ਤੁਹਾਡੀਆਂ ਅੱਖਾਂ 50 ਬੋਲਟਾਂ ਤੋਂ ਬਾਅਦ ਥੱਕ ਜਾਂਦੀਆਂ ਹਨ। AI ਤਾਂ ਹੁਣੇ ਸ਼ੁਰੂ ਹੋ ਰਿਹਾ ਹੈ।
ਹੱਥ ਨਾਲ ਗਿਣਨਾ ਸੌਖਾ ਲੱਗਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਇਹ ਮੁਸ਼ਕਲ ਨਹੀਂ ਹੋ ਜਾਂਦਾ। ਲਗਭਗ 30 ਚੀਜ਼ਾਂ ਤੋਂ ਬਾਅਦ, ਤੁਹਾਡਾ ਦਿਮਾਗ ਗਿਣਨ ਤੋਂ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਵੱਲ ਮੁੜ ਜਾਂਦਾ ਹੈ। ਤੁਸੀਂ ਆਪਣੀ ਥਾਂ ਗੁਆ ਦਿੰਦੇ ਹੋ, ਇੱਕ ਕਤਾਰ ਦੁਬਾਰਾ ਗਿਣਦੇ ਹੋ, ਅਤੇ ਫਿਰ ਵੀ ਸੋਚਦੇ ਹੋ ਕਿ ਕੀ ਸਹੀ ਗਿਣਿਆ। AI-ਸੰਚਾਲਿਤ ਵਸਤੂ ਗਿਣਤੀ ਵੱਖਰੇ ਤਰੀਕੇ ਨਾਲ ਕੰਮ ਕਰਦੀ ਹੈ: ਇਹ ਪੂਰੀ ਤਸਵੀਰ ਨੂੰ ਇੱਕੋ ਵਾਰ ਪ੍ਰੋਸੈਸ ਕਰਦਾ ਹੈ, ਹਰ ਲੱਭੀ ਚੀਜ਼ ਨੂੰ ਨਿਸ਼ਾਨ ਲਗਾਉਂਦਾ ਹੈ, ਅਤੇ ਸਕਿੰਟਾਂ ਵਿੱਚ ਕੁੱਲ ਗਿਣਤੀ ਦਿੰਦਾ ਹੈ। ਇੱਥੇ ਦੱਸਿਆ ਗਿਆ ਹੈ ਕਿ ਇਹ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ।
ਜਦੋਂ ਤੁਸੀਂ ਫੋਟੋ ਅੱਪਲੋਡ ਕਰਦੇ ਹੋ ਤਾਂ ਕੀ ਹੁੰਦਾ ਹੈ
ਜਦੋਂ ਤੁਸੀਂ AI ਗਿਣਤੀ ਟੂਲ ਨੂੰ ਫੋਟੋ ਭੇਜਦੇ ਹੋ, ਤਾਂ ਤਿੰਨ ਚੀਜ਼ਾਂ ਤੇਜ਼ ਕ੍ਰਮ ਵਿੱਚ ਹੁੰਦੀਆਂ ਹਨ।
ਪਹਿਲਾਂ, ਸਿਸਟਮ ਤੁਹਾਡੀ ਤਸਵੀਰ ਨੂੰ ਪ੍ਰੀਪ੍ਰੋਸੈਸ ਕਰਦਾ ਹੈ: ਮਿਆਰੀ ਅਕਾਰ ਵਿੱਚ ਬਦਲਣਾ, ਰੰਗਾਂ ਨੂੰ ਆਮ ਕਰਨਾ, ਅਤੇ ਪੱਖ ਅਨੁਪਾਤ ਨੂੰ ਠੀਕ ਕਰਨਾ। ਇਸ ਵਿੱਚ ਮਿਲੀਸਕਿੰਟ ਲੱਗਦੇ ਹਨ।
