这么多媒体实验室，哪个完成了老板的期待？NYT十年探索干货分享
在开始今天的文章之前，全媒派（qq_qmp）想先问你一个问题：内容是否天生落后于技术？
一直以来，传媒与科技观察者都致力于将最新的技术“解释”给内容行业，兴趣阅读、算法推荐、AR营销，等等，我们被太多的技术概念牵引着前行。每一次技术浪潮到来，都要扪心自问：新技术能用吗？好用吗？怎么用？
是以，各类“媒体实验室”应运而生。但人们似乎给错了定位，将技术最大化实现的任务交给它们，而忘了“实验”原本的目的——找到问题，既有公司级难题也应涵盖行业性痛点，然后在解决的层面上与最适配的技术手段共生。
全媒派（qq_qmp）现在就要聊聊各色“实验室”之于内容业的角色，以及我们该如何用好它们，解决现实问题。
《纽约时报》重获新生全靠它
R&D实验室→Story [X]，抢在时代巨变之前
早在2006年，NYT就成立了名为R&D Lab的研发实验室，尽管NYT在叙事和分发方面一直处于行业前端，但NYT创新策略的负责人Kinsey Wilson曾经表示，面对飞速变化的视觉化、互动式的故事表现形式，NYT不得不考虑对原R&D Lab进行调整。
官方发言恐怕没有点出调整的最重要原因：走在研究前沿的实验室如何与后方大本营步调一致？对大多数编辑和记者而言，技术世界正在发生的变革，一旦与实操层面对接，他们最关心的往往是“这到底有什么用？”
也就是说，一个“架空”的实验室对于推动内部革新往往是出力不讨好的。好在NYT终于意识到这个问题，于2016年春天成立Story [X]，这也标志着R&D Lab的重生。
较R&D Lab而言，同时隶属于新闻编辑室团队和产品团队Story [X]，一改之前与编辑和广告团队难以对话的局面，与新闻编辑和广告业务贴合的更加紧密，实际上，我们可以将Story [X]视作升级换代后的R&D Lab。
NYT的R&D团队
由NYT前互动编辑Marc Lavallee负责的这个Story [X] 6人团队，在重生之时首先明确了自己要“为谁服务”：NYT的新闻编辑部、技术和产品设计团队、广告团队，其中，新闻编辑部为其首要服务对象。Story [X]着重于从生产角度理解在未来几年内报道中要实现的事情，同时提升对内容产品和对内容消费需求更深的洞察力。
“技术公司的新技术如星火闪耀，我们必须敏锐的洞察技术的变化，并迎头赶上，”Lavallee谈及Story [X]时如是说，“我们现在的试验，事实上是为了在今后很多同行惊觉技术巨变的时候，我们能够泰然处之。”
Story [X]的创立是为了帮助NYT在未来具有更前瞻性的技术敏感，团队致力于探索如何利用新技术来提升新闻工作的质量、效率和收入，在对未来技术走向进行窥测对同时回归现实、落脚于实践，以更好的服务于“Storytelling”，而这大概也是“Story [X]”名字的由来。
Story [X]要讲什么“story”
问题先行：交互，要更多的交互
技术点：计算机视觉＋VR＋AR
Story [X]在去年第四季度投入了大量时间观察计算机视觉，这不仅因为计算机视觉对AR交互的发展至关重要，也因为机器深度学习领域目前已经发展到一个急剧演变且机遇层出不穷的十字路口，Story [X]认为“计算机视觉”会较大程度影响机器深度学习的下一步发展方向。
在了解计算机视觉的同时，Story [X]也尝试让一些员工理解这种技术在商业上可以如何帮助报道获利，但在实践层面，新闻编辑部对计算机视觉的应用目前仍然只停留在报道奥运会和选举这些标杆型报道的应用中。
VR技术方面，Story [X]正在试验如何用虚拟现实讲述个人故事，尝试带给读者更身临其境的感受。但同时Lavallee对NYT是否存在真正的非线性VR报道提出质疑，他认为VR技术本身还并未被新闻编辑部深度接受，他指出，VR技术有太多值得开发的方面，但目前Story [X]还没有最大化的利用它。
关于VR技术的未来，Story [X] 认为该技术更容易为年轻一代用户所接受，因此Story[X] 乐于等待年轻用户的成长，同时希望借助更大的经济力量来实现这些技术，并推动技术与用户一同成长。
同时，Story [X] 也意识到AR增强现实技术在新闻编辑部内部存在很大的发展潜力：利用AR技术，NYT可以不仅可以通过使用更多的设备来完成更多的新闻编辑工作，也可以使得广告呈现更真实的情境。Lavallee曾指出Story [X]完全可以利用AR技术给受众呈现一个虚拟的宜家家居环境。
AR技术下的虚拟宜家
Facebook前不久演示的人脑－机器接口引起了Story [X]的兴趣，他们从中发现技术能够衡量人在阅读或聆听某些内容所付出的注意力、所感兴趣的内容，从而分析出一个人是什么类型的学习者，因此人机交互所产出的内容会更加贴合读者的兴趣，而这也正是Story [X] 认为未来值得关注的前沿技术。
Lavalle表示在接下来的几年中，Story [X]会更多地去考虑NYT读者头脑中的情况，将量化自我的行为（Quantified Self Movement）中所发生的与人脑中正在思考的内容相结合，不断推动机器学习、人工智能翻译的演进。就如同Facebook宣称的两年之内会制造出的“ScullCap”，可以让人以每分钟100字的速率去思考。（注：“Quantified Self Movement”类似于生活记录，是一种将一个人一天中的生活行为通过技术转化为数据的行为。）
