मुझे biology से प्यार होना चाहिए था (2020)
(jsomers.net)- हाई स्कूल biology को जीवन के रहस्यों की खोज के रूप में नहीं, बल्कि नामों और निष्कर्षों को रटने के रूप में पढ़ाया गया, जिससे embryo differentiation, heredity और immunity जैसे विषयों का आश्चर्य दब गया
- समान DNA वाली कोशिकाओं के अलग-अलग भाग्य बनने की प्रक्रिया को chemical gradients, gene expression में बदलाव और protein signals की श्रृंखला के रूप में देखें, तो यह पूरी biology खोल देने वाला सवाल बन जाती है
- Oswald Avery के bacteria experiments की तरह असली biology सवालों और experiments से शुरू होती है, लेकिन textbooks discovery process हटाकर सिर्फ results छोड़ देती हैं, जो maths education में formulas रटाने जैसा है
- Modern biology और immunology में terms और exceptions बहुत हैं, लेकिन DNA·RNA·protein·cell signaling को physical structures और movements के रूप में देखें तो abstract flowcharts से ज्यादा आसानी से समझ आता है
- Biology education में pictures, animations, zoomable maps, simulations, physical models जैसे visual thinking tools और scientists की trial-and-error दिखाने वाली narratives की जरूरत है
रटकर पढ़ाई गई biology की समस्या
- Biology class Golgi apparatus, Krebs cycle, mitosis, meiosis, DNA, RNA, mRNA, tRNA जैसे नामों की सूची बनाने वाली बेजान रटाई जैसी लगी
- यह तथ्य अपने आप में अद्भुत है कि सभी cells में समान DNA होता है, लेकिन textbook उस विस्मय को पर्याप्त रूप से व्यक्त नहीं करती
- Lewis Thomas की The Medusa and the Snail इस बात को पृथ्वी के बड़े आश्चर्यों में रखती है कि sperm और egg से बनी एक cell से उन cells की lineage शुरू होती है जो human brain पैदा करेगी
- Embryo differentiation पूरी biology को खोलने वाला सवाल है
- Embryonic fluid का chemical gradient कुछ cells के gene expression programs को थोड़ा बदल देता है
- Embryo “ऊपर” और “नीचे” में फर्क करना सीखता है
- एक छोर की cells अलग proteins बनाती हैं, और वे proteins और ज्यादा refined chemical signals release करते हैं
- इसी chain से brain cells और foot cells जैसे फर्क पैदा होते हैं
- Douglas Hofstadter की Gödel, Escher, Bach पढ़ने के बाद cells को recursively self-modifying program की तरह समझा जा सकता है
- DNA RNA बनाता है, RNA protein बनाता है, और proteins DNA से RNA में transcription को regulate करते हैं
- इस structure की तुलना छोटे Lisp program में macros से macros पैदा होने जैसी चीज़ से की गई है
सवालों और experiments से खाली textbook
- Biology class जीवन के रहस्य खोजने वाली inquiry नहीं, बल्कि असली biologists के सवालों और experiments को छोड़कर बनाई गई conclusions की collection जैसी थी
- Oswald Avery के 1940s के experiments genetic material से जुड़े एक अहम mystery को दिखाते हैं
- Streptococcus bacteria में ऐसे strains थे जो dish में rough तरीके से बढ़ते थे, और ऐसे strains भी थे जो smooth और shiny थे
- जब smooth strain को rough strain के साथ मिलाया गया, तो देखा गया कि बाद की generations सभी smooth हो गईं
- उस समय कई experts मानते थे कि traits के लिए proteins जिम्मेदार हैं, लेकिन Avery को nucleic acids की भूमिका पर शक था
- centrifuge, water, detergent और acid से smooth strain से nucleic acids purify किए गए और alcohol से precipitate कर fibrous material मिला
- उस material की थोड़ी मात्रा rough strain में डालने पर अगली generation smooth हो गई, और यह material transforming principle निकला
- इस experiment ने करीब 10 साल बाद double helix की discovery तक जाने वाली research fever को trigger किया
- Paul Lockhart का “Mathematician’s Lament” criticise करता है कि school maths सवाल छीनकर maths को cheap बना देती है
- जैसे triangle का area खुद discover करने वाली puzzle देने की बजाय, area निकालने की procedure ही दे दी जाती है
- Biology maths से भी ज्यादा messy subject है, इसलिए बिना सवालों के “lipid bilayers” और “endoplasmic reticula” में फर्क करने को कहा जाए तो facts और भी arbitrary लगते हैं
- बड़े topics को पतले और गहरे slices से approach करने पर सीखना आसान हो जाता है
- Programming सीखते समय छोटे projects motivation और organising principle बनते हैं
- “memoization” जैसा abstract concept भी real problem solving में जरूरत पड़ने पर अपनी abstraction खो देता है
- Biology में भी learning “embryo कैसे differentiate करता है”, “मेरी आंखें नीली क्यों हैं”, “hamster cheese को muscle में कैसे बदलता है”, “coronavirus कुछ लोगों को बहुत ज्यादा बीमार क्यों करता है” जैसे सवालों से शुरू होती है