ਅੱਗੇ ਪਛਾਣ ਆਉਂਦੀ ਹੈ। ਇੱਕ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਮਾਡਲ ਇੱਕ ਹੀ ਫਾਰਵਰਡ ਪਾਸ ਵਿੱਚ ਪੂਰੀ ਤਸਵੀਰ ਨੂੰ ਸਕੈਨ ਕਰਦਾ ਹੈ। YOLO (You Only Look Once) ਵਰਗੀਆਂ ਆਧੁਨਿਕ ਆਰਕੀਟੈਕਚਰ ਤਸਵੀਰ ਨੂੰ ਇੱਕ ਗ੍ਰਿੱਡ ਵਿੱਚ ਵੰਡਦੀਆਂ ਹਨ ਅਤੇ ਹਰ ਸੈੱਲ ਲਈ ਇੱਕੋ ਸਮੇਂ ਵਸਤੂਆਂ ਦੀਆਂ ਥਾਵਾਂ, ਵਰਗੀਕਰਨ ਅਤੇ ਭਰੋਸੇ ਦੇ ਅੰਕ ਦੱਸਦੀਆਂ ਹਨ। ਇਸ ਨੂੰ ਇੰਝ ਸਮਝੋ ਜਿਵੇਂ ਇੱਕ ਪੰਨਾ ਸ਼ਬਦ-ਸ਼ਬਦ ਪੜ੍ਹਨ ਅਤੇ ਪੂਰਾ ਪੰਨਾ ਇੱਕ ਨਜ਼ਰ ਵਿੱਚ ਦੇਖਣ ਵਿਚਕਾਰ ਫਰਕ ਹੈ।
ਮਾਡਲ ਜੋ ਹਰ ਵਸਤੂ ਲੱਭਦਾ ਹੈ, ਉਸ ਲਈ ਇੱਕ ਵਰਗੀਕਰਨ (ਇਹ ਕੀ ਸੋਚਦਾ ਹੈ ਕਿ ਵਸਤੂ ਕੀ ਹੈ), ਇੱਕ ਥਾਂ (ਤਸਵੀਰ ਵਿੱਚ ਕੋਆਰਡੀਨੇਟ), ਅਤੇ 0 ਅਤੇ 1 ਵਿਚਕਾਰ ਇੱਕ ਭਰੋਸੇ ਦਾ ਅੰਕ ਦਿੰਦਾ ਹੈ ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਇਹ ਕਿੰਨਾ ਯਕੀਨੀ ਹੈ। 0.85 ਦਾ ਅੰਕ ਮਤਲਬ ਮਾਡਲ 85% ਯਕੀਨੀ ਹੈ ਕਿ ਉਸਨੇ ਉਸ ਥਾਂ ਤੇ ਇੱਕ ਅਸਲ ਵਸਤੂ ਲੱਭੀ।
ਅੰਤ ਵਿੱਚ, ਇੱਕ ਭਰੋਸੇ ਦੀ ਸੀਮਾ ਕਮਜ਼ੋਰ ਪਛਾਣਾਂ ਨੂੰ ਛਾਣ ਦਿੰਦੀ ਹੈ। ਸੀਮਾ ਤੋਂ ਹੇਠਾਂ ਦੀ ਹਰ ਚੀਜ਼ ਹਟਾ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਗਲਤ ਗਿਣਤੀ ਘਟਦੀ ਹੈ। ਬਾਕੀ ਪਛਾਣਾਂ ਜੋੜੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਅਤੇ ਤੁਹਾਡੀ ਅਸਲ ਫੋਟੋ ਉੱਤੇ ਰੰਗੀਨ ਬਿੰਦੂਆਂ ਜਾਂ ਬਾਊਂਡਿੰਗ ਬਾਕਸਾਂ ਵਜੋਂ ਦਿਖਾਈਆਂ ਜਾਂਦੀਆਂ ਹਨ: ਇੱਕ ਕੁੱਲ ਗਿਣਤੀ ਅਤੇ ਇੱਕ ਵਿਜ਼ੂਅਲ ਨਕਸ਼ਾ ਕਿ ਕੀ ਗਿਣਿਆ ਗਿਆ ਅਤੇ ਕਿੱਥੇ।
ਸ਼ੁੱਧਤਾ ਦਾ ਫਰਕ: AI ਤੁਹਾਡੀਆਂ ਅੱਖਾਂ ਨਾਲੋਂ ਬਿਹਤਰ ਕਿਉਂ ਹੈ
