原文标题： Generative AI and Journalism: Hype, The Always Already New, Hype, and Directions for Scholarly Imagination
一、研究对象与核心研究问题
本文的研究对象是生成式人工智能（Generative AI）与新闻业之间的关系，但其核心旨趣并非探讨生成式AI在新闻生产、消费或商业模式中的具体应用。相反，论文将“关于生成式AI的学术与行业话语”本身作为分析对象，核心研究问题在于：新闻学者应如何超越对新技术的盲目追逐和过度炒作，重新审视生成式AI背后那些“始终已然是新的”（always already new）深层社会问题。作者呼吁学者将想象力从新闻编辑室的内部规范、惯例和受众研究中解脱出来，转向更宏观的权力转移、资本集中、人类劳动贬值以及自然环境代价等根本性议题。
二、研究背景
论文的研究背景根植于当前围绕生成式AI的狂热与焦虑氛围。作者通过美国语境下的三个具体案例切入：一是“Good Daily”公司利用大型语言模型生成数百份本地新闻通讯，却未向读者披露其AI来源，引发了对“可信新闻原则”的担忧；二是HuggingFace公司代表畅想未来人人拥有“个性化AI新闻代理”；三是《洛杉矶时报》所有者计划推出AI驱动的“偏见测量仪”。这些现象并非孤立的创新，而是数字新闻史上反复出现的技术冲击模式的重演——如2010年代的内容农场、谷歌新闻片段之争、Facebook作为新闻平台的兴衰等。论文指出，自2013年以来，《数字新闻学》（Digital Journalism）期刊一直是探讨技术颠覆及其影响的阵地，因此数字新闻学者拥有独特的经验优势和契机，不应再重复旧有的应用性问题，而应开辟更具批判性的研究新路。
三、理论背景
本文的理论框架建立在对“新技术话语”的批判性解构之上，核心理论资源来自Lisa Gitelman的“始终已然是新的”（Always Already New）概念。Gitelman指出，新媒体的引入从来不是彻底革命性的，而是意义和权力协商的场所；人们往往赋予新技术过多的能动性和决定性力量；围绕新技术的争论实质上是社会意义持续协商的场域。作者将这一理论应用于生成式AI，指出当前围绕AI的“黑箱”神秘化、信息环境失序和知识产权丧失等担忧，在媒介史上均有迹可循。
此外，论文还汲取了多个理论支流：Frank Pasquale的“黑箱社会”理论被用于解构AI算法的不透明性；Nick Couldry和Ulises Mejias的“数据殖民主义”概念被用来分析科技公司对新闻业知识劳动的无偿掠夺；John Durham Peters关于“环境作为媒介”的媒介哲学，则被创造性地引入，以联结新闻学与自然环境议题。这些理论共同支撑了作者的核心主张：批判性学术应揭示新技术炒作背后的权力、资本与结构性不平等。
四、研究设计
这是一篇观点性评论文章（commentary），而非传统的实证研究。其研究方法主要是理论思辨、历史类比和批判性分析。作者从美国语境下的最新行业动态出发，将其置于数字新闻史的长时段脉络中进行比较，通过识别与过往技术冲击（如广播、电视、内容农场、平台算法）相似的“熟悉的话语形式”来“去炒作化”（de-hype）。论文的论证结构并非基于一手数据或系统性文献综述，而是围绕三个被广泛讨论的AI问题（黑箱、信息失序、知识产权/劳动替代）展开重新语境化分析，并提出一个新的分析维度——自然与文化的关系——作为学术想象力的新方向。尽管作者承认其视角具有美国中心主义色彩，但认为鉴于生成式AI开发公司的美国渊源及其意识形态输出，这一焦点仍具生产力。
五、主要发现
本文并非报告实证发现，而是提出了一系列批判性洞见和学术方向指引，其核心论点和发现可归纳如下：
- 生成式AI的话语是“始终已然是新的”：围绕生成式AI的黑箱神秘性、信息污染、知识产权丧失等核心焦虑，在媒介技术史上反复出现（如广播、电视、谷歌搜索算法），并非革命性断裂。学者应当识别这种熟悉性，避免赋予技术过度的决定论力量。
- 信息环境失序问题的诊断存在偏差：将社会政治问题简化为信息问题并以技术方案解决（如事实核查）是“创可贴”式做法。2024年全球选举中深度伪造并未大规模操纵选举，但世界仍向右翼威权主义倾斜，说明真正的问题在于社会经济不平等和资本集中，而非仅仅信息失序。
- 知识产权争议掩盖了劳动贬值这一更深层伤害：科技公司劫掠新闻内容训练大模型，不仅是版权盗窃，更是对新闻业“物质性劳动”的全面贬低。记者通过身体、情感和人格在时空中生产新闻，而科技公司仅将其视为“数据”，这种冲突是资本对人类经验价值的根本性挑战。
- 新闻学研究需要“走出新闻编辑室”，回到自然与文化的关系：生成式AI消耗大量水和能源，依赖海底电缆和服务器农场，其物质基础设施对环境造成真实影响。新闻学应重拾“定向”（orientation）功能，即帮助人们在自然和物理世界中安全、有效地生活，并将技术视为自然表达和改变的中介，这可能是区分人类记者与AI的关键所在。
六、研究结论与讨论
本文的结论是，数字新闻学者应当对生成式AI及其学术研究进行彻底“去炒作”。作者主张，生成式AI不应被当作研究的主角，而应被视为权力与资本进一步集中、威权主义抬头和人类价值被侵蚀的又一个“代理”（proxy）。文章的主要学术贡献在于：其一，通过引入“始终已然是新的”理论框架，为分析新技术与新闻业的关系提供了一种跨历史的比较视野，有效祛魅了技术决定论。其二，超越新闻学研究传统的“生产-消费-内容”三元框架，创造性地提出了将自然环境、人类物质劳动和文化意义作为核心分析维度的方向，扩展了数字新闻学的边界。其三，其讨论明确地将新闻业的命运与全球民主危机、威权主义兴起、数据殖民主义等宏大议题联系在一起，倡导一种更具批判性、政治性和人文关怀的新闻学术路径。作者最终警告，抵制新闻业和学术界中生成式AI炒作的最好方式，就是从关注技术的“新”转向考察它如何加剧权力不平等和人类劳动的贬值，并将反威权主义作为学术研究新的规范性出发点。