Immunology की complexity और physical understanding
- SARS-CoV-2 और immune system पर article तैयार करते हुए पढ़े गए Cell paper के sentences MOI, ACE2, RNA-seq, TBK1, IFN-I, IFN-III, STAT1, MX1 जैसे terms से भरे थे, इतना कि हर sentence पर Wikipedia देखना पड़ता था
- Immunology की naming system बहुत विस्तृत है, और leukocytes, monocytes, lymphocytes जैसे inclusion relationships भी complex हैं
- जैसे सभी interleukin cytokine होते हैं, लेकिन सभी cytokine interleukin नहीं होते—ऐसे relationships बहुत हैं
- Biology में computing की तरह जगह-जगह lifelong work छुपाने वाली abstractions हैं, लेकिन यह intentionally designed system नहीं है, इसलिए और मुश्किल लगती है
- Living systems global mutable state के बड़े ढेर जैसे दिखते हैं
- Control इस तरह होता है कि किसी चीज़ को बढ़ाया जाए और उसके inhibitor के promoter को घटाया जाए
- Neutrophil जैसे innate immunity के front-line players के भी कई types होते हैं, और कुछ अपनी known role के उलट लगते हैं
- Biology की नींव में abstraction नहीं, physical world है
- 20th-century molecular biology का बड़ा revelation structure और function का जुड़ाव था
- DNA heredity का storehouse इसलिए बनता है क्योंकि वह coil और uncoil हो सकता है और complementary तरीके से खुद को copy कर सकता है
- Hemoglobin को oxygen atoms के Lego की तरह fit होने और बची जगह को बड़ा करने वाली structure की वजह से efficient energy store के रूप में समझा जाता है
- Cell signaling भी proteins और receptors की shapes के fit होने और बदलने की process से काम करती है
- High-school style DNA → RNA → protein flowchart भर से यह समझना मुश्किल है कि gene expression असल में कैसे “on” होता है
- Mammalian DNA एक लंबी double helix के रूप में फैला हुआ नहीं होता, बल्कि histone नाम के छोटे round proteins के चारों ओर कई बार लिपटा होता है
- Transcription machinery को सच में DNA helix के साथ चलना पड़ता है, और जो हिस्से लिपटे होने से दिखाई नहीं देते, उन तक पहुंचना मुश्किल होता है
- Gene expression वह state है जिसमें किसी खास moment पर transcription machinery DNA के specific हिस्से तक पहुंचकर बहुत सारे RNA transcripts और proteins बनाती है
- Fiber structure थोड़ा मुड़ जाए तो transcription machinery को दिखने वाला हिस्सा बदल जाता है, और बनने वाले proteins का distribution भी बदल जाता है
- Repressor का DNA पर बैठकर transcription machinery को physically block करना भी gene expression regulation का एक example है
- RNA sequencing, यानी RNA-seq, frozen cells के अंदर RNA transcripts को count करके उस moment पर express हो रहे proteins के snapshot के करीब result बनाता है
- Result genes और transcript counts को match करने वाली बड़ी table होता है
- एक cell type और दूसरे cell type, healthy state और disease state का फर्क इस table के distribution differences के रूप में देखा जा सकता है
- RNA-seq results high-dimensional space के vectors के रूप में express किए जाते हैं, और cell self-regulation और environmental adaptation के अनुसार इस expression space में move करता है
Pictures, methods और history से biology सीखना
- David Goodsell की The Machinery of Life हाथ से बनाई गई illustrations के जरिए cell को एक तेज, भीड़भाड़ वाली जगह और protein machines से भरी दुनिया के रूप में फिर से दिखाने वाली किताब है
- यह bacteria के flagellar motor को context में दिखाती है, और zoomed pictures व functional-elements pictures से अलग-अलग scales को जोड़ती है
- “अगर आप rice grains से भरे कमरे की कल्पना करें, तो fingertip बनाने वाली करीब 1 billion cells की कल्पना कर सकते हैं” जैसे examples से scale का एहसास कराती है
- Cell world में movement मुख्य रूप से random diffusion से होता है
- Cell के अंदर proteins आसपास के water molecules से हर दिशा से टकराकर तेजी से उछलते हैं, लेकिन दूर जाने में लंबा समय लगता है
- लंबी दूरी तय करने के लिए यह बहुत धीमा है, लेकिन छोटी दूरी पर search करने के लिए बहुत तेज है
- Cell के अंदर protein की तुलना भीड़भाड़ वाली party में कमरे के आर-पार जाने में एक घंटा लगने, लेकिन उस दौरान सब लोगों से 600,000 बार टकराने से की गई है
- William W. Cohen की A Computer Scientist’s Guide to Cell Biology का लक्ष्य biology papers पढ़ सकने लायक “reading knowledge” देना है
- Cell-size की object आसपास के molecules से कई बार छूती है, इसलिए membrane surface का सिर्फ 0.02% भी specific protein p के receptor हो तो भी पूरी surface receptors से ढकी होने की तुलना में लगभग आधी efficiency मिल सकती है