ਮਨੁੱਖੀ ਨਜ਼ਰ ਦੀ ਇੱਕ ਸਖ਼ਤ ਸੀਮਾ ਹੈ ਜਿਸ ਬਾਰੇ ਜ਼ਿਆਦਾਤਰ ਲੋਕ ਕਦੇ ਨਹੀਂ ਸੋਚਦੇ। ਬੋਧਾਤਮਕ ਵਿਗਿਆਨੀ ਇਸਨੂੰ subitizing ਕਹਿੰਦੇ ਹਨ: ਦਿਮਾਗ 1 ਤੋਂ 4 ਚੀਜ਼ਾਂ ਦੀ ਮਾਤਰਾ ਨੂੰ ਲਗਭਗ ਸੰਪੂਰਨ ਸ਼ੁੱਧਤਾ ਨਾਲ ਤੁਰੰਤ ਪਛਾਣ ਸਕਦਾ ਹੈ। ਉਸ ਸੀਮਾ ਤੋਂ ਅੱਗੇ, ਤੁਹਾਨੂੰ ਇੱਕ-ਇੱਕ ਕਰਕੇ ਗਿਣਨਾ ਪੈਂਦਾ ਹੈ, ਅਤੇ ਗਲਤੀਆਂ ਸ਼ੁਰੂ ਹੋ ਜਾਂਦੀਆਂ ਹਨ।
Nventory ਦੀ ਖੋਜ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਕਿ ਆਮ ਕੰਮ ਦੀ ਗਤੀ ਨਾਲ ਇਨਵੈਂਟਰੀ ਗਿਣਨ ਵਾਲੇ ਮਨੁੱਖਾਂ ਦੀ ਔਸਤ ਸ਼ੁੱਧਤਾ ਲਗਭਗ 91% ਹੈ, ਮੋਟੇ ਤੌਰ ਤੇ ਹਰ 10 ਚੀਜ਼ਾਂ ਵਿੱਚ ਇੱਕ ਗਲਤ ਗਿਣਤੀ। ਇਹ ਗਲਤੀ ਦਰ ਥਕਾਵਟ, ਧਿਆਨ ਭਟਕਣ ਅਤੇ ਮਾਤਰਾ ਨਾਲ ਵਧਦੀ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਸ਼ੈਲਫ ਉੱਤੇ 200 ਫਾਸਟਨਰ ਦੇਖ ਰਹੇ ਹੁੰਦੇ ਹੋ, ਤੁਹਾਡਾ ਦਿਮਾਗ ਅੰਦਾਜ਼ਾ ਲਗਾ ਰਿਹਾ ਹੁੰਦਾ ਹੈ, ਗਿਣ ਨਹੀਂ ਰਿਹਾ।
AI ਥੱਕਦਾ ਨਹੀਂ, ਆਪਣੀ ਥਾਂ ਨਹੀਂ ਗੁਆਉਂਦਾ, ਜਾਂ ਅੰਦਾਜ਼ਾ ਨਹੀਂ ਲਗਾਉਂਦਾ। ਅਸਲ ਗੋਦਾਮ ਹਾਲਤਾਂ ਵਿੱਚ ਟੈਸਟ ਕੀਤੇ ਗਏ ਇੱਕ ਫਾਈਨ-ਟਿਊਨਡ YOLOv11 ਮਾਡਲ ਨੇ ਕਈ ਦੌਰ ਦੇ ਟੈਸਟਿੰਗ ਵਿੱਚ 97% ਗਿਣਤੀ ਸ਼ੁੱਧਤਾ ਹਾਸਲ ਕੀਤੀ (Springer, 2026)। ਨਿਯੰਤਰਿਤ ਹਾਲਤਾਂ ਵਿੱਚ ਸਾਫ਼, ਚੰਗੀ ਰੌਸ਼ਨੀ ਵਾਲੀਆਂ ਤਸਵੀਰਾਂ ਨਾਲ, ਸ਼ੁੱਧਤਾ 99% ਤੱਕ ਪਹੁੰਚਦੀ ਹੈ। ਮਾਤਰਾ ਵਧਣ ਨਾਲ ਇਹ ਫਰਕ ਹੋਰ ਵੀ ਵਧਦਾ ਹੈ।
50 ਚੀਜ਼ਾਂ ਤੇ, ਮਨੁੱਖੀ ਅਤੇ AI ਗਿਣਤੀ ਸ਼ੁੱਧਤਾ ਤੁਲਨਾਯੋਗ ਹੈ। 500 ਤੇ, AI ਮੁਸ਼ਕਿਲ ਨਾਲ ਹੌਲਾ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਕਿ ਤੁਹਾਡੀ ਗਲਤੀ ਦਰ ਹਰ ਬੀਤਦੇ ਮਿੰਟ ਨਾਲ ਵਧਦੀ ਹੈ। ਜਿੰਨੀ ਵੱਡੀ ਗਿਣਤੀ, ਓਨਾ ਵੱਡਾ ਫਾਇਦਾ।