问题先行：看清技术本质，解决方案落地化
在新闻行业中，“为了创新而创新”这个问题始终无法避免，对于如何避免这种“创新强迫症”，Story [X]有一番自己的准则。
“我们并不想被大家说我们是看到了新的计算机视觉技术，然后又如何将计算视觉技术引入了NYT。”Lavalle这样表示。实际上，Story [X] 首先看到的并非是某一项新技术，而是在编辑部内外，整个新闻行业在技术巨变时期产生的新问题，然后进一步分析问题的本质：究竟是真正的问题还是潜在的机遇，而这则需要Story [X] 有足够的洞察力。之后，Story [X] 针对发现的问题，寻求可以解决问题的技术，使得不同的技术与不同的问题进行匹配，可以说，Story [X]是依靠问题意识去引领发现哪些新技术可以在未来为自身新闻业务所用。
当在一定程度上确认了某种新技术可以为自己媒体所用时，也不能即刻着手开发，Lavalle表示，开发新技术前也要看清该技术的本质，有些技术可能只是风行一时，如果我们看不清技术的本质，不能认清它在这个行业的生命周期，就将它推向编辑部和读者，这样会给媒体带来较大的风险。因而，对于NYT来说在了解新技术的同时，应当避免过强的行动力，冷静思考之后方可做出决定，以使创意真正落地，服务于编辑部和现实的问题。
以总统就职典礼上的互动照片为例，为了方便读者清楚看到新闻照片中的国会成员，NYT会将所有现场就座人的位子上贴上标签。在过去，这些工作全靠人工操作，编辑要费力做很多工作，比如在图片上找到不同人物的座位，要不断的电话询问华盛顿当局哪些是新班子成员、哪些是老人，等等。
但在今年川普的就职典礼上，Story [X] 利用微软计算机视角API工具，通过计算机识别确定了国会不同成员的身份和座位，这不仅提高了新闻编辑的工作效率，同时也是的出错率大为降低，因为人工编辑很可能混淆人脸，但计算机不会。
总统就职典礼上的互动照片
要做技术钻探员，而非技术布道者
在新技术井喷之时，实验室也是遍地开花。除了NYT的Story [X]，还有哪些做得不错的lab？它们的研究重心放在那里？
BBC News Lab：技术驱动与需求匹配
类似Story [X]，BBC NewLab也致力于钻研新技术以满足新闻编辑的各种需求，同时通过各种实验对技术应用的可行性进行探究。
最近，BBC News Lab里的怪咖研究员又产生了新的好奇：如果将时下两种流行技术——Facebook Messenger 平台机器人和无服务器架构模式（serverless architecture patterns）——融合起来会发生什么？
这个疑问产生的起因是因为BBC World Service的编辑需要新闻实验室帮助他们在Facebook上设置一个小测试，以接触那些与BBC新闻内容互动较少的人，并且向他们提供有可能的污染解决方案。
为此，BBC News Lab在Facebook Messenger平台上搭建起一个基于无服务器模式的测试结构，它不需要运营者拥有任何的后台服务器。
不需要后台服务器就能运行的Facebook Messenger平台上的测试？听起来够酷，且BBC News Lab 已经着手实践了。除此之外，BBCNew Lab还在做实时新闻聊天式用户交互和个人信息服务、探索机器辅助转录技术等一系列尖端媒体融合实验。
Guardian Innovation Lab：专注移动新闻
《卫报》在发现自己报纸每天流量的一半以上都源于移动端受众后，依托奈特基金会投资的260万美元，其News& Media团队成立创新实验室（Innovation Lab），主要任务是：
为移动端受众研发更多新式互动模式，同时探索移动时代下，如何优化小屏信息传递。例如，实时向受众传播新闻信息，并推动公民参与突发新闻报道，同时推动卫报深度性新闻打造。
Guardian手机端实时新闻提醒
Google News Lab：一站式工具入口
有别于媒体实验室，谷歌“新闻实验室”（News Lab）更侧重实用性。“新闻实验室”可以被看作是一个入口，供记者在谷歌地图、谷歌提示（GoogleAlerts）以及公共数据查找器（Public Data Explorer）等工具中查找信息。谷歌称此举可以让新闻工作者更好地利用谷歌的数据与工具，并学着用这些数据进行出色的报道。
此外，谷歌还与许多新闻机构展开合作，凸显工具实用性。如，它与Stroyful合作，在YouTube上建立新闻发布频道，发布权威有新闻价值的内容；在与CNN的一项合作中，利用数据优势展现人们对美国总统候选人的搜索倾向，便于媒体应用；《华盛顿邮报》则在报道中使用基于此制作的交互式图案。谷歌新闻实验室的突出优势是实时动态更新，为何为“新闻工具”做出定义。
看到这里，是否对实验室有了更本质的认识？很多时候，我们被技术的华丽外表和行业焦虑所裹挟，似乎所有人都在关心同一件事情。但是，很多尚未展露苗头、未及成为焦点的事情在未来才是不可避免的。正如Story[X]负责人所言，“我们现在的试验，事实上是为了在今后很多同行惊觉技术巨变的时候，我们能够泰然处之。”
“洞察”不会自然发生，因而“实验”一定要超越眼前局限性。在你看来，什么样的实验室才是好的实验室？实验室究竟应该扮演什么角色？欢迎与我们互动分享。