- Cohen मानते हैं कि cell-size की objects के पास high bandwidth होता है, जिससे वे सैकड़ों chemical signals पहचान या absorb कर सकती हैं
- Biology methods सीखना individual facts सीखने जितना, कभी-कभी उससे भी ज्यादा useful है
- Centrifuge से अलग density वाले pieces अलग किए जाते हैं
- Gel electrophoresis से अलग sizes की substances अलग की जाती हैं
- Western blot gel को special paper पर transfer करता है, फिर specific protein से bind होने वाली antibody और उस antibody से bind होकर fluorescence देने वाली दूसरी antibody का use करता है
- Flow cytometry fluorescent antibodies से cells को tag करता है, फिर उन्हें एक-एक करके tube से गुजारते हुए laser और charge से sort और count करता है
- Genetic engineering से desired molecular machines बनाई जाती हैं, genes को एक-एक कर बंद किया जाता है, या पूरे animal genome को edit करके observe किया जाता है
- Western blot, flow cytometry, RNA-seq जैसे methods कई papers में बार-बार आते हैं
- Horace Freeland Judson की The Eighth Day of Creation: Makers of the Revolution in Biology discovery से पहले की science दिखाने वाली किताब है
- Francis Crick, Jacques Monod, François Jacob और उनके आसपास के लोगों के साथ conversations, papers और letters के आधार पर molecular biology revolution को cover करती है
- tRNA discovery से पहले ऐसे models पर भी गंभीरता से विचार हुआ कि RNA हर amino acid के लिए pockets बनाकर protein synthesis करता है
- Protein synthesis adapters के जरिए होती है और nucleic acid template से ज्यादा digital code जैसा है—यह idea बड़ा surprise था
- Textbook के उलट, यह discovery से पहले की गलतफहमियों और detours सहित practitioners का viewpoint देती है
Biology समझने के tools और narrative
- Immune system पढ़ते हुए बार-बार लगा कि Bret Victor style के ऐसे tools चाहिए जो biology को समझना आसान बनाएं
- YouTube पर ऐसी powerful explainers हैं जो invisible चीज़ों को visible बना देती हैं
- Ninja Nerd Science के immune system videos की ताकत यही है कि वे invisible को visible बनाते हैं
- Goodsell की किताब और “Inner Life of a Cell” 3D animation में भी यही power है
- Web पर सिर्फ Markdown input box हो तो भी documents बनाना और share करना अपेक्षाकृत आसान है, लेकिन pictures और animations बनाना कहीं ज्यादा मुश्किल है
- Biological processes समझने के लिए pictures और animations essential हैं
- iPad Pro पर RNA-seq समझाते हुए real-time drawing करना Khan Academy-style lecture जैसा experience बनाता है
- ज्यादा आसान biology visualization tools की जरूरत है
- pattern brushes in Adobe Illustrator, BioRender, CellPAINT जैसे software चाहिए जो complex objects को कम tedious तरीके से draw कर सकें
- Molecular Maya जैसे tools और सरल होने चाहिए, ताकि Bret Victor के Stop Drawing Dead Fish की तरह gestures से animations बनाए जा सकें
- Vector graphics और Undo history का use करके Wikipedia या Stack Exchange जैसे knowledge projects में धीरे-धीरे सुधरने वाली collaboratively edited images संभव होनी चाहिए
- Ninja Nerd lectures के whiteboard drawings में से कुछ हिस्से select कर sub-diagrams से जोड़ने और कई लोगों द्वारा भरते जाने वाले zoomable hierarchical maps भी संभव होने चाहिए
- Biology invisible छोटी machines की दुनिया है, इसलिए simulations के लिए अच्छी तरह suited है
- 3D interactive simulations बनाने के लिए बहुत सारी specialised skills चाहिए
- MockMechanics या Minecraft जैसा, या उनसे बेहतर biology-focused tool चाहिए
- Watson और Crick की discovery भी specially made physical models पर निर्भर थी
- Bret Victor का Dynamicland computers का use करके बातचीत की तरह जल्दी models बनाने वाली immersive collaborative space की कल्पना करता है
- Immune system article लिखते समय हाथ में पकड़कर manipulate किए जा सकने वाले models, immune response के दौरान epithelium के अंदर घूमने वाला museum, और text की तरह search·copy·share·combine किए जा सकने वाले physical spaces जैसे ideas की जरूरत महसूस हुई
- Biology में अन्य sciences की तरह romance है, और pandemic में powerful vaccine या सस्ता, तेज, भरोसेमंद test देने वाले लोग ऐसे नाम होने चाहिए जिनका सपना बच्चे देख सकें
पढ़ने के लिए
- The Machinery of Life, David Goodsell
- Bionanotechnology: Lessons from Nature, David Goodsell
- A Computer Scientist’s Guide to Cell Biology, William W. Cohen
