拥抱数字时代：在未来，新闻长这样子

Facebook 在今年五月份发布了「Facebook Instant Articles」，旨在革新 Facebook 新闻阅读功能的用户体验。一个月后，苹果公司发布了一款名为「Apple News」的新闻应用。Apple News 会对新闻内容进行重新排版，以便让应用所呈现的新闻内容看起来和在出版商网站上的感觉相一致。自发布以来，人们一直在探讨上述举措对于将来平台和出版商之间的关系究竟有何参考意义，在此我们先不对平台作过多的讨论，我们首先需要验证其中所蕴含的一个基本假设：Facebook 和苹果公司拥有针对新闻形式的革新能力，但它们仍然选择了以文章的形式来呈现新闻。在这里，我们并没有对新闻本身的构成和结构等因素提出质疑，尽管新闻的构成无疑是由于印刷媒体的限制才发展成目前的样子。

除了可以通过大型科技平台来重塑新闻的未来，新闻机构本身或许也应该开始对一些假设条件进行重新思考。毕竟在针对新闻的革新行动中，以新闻作为核心产品的出版商们无疑将成为最大的受益者。那么，当我们决定重新审视自身对于文章的感知时，新闻将以何种方式呈现呢？

摒弃老旧的限制

一直以来，新闻都以针对特定事件的系列文章的形式呈现，因为这是新闻唯一的出版方式。印刷媒体的局限性意味着绝大部分报纸都将以每天两次的频率进行出版，而且一篇文章在出版以后便不得再次进行修改。不错，新闻机构已经成功融入到了新媒体时代，它们会使用视频、音频以及一些具有交互性的方式来呈现新闻内容。但即便是通过最具革新性的发布形式对新闻进行发布，这类发布也仅仅会被视为一次又一次的分派行为，因为这些新闻机构所发布的内容并不会随着时间的演进而进化，文章所蕴含的知识也不会有所积累。新闻的一切短暂属性都与印刷媒体的发布节奏紧密相关。

想要在现有及未来的媒体形式上创造新闻，我们需要以革新性的眼光对时间的标尺加以考虑。信息自身应该具有可积累的特性，文档也需要针对新的报告或者信息作出调整，因此我们需要将用户的消费行为理解为可能以任何频率发生的不确定行为，而不是每日更新的简单模式。

那么，具备可积累特性的新闻究竟是怎么样的呢？想要实现这样的新闻又究竟需要哪些技术呢？

首先需要澄清一点，我们所说的并不是要将新闻改造成纯粹的参考材料或者是全新的维基百科，我们只是希望通过加深新闻报道所蕴含的知识深度来提升阅读体验。

为了更好地运用所有被发表的文章中所蕴含的知识，我们首先需要将这些文章以可供搜索和提取的方式进行编制。这意味着我们在撰写新闻稿件的同时还需要对一些可供循环利用的信息加以区分及标注，这些信息被「纽约时报研发实验室」（The New York Times R&D Lab）称为「颗粒」（Particles）。人们曾经在「语义万维网」（Semantic Web）上针对和这一概念有关的想法进行过一段时间的讨论，但由于其中所涉及的人力成本高昂，因此最终也没有得到广泛的应用。目前纽约时报研发实验室正在对注解和标记的方式进行研究，希望能在极大的程度上降低该方式的使用成本。例如纽约时报研发实验室的「编辑项目」（Editor project）便致力于研究如何通过协同系统创造出颗粒状的元数据形式，这类协同系统在很大程度上需要依托计算机的学习能力，但同时也允许人们对输入的数据进行编辑。在一般情况下，这种方式也意味着我们无需完全改写现有新闻编辑部的工作流程，仅需运用特定的计算机技术对媒体工作者的现有工作流程进行放大即可。

一旦我们开始捕捉文章所蕴含的知识并对其进行编码，新闻类文章的阅读体验将会变得大不相同：

新闻工作人员所使用的工具将会得到强化

一旦我们成功建立起结构化的新闻元素基质，我们便可以赋予传统新闻文章全新的功能。在当前情况下，如果一位新闻工作者想要查阅关于某个特定话题的新闻报道以便为某篇新闻稿件提供参考，她需要进行大量的手工劳动以筛选出合乎要求的信息，然后再建立起超链接。显然，超链接并不是一种理想的呈现方式，因为读者在点击之后需要从当前阅读的文章跳转至另一篇文章之上。

然而，倘若我们可以对文章内的「颗粒」元素进行编码和标记，那么新闻工作者在寻找特定信息的时候，他们很容易就可以找到现有文章所蕴含的相关信息。我们可以建立起一系列编辑工具，新闻工作者可以使用这些工具精确地查询所有已经发布的新闻素材，进而降低他们的工作难度，提高办公效率。此外，在进行编码和标记的工序时，我们应该使文章中的「颗粒」信息具备一定的关联性。在这样的背景下，文章将会成为一个不断自我深化的动态框架，它们允许读者进行深度阅读的同时还可以根据读者的喜好进行扩展或收缩。文章所蕴含的内容将不再局限于叙述的论点，还会包含一些和文章的背景、分析等深度内容相关的入口。

对文章的内容进行概括和综合

当我们开始思考文章所蕴含的可能性时，我们才能意识到这些「颗粒」的强大之处：结构化信息的语料库（Corpus）能够实现的功能比单纯的文章档案要强大得多。倘若我们选择将文章视为单独的模块，那么在文章发布以后，我们很难重新整合文章所蕴含的信息和知识。在当下，如果说我们希望对文章的信息加以整合，希望从文章中得到与时俱进的答案，希望从文章中获得关于某个话题的累积知识，那么等待我们的都只会是繁重且乏味的手工劳动，因为我们只能在阅读完多篇文章之后再用手工进行整理。

比方说我们要找出唐纳德·特朗普（Donald Trump）关于移民话题的讨论次数，在目前的新闻形式下我们很难对相应的信息进行提取，更遑论要围绕这条信息为读者创造出色的阅读体验。可是，一旦我们所发布的每一篇文章都加以编码、标记和归类以后，要实现这类任务就会变得更加简单。或者说如果我们希望了解某一个事件的进展情况，我们也可以很轻松地把相关的文章按照发布的时间进行排序，并对其进行动态更新。就目前的新闻形式而言，我们很难对一段时期之内的文章内容进行概括和综合，我们也很难获取与文章的背景相关的深度资讯，但这些信息对于新闻的深度理解而言是不可或缺的。为了填补其中的空白，各类新闻的「解说」网站应运而生。想要拥有关于特定事件的深度认知，由新闻机构发布的每一篇相关文章都是必须的，只有在文章都被编码和标记的情况下，文章背后所蕴含的信息才有可能变得更加易于获取，我们在对信息进行重复利用以及重新混合的时候也会更有效率。

极具适应性的内容