高さは各国コンテストでも実証済み
上記であげたテクノロジーは、各国のコンテストでも高い評価を得て実証されています。
d10e（ソウル）：1位
d10e（ダボス）：2位
STARTUP BATTLE（シリコンバレー）：1位
Live Sharks Tank（サンフランシスコ）：トップ5ファイナリスト
OSA DC進化の要因はプロジェクトが消費者に与える影響に気づいたこと
OSA DCプロジェクトは大幅に進化しました。
当初は、リアルタイムデータが利用可能であることやメーカーと小売業者の双方が協力することでもたらされる収益等に着目していましたが、 プロジェクトをさらに進めていくうちに、消費者に与える大きな影響が判明 しました。
これまで、消費者はメーカーや小売業者から受動的に、物品を購入しているだけでしたが、インターネットの登場により、商品を比較して、他の消費者の商品レビューを求めるようになりました。消費者は、受動的に買い物をするのではなく、アクティブに買い物をし、買い物時の製品の情報をメーカーや小売業者に伝えます。
それが私にとってOSA DCプロジェクトの大きな魅力です。
OSA DC共同創始者、戦略＆マーケティングリーダーRuslan Pyshnyi (ルスラン・ピシュニィ)氏
皆さんが買い物をする際、商品にスマートフォンをかざすだけで、健康のために知りたい情報が視界に飛び込んでくることを想像してみましょう。
きっと、今よりも豊かな生活へと結びつくはずです。
OSA DCはこれらの技術開発において、すでにテスト段階まできているのです。
公式サイト：https://osadc.io/jp/
公式Twitter：https://twitter.com/OSA_DC_JAPAN
公式Telegram：https://t.me/OSADCJAPAN
※公式テレグラムでは様々な質問に答えてくれます！！