- The Eighth Day of Creation: Makers of the Revolution in Biology, Horace Freeland Judson
- The Medusa and the Snail: More Notes of a Biology Watcher, Lewis Thomas
1 टिप्पणियां
Hacker News की रायें
Krebs cycle जैसी परीक्षा में पूछना आसान “जो हम जानते हैं” चीज़ों की तरफ़ बहुत ज़्यादा झुकाव है, जबकि असल में फ़ोकस “हमने इसे कैसे जाना” पर होना चाहिए
मसलन, A Brief History of Everything जिस तरह चीज़ों का पीछा करती है, उसी तरह “अलग-अलग द्रव्यमान वाले isotopes का इस्तेमाल करके DNA में phosphorus के बारे में पता लगाया गया” जैसी प्रक्रिया ज़्यादा अहम है
आम तौर पर “क्या” का इतिहास के बिना कोई मतलब नहीं होता। 20वीं सदी के मध्य में DNA की खोज क्यों हो रही थी, उससे पहले क्या पता था—विज्ञान को किसी जांच-पड़ताल की तरह पीछे जाकर समझना बच्चों के लिए कहीं ज़्यादा उपयोगी है। कुछ cell organelles के facts से ज़्यादा, खोज के रास्ते को समझने की क्षमता दूसरी जगहों पर भी लागू की जा सकती है
फिर भी मैंने biology को elective में छोड़ने की असली वजह यह थी कि physics और chemistry की तुलना में biology को होशियार छात्रों का विषय नहीं माना जाता था। biochemistry cycles को रटकर निकाल पाने वाली बात भी है, और यह ज़्यादातर physics में लगने वाले calculus से आसान हो सकता है, लेकिन सिर्फ़ reputation वाली समस्या भी बड़ी है और वह तर्कसंगत नहीं है
मेरा एक दोस्त biology क्षेत्र में statistics postdoc के तौर पर काम करता है, और असल में biology में mathematical skills की गहरी मांग है। बस स्कूल में रहते हुए यह बात ठीक से पता नहीं चलती
अगर साफ़-साफ़ नहीं समझाया जाए, तो लोग खुद वजहें बना लेते हैं, और वे कभी-कभी गलत होती हैं। उदाहरण के लिए वे सोचते हैं, “break time है, इसलिए ऊपर कोई काम नहीं कर रहा, तो danger zone में जाना ठीक है = गिरने का खतरा नहीं है,” लेकिन कोई ढंग से fix न की गई चीज़ गिर सकती है, radiography inspection scheduled हो सकता है, या फर्श में कोई छेद हो सकता है
नियम की वजह पता हो तो उस नियम को याद रखना भी आसान हो जाता है
लेकिन physics की कहानी बेहद आकर्षक है। हर experiment क्यों, किसने, और क्या साबित करने के लिए किया—यह जानने पर सारा विज्ञान लोगों और बहसों से जुड़ा एक serial drama जैसा कहीं ज़्यादा रोचक और यादगार हो जाता है
“पतला और गहरा टुकड़ा” वाला expression इसे सचमुच अच्छी तरह समेटता है। context के बिना बस रटने की चीज़ें दे दी जाती हैं
मेरा मानना है कि physics के छात्रों को serious पढ़ाई शुरू करने से पहले Brian Greene की The Fabric of the Cosmos पढ़वाई जानी चाहिए। biology में भी “अब तक क्या पता है और अभी क्या नहीं पता” दिखाने वाली कोई वैसी ही किताब होगी; अगर किसी को पता हो तो बताएं
तभी अचानक मुझे science समझ आई, और एहसास हुआ कि पिछले 20 सालों में मैंने “science” के नाम पर facts तो सीखे थे, लेकिन असल में science को समझा नहीं था
इसका अच्छा उदाहरण Hershey-Chase experiment है। science facts सीखने और रटने का नाम नहीं है, बल्कि universe को बिल्कुल सही तरीके से poke करके कुछ पता लगाने की creative process है। मुझे यह भी समझ आया कि scientist engineer की तुलना में artist के ज़्यादा करीब होता है, और मैं निश्चित रूप से engineer वाली तरफ़ हूं
आज भी नया concept सीखते समय मैं यही तरीका अपनाता हूं। पहले क्या था, और बदलाव क्यों logical था—यह सीखने की कोशिश करता हूं
क्योंकि इससे science दुनिया के बारे में facts की list नहीं, बल्कि एक process के रूप में दिखती है। यह किताब कई fields में उस समय की समझ को ऐसे developments की series के रूप में पेश करती है, जिनमें हर development नए questions और problems पैदा करता है और फिर उन पर research होती है
“कंप्यूटर वैज्ञानिक को जीवविज्ञानी का तरीका पागलपन जैसा लग सकता है। समस्या यह है कि कोशिकाएँ इतनी छोटी, इतनी ज़्यादा और इतनी जटिल होती हैं कि उन्हें वैसे analyze नहीं किया जा सकता जैसे कोई programmer step-by-step debugger से देखता है” — मुझे लगता है कि biology के बाहर के लोग इसी बात को सबसे ज़्यादा underestimate करते हैं
अब हम कोशिकाएँ और proteins कैसे काम करते हैं, इसके बारे में काफ़ी जानते हैं, लेकिन किसी खास कोशिका के अंदर उसकी वास्तविक जगह और अवस्था में ठीक-ठीक क्या हो रहा है, यह समझना अब भी बेहद कठिन है। कई measurement methods जिस चीज़ को मापना चाहते हैं, उसे नष्ट या बदल देने की संभावना रखते हैं। Heisenberg के uncertainty principle की तरह, मापने की क्रिया ही state बदल देती है
हर चीज़ temperature, shear force, ionic strength, pH आदि के प्रति sensitive होती है, और ज़्यादातर methods resolution और signal पाने के लिए ठीक उन्हीं knobs को छूते हैं। इसलिए measurement technique चुनने से पहले ही यह साफ़ होना चाहिए कि आपके हिसाब से क्या हो रहा है, ताकि आप उसे बिगाड़ न दें