ਗਤੀ: ਮਿੰਟ ਬਨਾਮ ਸਕਿੰਟ
ਇੱਕ ਗੋਦਾਮ ਕਰਮਚਾਰੀ ਜੋ ਹੱਥੀਂ ਇਨਵੈਂਟਰੀ ਗਿਣਦਾ ਹੈ, ਪ੍ਰਤੀ ਘੰਟਾ ਲਗਭਗ 250 ਤੋਂ 750 ਚੀਜ਼ਾਂ ਪ੍ਰੋਸੈਸ ਕਰਦਾ ਹੈ। ਇੱਕ ਮੱਧਮ ਗੋਦਾਮ ਦੀ ਪੂਰੀ ਭੌਤਿਕ ਗਿਣਤੀ ਇੱਕ ਟੀਮ ਨਾਲ 1 ਤੋਂ 3 ਦਿਨ ਲੈਂਦੀ ਹੈ।
ਇੱਕ AI ਗਿਣਤੀ ਸਿਸਟਮ ਆਧੁਨਿਕ ਹਾਰਡਵੇਅਰ ਤੇ ਇੱਕ ਤਸਵੀਰ ਨੂੰ 250 ਮਿਲੀਸਕਿੰਟ ਤੋਂ ਘੱਟ ਵਿੱਚ ਪ੍ਰੋਸੈਸ ਕਰਦਾ ਹੈ। ਸਮਾਰਟਫੋਨ ਤੇ ਵੀ, ਇਸ ਵਿੱਚ ਆਮ ਤੌਰ ਤੇ 1 ਤੋਂ 3 ਸਕਿੰਟ ਲੱਗਦੇ ਹਨ। ਇੱਕ ਫੋਟੋ ਵਿੱਚ ਸੈਂਕੜੇ ਚੀਜ਼ਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ, ਸਭ ਇੱਕ ਹੀ ਪਾਸ ਵਿੱਚ ਗਿਣੀਆਂ ਜਾਂਦੀਆਂ ਹਨ।
ਗਣਿਤ ਇੱਕਪਾਸੜ ਹੈ। ਇੱਕ ਕੰਮ ਜੋ ਚਾਰ ਲੋਕਾਂ ਦੀ ਟੀਮ ਨੂੰ 8 ਘੰਟੇ ਦਾ ਦਿਨ ਲੈਂਦਾ ਹੈ, ਲਗਭਗ 2,500 SKU, ਮਿੰਟਾਂ ਵਿੱਚ ਪੂਰਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਦੋਂ ਹਰ ਸ਼ੈਲਫ ਨੂੰ ਫੋਟੋ ਖਿੱਚ ਕੇ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਜਾਵੇ। ਰੁਕਾਵਟ ਗਿਣਨ ਤੋਂ ਫੋਟੋ ਖਿੱਚਣ ਵੱਲ ਬਦਲ ਜਾਂਦੀ ਹੈ।
ਜਿੱਥੇ AI ਗਿਣਤੀ ਵਿੱਚ ਮੁਸ਼ਕਲ ਆਉਂਦੀ ਹੈ
AI ਗਿਣਤੀ ਅਚੂਕ ਨਹੀਂ ਹੈ। ਇਸ ਦੀਆਂ ਕਮਜ਼ੋਰੀਆਂ ਜਾਣਨ ਨਾਲ ਤੁਹਾਨੂੰ ਇਹ ਫੈਸਲਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਮਿਲਦੀ ਹੈ ਕਿ ਕਦੋਂ ਇਸ ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਹੈ ਅਤੇ ਕਦੋਂ ਨਤੀਜੇ ਦੀ ਜਾਂਚ ਕਰਨੀ ਹੈ।