इसी वजह से, basic principles बहुत जानने के बावजूद किसी खास environment में function को engineering के तौर पर design करना अब भी कठिन है। Engineering में बहुत सारी measurement और feedback की ज़रूरत होती है
यहीं से यह भी दिखता है कि software इतनी तेज़ी से engineered क्यों हो पाया। यह ऐसा field है जहाँ आप अपेक्षाकृत आसानी से probe को मनचाही जगह लगा सकते हैं, और कभी-कभी deterministically ठीक-ठीक समझ सकते हैं कि क्या हो रहा है। Software की तुलना में बाकी सभी fields धुंधले अँधेरे में निशाना लगाने जैसी हैं
कल्पना कीजिए कि program debug करते समय आपको repeated experiments की संख्या पर विचार करना पड़े। Software में code अभी fail हुआ हो और बिना किसी बदलाव के उसे फिर से चलाना बेतुका है, लेकिन दूसरे engineering fields में यह तय करने के लिए meeting तक हो सकती है कि जो अभी fail हुआ उसे कितनी बार retry किया जाए
Computer science शायद इसलिए अनोखी है कि उसने physical phenomena को ऐसी machine में ढालने में असाधारण सफलता पाई है जो मानो mathematical laws execute करती हो। बेशक rowhammer या single-event errors जैसे मौकों पर physics सिर उठा लेती है, लेकिन आज हम machine की physical nature पर कितना कम ध्यान देकर काम चला लेते हैं, यह सचमुच प्रभावशाली है
हालांकि दूसरे engineering fields भी सफलता की अलग-अलग डिग्री के साथ ऐसी ही abstractions बनाने की कोशिश करते हैं। दुनिया भर के electricians को electrons के अजीब quantum मन को समझे बिना power systems बनाने और उनके बारे में reason करने देने वाला सरल electrical standards का संग्रह हम पहले ही बना चुके हैं। Biology भी शायद एक दिन ऐसी हो जाएगी, लेकिन लगता है अभी करीब एक सदी जल्दी है
अब analytical chemistry के nightmares नहीं आते, लेकिन जब कोई experiment समझ न आने वाली वजहों से बार-बार fail होता है तो उससे पैदा होने वाली self-loathing का level झेलने के बाद code debugging की झुंझलाहट लगभग प्यारी लगने लगती है
हाँ, अब अगर local पर LLM calls चलाएँ तो deployed software version जैसा दिखते हुए, और बाकी conditions सब समान लगते हुए भी, पूरी तरह अलग response आने का दौर है; इसलिए शायद कहना पड़े कि “पहले ऐसा था”
Uncertainty principle का मतलब है कि position और momentum जैसी दो physical quantities, यानी conjugate variables, को एक साथ मनचाही precision से नहीं जाना जा सकता। दूसरे शब्दों में, दो wavefunctions को उनके-अपने spaces में एक साथ मनमाने छोटे regions में localize नहीं किया जा सकता
यह उन दो functions पर लागू होता है जो Fourier transform relationship में हों, और इसका संबंध इस बात से है कि position और momentum ऐसे ही हैं। शब्द थोड़े rough हैं, लेकिन उपयोगी हद तक सही हैं। इसका measurement के कारण wavefunction बदलने से कोई संबंध नहीं है
आप उसे grinder में डालकर टुकड़ों का analysis करके उल्टा gears का size estimate कर सकते हैं, लेकिन आप सिर्फ़ एक घड़ी नहीं पीस सकते। एक बार में एक लाख घड़ियाँ पीसनी पड़ेंगी, और उनमें minute length और hour length अलग-अलग रखने वाले कई watch models अनिवार्य रूप से जटिल तरीके से मिले-जुले होंगे
Introductory biology में जिन बातों को कम सिखाया जाता है, उनमें से एक मुझे यह लगती है कि human cells अब भी कितनी अज्ञात हैं। Textbook शायद हज़ार proteins की list बनाकर उनके बगल में “function unknown” नहीं लिखना चाहेगी। लेकिन हैरान कर देने वाली बड़ी सीमा तक यह अब भी unexplored territory है
पिछले कुछ वर्षों में भी हम RNA की बिल्कुल नई किस्में खोज रहे हैं: https://www.science.org/content/blog-post/enter-glycornas
quantum fields → atoms, atoms → chemistry, chemistry → biochemistry, biochemistry → cellular life, cellular life → multicellular life, multicellular life → consciousness, individual consciousness → social phenomena तक सिलसिला चलता है
https://podcasts.apple.com/en/podcast/ask-a-spaceman/id958825741?i=1000651175650
“बड़े विषयों तक पहुँचने का सबसे अच्छा तरीका पतले और गहरे slices से होता है” — यह बात बहुत गहराई से लगी
Programming पहली बार सीखते समय भी textbooks काम नहीं आए; छोटे personal projects शुरू करने पर ही समझ आने लगी। Project सिर्फ़ motivation नहीं था, बल्कि organizing principle था—जैसे रास्ते से उठाए गए random iron filings को align करने वाला magnet
“memoization” जैसे abstract concepts भी अपनी problem solve करने के लिए ज़रूरी लगे, इसलिए उन्हें सीखने की इच्छा हुई, और मेरे अपने example की रोशनी में उनकी abstractness गायब हो गई
लगता है कि ठोस motivation और problem space में डूबे बिना ऐसा अनुभव मुझे शायद ही कभी हुआ हो। अच्छी writing आपको उस threshold तक ले जा सकती है
Smart Biology नाम की site पर cellular systems को लेकर बेहतरीन 3D animation videos हैं
https://www.smart-biology.com/
Personal pricing भी काफ़ी affordable है: https://smart-biology-academy.getlearnworlds.com/courses
मैं इस company में काम नहीं करता और मेरा कोई financial interest भी नहीं है। वे बस वाकई शानदार काम कर रहे हैं और मैं चाहता हूँ कि उसके बारे में ज़्यादा लोग जानें। काश मेरे school के दिनों में ऐसे videos होते
हाई स्कूल में मुझे biology पसंद थी। शिक्षक सचमुच काफ़ी boring थे, इसलिए class के आधे समय मैं सच में सोता था, लेकिन घर जाकर homework के तौर पर textbook पढ़ता तो वह पूरी तरह मोहक लगती थी
शिक्षक जब भी मुझे जगाकर सवाल पूछते, मुझे हमेशा जवाब पता होता था, इसलिए यह classmates के लिए एक तरह का recurring joke बन गया। रहस्य बस इतना था कि मुझे वह विषय दिलचस्प लगता था और मैं उसे आसानी से absorb कर लेता था
किसी topic के प्रति जिज्ञासा की कमी का दोष दूसरों पर डालने का विचार मुझे बहुत पसंद नहीं है। हम कुछ सीखने के लिए कितने receptive होते हैं, यह teaching style के बाहर की कई चीज़ों पर निर्भर करता है—मौजूदा interests, जीवन के अनुभव, brain development का स्तर वगैरह
उदाहरण के लिए, आज मैं geology की school के दिनों से कहीं ज़्यादा गहरी सराहना करता हूँ, और मुझे पूरा यक़ीन है कि plate tectonics पढ़ाने का तरीका नहीं बदला, मैं बदला हूँ
वे कहते थे, “अगर topic X पढ़ाया होता तो मुझे अच्छा लगता”, “अगर perspective Y से पढ़ाया होता तो मुझे अच्छा लगता”, लेकिन हमारे हाई स्कूल के शिक्षक ने ठीक उसी तरह पढ़ाया था
15 साल की उम्र को पीछे मुड़कर देखते समय, शायद यह याद रखना मुश्किल होता है कि उस समय हम आज से कितने अलग थे। हम अपनी memories को इस तरह reconstruct करते हैं कि उस समय की भावनाएँ आज के अनुभव करने के तरीके में भी समझ में आएँ
आम तौर पर उनके पास 20–40 अधिकतर चिढ़ाने वाले बच्चों वाली 3–5 classes होती हैं, जिन्हें दूसरों द्वारा तय किए गए बहुत व्यापक content को सीखाना होता है। साथ ही behavior problems को ठीक करना और parents या administrators से भी निपटना होता है
ज़्यादातर teachers इतने domain experts नहीं होते कि हर student के लिए गहरी exploration को customize कर सकें, और अगर हों भी तो पहले से कठिन काम असंभव हो जाएगा। किसी भी रूप में individualized education का मौजूद होना अपने-आप में आश्चर्यजनक है
हमारे एक physics teacher में वह प्यार इतना infectious था कि जिन students में पहले से curiosity थी उन्होंने बहुत सीखा, और जो मन मारकर सुन रहे थे वे भी demonstrations और experiments में खिंचे चले गए
हाई स्कूल की दो biology classes लेने से पहले तक मैं biology से मंत्रमुग्ध था, और उसके बाद recover करने में मुझे कई साल लगे। इसका curiosity की कमी से कोई संबंध नहीं था। कम-से-कम मेरी classes में focus चीज़ों के नाम याद करने पर था। विस्मय महसूस करने का समय नहीं था; ज़रूरी यह था कि क्या आप endoplasmic reticulum की drawing पर labels लगा सकते हैं
मैंने इस लेख को blame game की तरह पढ़ने के बजाय, यह कहने के रूप में देखा कि biology subject को सामान्यतः कहीं बेहतर तरीके से पढ़ाया जा सकता है। यह मेरे मामले में भी सही है, और आपकी बात में भी सही लगता है। आपने उस subject को उसके बेहद खराब presentation के बावजूद पसंद किया
लेखक इसी दिशा में बात करते दिखते हैं। अगर आप essayist या columnist हैं, तो शायद इस तरह के विश्वास की कुछ हद तक ज़रूरत होती है
हालांकि मैं सहमत हूँ कि यह expectation baseline नहीं बननी चाहिए
मुझे Bert Hubert की यह अभिव्यक्ति पसंद है: “एक चमकदार spaceship आपके backyard में उतरता है, दरवाज़ा खुलता है, और आपको आमंत्रित किया जाता है कि आप उससे सीखी जा सकने वाली हर चीज़ की जाँच करें। उसकी technology हमारी बनाई जा सकने वाली चीज़ों से लाखों साल आगे है। यही biology है”
मैं biology को अक्सर ऐसी nanotechnology कहता हूँ जो human understanding से परे है और एक ऐसे ग्रह पर मिली है जिसने grey goo apocalypse झेला है। सतह के हर संभव छेद में अब runaway units का संक्रमण है, और वे लगातार development arms race में लगे हैं। कुछ तो विशाल चलती हुई megastructures और समझ से परे collective intelligences में भी बंध गए हैं
जब हम human limbs की bioengineering के बारे में सोचते हैं, तो याद रखना चाहिए कि हम ऐसी system के लिए pure strength और speed की बलि दे रहे हैं जिसमें modern science द्वारा replicate करना मुश्किल बहुत-से trade-offs हैं