ਮਾਡਲ ਸਿਰਫ਼ ਉਹੀ ਦੇਖਦਾ ਹੈ ਜੋ ਸਤ੍ਹਾ ਤੇ ਹੈ। ਹੇਠਾਂ ਦੱਬੀਆਂ ਵਸਤੂਆਂ ਕੈਮਰੇ ਲਈ ਅਦਿੱਖ ਹਨ। ICCV 2025 ਦੀ ਖੋਜ ਨੇ ਪੁਸ਼ਟੀ ਕੀਤੀ ਕਿ ਢੇਰ ਲੱਗੀਆਂ ਵਸਤੂਆਂ ਗਿਣਤੀ ਦੀਆਂ ਸਭ ਤੋਂ ਔਖੀਆਂ ਸਮੱਸਿਆਵਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹਨ।
ਤਸਵੀਰ ਵਿੱਚ ਲਗਭਗ 20 ਪਿਕਸਲ ਤੋਂ ਘੱਟ ਦੀਆਂ ਚੀਜ਼ਾਂ ਨੂੰ ਸ਼ੋਰ ਤੋਂ ਵੱਖ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ। ਉੱਚ-ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਫੋਟੋ ਮਦਦ ਕਰਦੀਆਂ ਹਨ, ਪਰ ਇੱਕ ਵਿਹਾਰਕ ਸੀਮਾ ਹੈ।
ਜਦੋਂ ਵਸਤੂਆਂ ਇਕੱਠੀਆਂ ਭੀੜ ਕਰਦੀਆਂ ਹਨ, ਤਾਂ ਮਾਡਲ ਨੇੜਲੀਆਂ ਵਸਤੂਆਂ ਨੂੰ ਇੱਕ ਪਛਾਣ ਵਿੱਚ ਮਿਲਾ ਸਕਦਾ ਹੈ ਜਾਂ ਦੂਜਿਆਂ ਵਿਚਕਾਰ ਦੱਬੀਆਂ ਵਸਤੂਆਂ ਨੂੰ ਛੱਡ ਸਕਦਾ ਹੈ।
ਸ਼ੀਸ਼ਾ, ਪਾਰਦਰਸ਼ੀ ਪਲਾਸਟਿਕ ਅਤੇ ਚਮਕਦਾਰ ਸਤ੍ਹਾਂ ਵਿੱਚ ਸਪਸ਼ਟ ਕਿਨਾਰਿਆਂ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਖੁੰਝੀਆਂ ਜਾਂ ਭਰਮ ਵਾਲੀਆਂ ਗਿਣਤੀਆਂ ਹੁੰਦੀਆਂ ਹਨ।
ਇੱਕ ਤਸਵੀਰ ਵਿੱਚ 1,000 ਤੋਂ ਵੱਧ ਦੀ ਗਿਣਤੀ ਪ੍ਰਤੀ-ਵਸਤੂ ਛੋਟੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਧਿਆਨ ਦੇਣ ਯੋਗ ਕੁੱਲ ਵਿੱਚ ਬਦਲ ਦਿੰਦੀ ਹੈ। ਕਈ ਫੋਟੋਆਂ ਵਿੱਚ ਵੰਡਣਾ ਇਸ ਨੂੰ ਹੱਲ ਕਰਦਾ ਹੈ।
ਜਦੋਂ ਹੱਥ ਨਾਲ ਗਿਣਨਾ ਅਜੇ ਵੀ ਜਿੱਤਦਾ ਹੈ
AI ਨੂੰ ਫੋਟੋ ਵਿੱਚ ਦਿਖਾਈ ਦੇਣ ਵਾਲੀਆਂ ਵਸਤੂਆਂ ਦੀ ਲੋੜ ਹੈ। ਅਜਿਹੀਆਂ ਸਥਿਤੀਆਂ ਹਨ ਜਿੱਥੇ ਮਨੁੱਖੀ ਫੈਸਲਾ ਅਜੇ ਵੀ ਬਿਹਤਰ ਸੰਦ ਹੈ:
- 10 ਤੋਂ ਘੱਟ ਚੀਜ਼ਾਂ - ਤੁਹਾਡੇ ਦਿਮਾਗ ਦੀ subitizing ਸਮਰੱਥਾ ਇੱਕ ਝਟਪਟ ਨਜ਼ਰ ਨੂੰ ਕਿਸੇ ਵੀ ਐਪ ਨਾਲੋਂ ਤੇਜ਼ ਬਣਾਉਂਦੀ ਹੈ।
- ਪੂਰੀ ਤਰ੍ਹਾਂ ਲੁਕੀਆਂ ਵਸਤੂਆਂ - ਬੰਦ ਡੱਬਿਆਂ ਅੰਦਰ, ਕੰਧਾਂ ਪਿੱਛੇ, ਜਾਂ ਹੋਰ ਚੀਜ਼ਾਂ ਹੇਠਾਂ ਦੀਆਂ ਚੀਜ਼ਾਂ ਕੈਮਰੇ ਲਈ ਅਦਿੱਖ ਹਨ।
- ਮਿਲੀਆਂ-ਜੁਲੀਆਂ ਅਨਿਯਮਿਤ ਢੇਰੀਆਂ - ਬੇਤਰਤੀਬ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚ ਬਹੁਤ ਵੱਖ-ਵੱਖ ਵਸਤੂਆਂ ਦਾ ਢੇਰ ਉਨ੍ਹਾਂ ਮਾਡਲਾਂ ਨੂੰ ਉਲਝਾ ਸਕਦਾ ਹੈ ਜੋ ਦਿੱਖ ਇਕਸਾਰਤਾ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹਨ।
- ਕੋਈ ਕੈਮਰਾ ਉਪਲਬਧ ਨਹੀਂ - ਕਈ ਵਾਰ ਸਭ ਤੋਂ ਤੇਜ਼ ਰਸਤਾ ਬਸ ਹੱਥ ਨਾਲ ਗਿਣਨਾ ਹੈ।
ਵਿਹਾਰਕ ਵੰਡ ਰੇਖਾ: ਜੇ ਸਾਰੀਆਂ ਵਸਤੂਆਂ ਸਪਸ਼ਟ ਤੌਰ ਤੇ ਦਿਖਾਈ ਦੇ ਰਹੀਆਂ ਹਨ ਅਤੇ ਲਗਭਗ 20 ਤੋਂ ਵੱਧ ਹਨ, ਤਾਂ AI ਲਗਭਗ ਹਮੇਸ਼ਾ ਤੇਜ਼ ਅਤੇ ਵਧੇਰੇ ਸਹੀ ਨਤੀਜਾ ਦਿੰਦਾ ਹੈ।
ਸਿੱਟਾ
AI-ਸੰਚਾਲਿਤ ਗਿਣਤੀ ਹੁਣ ਜ਼ਿਆਦਾਤਰ ਵਿਹਾਰਕ ਸਥਿਤੀਆਂ ਲਈ ਹੱਥੀਂ ਗਿਣਤੀ ਨਾਲੋਂ ਤੇਜ਼, ਵਧੇਰੇ ਸਹੀ ਅਤੇ ਵਧੇਰੇ ਇਕਸਾਰ ਹੈ। ਬਾਕੀ ਸੀਮਾਵਾਂ ਅਸਲੀ ਹਨ ਪਰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਮਝੀਆਂ ਗਈਆਂ ਹਨ, ਅਤੇ ਹਰ ਨਵੀਂ ਮਾਡਲ ਪੀੜ੍ਹੀ ਨਾਲ ਘਟ ਰਹੀਆਂ ਹਨ।
ਅਗਲੀ ਵਾਰ ਜਦੋਂ ਤੁਸੀਂ ਪੁਰਜ਼ਿਆਂ ਦੀ ਸ਼ੈਲਫ, ਕੰਪੋਨੈਂਟਾਂ ਦੀ ਟਰੇ, ਜਾਂ ਡੱਬਿਆਂ ਦੀ ਪੈਲੇਟ ਦਾ ਸਾਹਮਣਾ ਕਰੋ, ਤਾਂ ਹੱਥ ਨਾਲ ਗਿਣਨ ਦੀ ਬਜਾਏ ਫੋਟੋ ਖਿੱਚ ਕੇ ਦੇਖੋ। ਤੁਹਾਨੂੰ ਸਕਿੰਟਾਂ ਵਿੱਚ ਜਵਾਬ ਮਿਲੇਗਾ, ਅਤੇ ਇਹ ਸ਼ਾਇਦ ਤੁਹਾਡੀ ਗਿਣਤੀ ਨਾਲੋਂ ਵਧੇਰੇ ਸਹੀ ਹੋਵੇਗਾ।