यह बहुत-सी individual movements और joints को support करता है, weight constraints पूरा करता है, और operation बंद किए बिना कई self-repair techniques कर सकता है। यह आम raw materials से unskilled, शायद unconscious labor द्वारा produce और maintain होता है, और comprehensive sensor bundles शामिल करता है
यह इतना fragile नहीं है और impact से mechanical energy store और release करने के लिए flex करता है; deformation detect होने पर selectively reinforce करता है। long-term energy storage वाले हिस्से shock absorbers का भी काम करते हैं, अपने operating fluid के कुछ हिस्से को replenish करने वाली छोटी fabricators रखते हैं, और evaporative cooling व automatic micro-activation जैसे thermal management subsystems भी होते हैं
cells का मुलायम और लिजलिजे pouches होना अब यह counterargument नहीं है कि वे “technology” या “robotic” नहीं हैं। यह intentional engineering है। nanotechnology ladders से बना एक जटिल support structure लगातार reshape होता रहता है और “softness” को एक function के रूप में mimic करता है
लेख के अंत का मुख्य बिंदु—यानी biology को reason करने के लिए हमें बेहतर tools चाहिए, और biology विषय में वास्तविकता और पढ़ाई की सामग्री के बीच की खाई अन्य विषयों की तुलना में खास तौर पर बड़ी है—शायद ठीक से संबोधित नहीं हुआ है।
पूरी तरह सहमत हूँ। अभी हम प्राकृतिक दुनिया के सबसे जटिल विचारों को सरल भाषा और स्थिर diagrams वाली एक पतली नली से थोड़ा-थोड़ा खींचकर समझ रहे हैं, और इन माध्यमों तथा स्कूल की अपनी सीमाओं का मेल biology को स्वाभाविक रूप से रटने वाले विषय की ओर झुका देता है।
प्रकृति में जिस तरह biology घटित होती है, उसी तरह उस पर reason करना इन माध्यमों में धारा के विरुद्ध जाने जैसा है। यह संभव है, लेकिन default नहीं। अच्छे biology teachers की कहानियाँ अपवाद हैं, default नहीं।
जटिल चीज़ों के लिए ऐसे systems चाहिए जो उनकी जटिलता को दर्शाएँ और फिर भी इस्तेमाल में आसान हों। असली सवाल यह है कि संचार और समझने के तरीके कैसे बनाए जाएँ।
Biology बस सचमुच बहुत जटिल है। “इस्तेमाल में आसान system” जैसी चीज़ शायद कभी हो ही नहीं। हम अभी भी उस समुद्र के किनारे पत्थरों के रंग गिनने जैसी अवस्था में हैं।
उदाहरण के लिए developmental biology—यानी एक cell के functional baby बनने की प्रक्रिया—में यह तय करने के लिए तीन theories हैं कि कोई cell आगे क्या बनेगा। British model कहता है कि daughter cell को mother cell बताती है कि उसे क्या बनना है; American model कहता है कि daughter cell अपने आसपास देखती है और पास की cells की राय-शुमारी से फैसला करती है; Las Vegas model कहता है कि सब कुछ random है, जिसमें बहुत-सी apoptosis और दिवालियापन मिला हुआ है।
समस्या यह है कि इस field के लिए चिंताजनक बात खुद यह है कि हम इन models को सही मानते हैं। दिल की गहराई में हमें पता है कि इनमें से कोई भी सही नहीं हो सकता, लेकिन हम इन्हें ठीक से गलत साबित नहीं कर पाए हैं।
साफ़ कहूँ तो developmental biologists को लगभग पक्का यकीन है कि उनकी theories गड़बड़ हैं, और इसका आधार लगभग पूरी तरह intuition है। Biologists “grand theory” की हल्की-सी गंध पर भी जितना पीछे हटते हैं, वही बताता है कि चीज़ कितनी जटिल है।
इसकी कोई guarantee नहीं कि biology को उसकी असल अवस्था को दर्शाते हुए, साथ ही समझ में आने वाली चीज़ में reduce किया जा सके। प्रकृति पर हमें ऐसी चीज़ देने की कोई बाध्यता नहीं है।
आजकल ऐसे कई लोग हैं जो symbolic systems में कमज़ोर लेकिन समझने में बहुत अच्छे हैं, और symbolic systems के experts भी कई बार समझ के मामले में beginner होते हैं।
हम समझ के ज्यादा अनुकूल किसी symbolic form को miss कर रहे हैं, या फिर हमने समझ की कीमत पर symbolic systems को ज़रूरत से ज़्यादा महत्व दिया है—यह मुझे ठीक से नहीं पता।
हालांकि reasoning शायद फिर भी हमारे हिस्से में ही रह जाए।
इंसानों में लगभग 150 लोगों के बीच रिश्तों पर reason करने की cognitive क्षमता होती है। अगर यह उन genes की plausible upper limit है जिन्हें हम दिमाग में रख सकते हैं, तो हमारा काम खत्म है। हर cell में हजारों तरह के अलग-अलग proteins और उससे कहीं अधिक छोटे molecules होते हैं। एक gene हटाने पर response में सैकड़ों चीज़ों का बदलना आम है।
हम इतने बड़े system को अपने दिमाग में नहीं रख सकते। कुछ हिस्से रख सकते हैं, लेकिन genes इतने interconnected हैं कि अलग-अलग “parts” के बीच भरोसेमंद सीमा खींचना बहुत कठिन है।
Biology अक्सर intuition के उलट भी behave करती है। Feedback loops, randomness, long-tail distributions biological systems में बेहद अहम concepts हैं, और इंसान इनके बारे में सोचने में कुख्यात रूप से खराब हैं।
सिर्फ एक cell ही बहुत बड़ा और अजीब है। Tissues या organs को तो भूल ही जाइए।
इसलिए मुझे लगता है कि students को computational modeling जल्दी सिखाना सचमुच महत्वपूर्ण है। यह हमारे brains के लिए बहुत जटिल है, इसलिए हमें computer models पर निर्भर होना होगा।
लेख खूबसूरती से लिखा गया है, लेकिन उसकी premise से मैं सहमत नहीं हूँ।
कम से कम UK में—US अलग हो सकता है—लेखक जिन कई concepts और underlying reasoning को न सीख पाने का अफसोस जताते हैं, वे वास्तव में पढ़ाए जाते हैं।
A-Level स्तर पर epigenetic modifications का physical basis पढ़ाया जाता है। लेखक ने जिसे genes को on और off करने के रूप में बताया है, वह खुद भी बहुत binary simplification है; असल में यह expression के up-regulation और down-regulation के ज्यादा करीब है। हम alternative splicing जैसी दिलचस्प processes भी पढ़ते हैं, जहाँ एक ही gene कई अलग-अलग proteins express कर सकता है।
एक साधारण Russell Group university में undergraduate first year में भी biology का इतिहास lectures का बड़ा हिस्सा था—खासकर genetics के field के रूप में evolve होने की प्रक्रिया में। यह भी बहुत स्पष्ट रूप से बताया गया कि biology की categories और concepts मूल रूप से धुंधले होते हैं।
मुझे साफ़ याद है कि एक lecturer ने, जब वे कह रहे थे कि bacteria में membrane-bound organelles नहीं होते, और उनसे पूछा गया कि फिर lecture का topic magnetosome तो साफ़ तौर पर इसका exception है, तो जवाब दिया: biology में “always true” कहने का मतलब है कि वह 80% से ज़्यादा बार होता है, और “never happens” कहने का मतलब असल में है कि वह 20% से कम बार होता है।
मैं इससे सहमत हूँ कि कभी-कभी व्यापक और महत्वपूर्ण concepts की कीमत पर chemical details रटने पर ज़रूरत से ज़्यादा focus हो जाता है—जैसे Krebs cycle। लेकिन मुझे लगता है कि लेखक ने इस मामले को बढ़ा-चढ़ाकर बताया है।
यह भी सही है कि लेखक जिन concepts और underlying reasoning को न सीख पाने का अफसोस जताते हैं, वे वास्तव में पढ़ाए जाते हैं; और यह भी सही है कि कभी-कभी व्यापक concepts की बजाय chemical details रटने पर बहुत ज़्यादा झुकाव हो जाता है।
हालांकि लेखक लगभग निश्चित रूप से सिर्फ high school biology की बात कर रहे थे।
US में AP Biology teachers को concepts पढ़ाने और senior-year students के AP exam के हिसाब से पढ़ाने के बीच compromise करना पड़ता है। उस exam की तैयारी में Krebs cycle रटना और exam के तुरंत बाद भूल जाना जैसी चीज़ें शामिल होती हैं।
मेरी teacher ने यह balance काफी अच्छी तरह बनाया और मुझे बहुत कुछ मिला, लेकिन यह व्यक्ति-व्यक्ति पर निर्भर हो सकता है। Students exam में अच्छा कर के college की अनिवार्य biology course से बच सकते हैं, जबकि वह college class शायद कहीं बेहतर होती। मेरे साथ ठीक यही हुआ था।
मेरे high school biology teacher, Mr. Dinnetz, सचमुच कमाल के थे।
उनके पास course material को जीवंत बनाने—या ठीक कहें तो मौत से जोड़ देने—का एक तरीका था। जब भी वे कोई नया concept पढ़ाते, वे बताते कि उस concept के बिना हम कैसे मर जाएँगे। वे classes बेहद यादगार थीं।
मैं इस बात से पूरी तरह सहमत हूँ कि biology class में biology को जीवन के रहस्यों की खोज के रूप में पेश नहीं किया गया, और textbooks ने उससे inquiry वाली भावना निचोड़कर निकाल दी
हमें असली biologists, उनके असली सवाल, और जवाब खोजने के लिए किए गए असली experiments से रूबरू नहीं कराया गया; हमें बस निष्कर्ष दे दिए गए
मैं जानना चाहता हूँ कि biology ही नहीं, बल्कि खोज, जिज्ञासा और विस्मय को बढ़ावा देने वाली अच्छी किताबें या learning materials कौन-से हैं
सबसे पहले दिमाग में Feynman’s Lectures आती हैं
biology एक leaking abstraction है, इसलिए अगर बुनियाद मज़बूत न हो तो rigorously कुछ करना बहुत मुश्किल है। यह Hacker News पर music को लेकर होने वाली चर्चाओं जैसा भी है। लोगों की दिलचस्पी music से ज़्यादा programming concepts को musical notation से जोड़ने और Western music presentation के तरीकों पर शिकायत करने में होती है
biology में सतही empirical trial-and-error से आगे कुछ करने के लिए central dogma और biochemistry की ठोस समझ चाहिए। खासकर ज़्यादातर “hacker type” लोग पहले वाले, यानी DNA translation और transcription के बारे में बस धुंधला-सा जानते हैं और बात वहीं खत्म हो जाती है
अगर आप rigorously काम करना चाहते हैं, तो biochemistry के लिए intuition हासिल करना ज़रूरी है। वरना आप biotech वाले bootcamp web developer की तरह बस test tubes धोने जैसे काम के ही लायक रह जाएंगे
A Brief History of Nearly Everything - Bill Bryson
Entangled Life - Merlin Sheldrake
The Hidden Life of Trees - Peter Wohlleben