本文对2011年至2025年间发表的251项关于公众对人工智能态度的研究进行了领域介导的比较性述评。基于系统性文献回顾，我们分析了包括感知利益与担忧（或风险）在内的不同因素如何塑造公众在不同领域和应用场景下对人工智能的接受或抵制，这些领域涵盖医疗保健、教育、安全、公共管理、生成式人工智能以及自动驾驶汽车。分析重点指出了影响感知的个人、情境和技术因素中的反复出现的模式，同时也追溯了在机构信任、感知公平性和伦理关切方面的差异。我们表明，公众对人工智能的感知不仅由技术设计或性能塑造，也受到特定领域考量、想象、文化叙事和历史遗产的影响。这种比较方法为制定更具针对性且对情境敏感的责任型人工智能治理策略奠定了基础。

尽管当前一代人工智能由共同的技术——即机器学习，特别是深度学习形式——所支撑，但在公众眼中，它并未作为单一解决方案出现。相反，它是通过多重且重叠的应用而成型的——从医疗保健中的预测性诊断和人力资源中的算法招聘系统，到自主武器和生成式语言模型。随着人工智能日益嵌入特定领域的基础设施，公众如何看待其使用的问题变得愈发紧迫。现有关于公众人工智能感知的文献表明，态度对应用领域高度敏感。在认为人工智能能增强人类能力的领域（例如医疗诊断），人们往往更支持人工智能；而当人工智能被视为替代人类判断或威胁公民自由或权利时（例如在安全或监控领域），人们则更持怀疑态度。这些感知不仅由人工智能系统的技术特征塑造，也受到机构信任、对风险的文化态度以及相关领域的道德经济的影响。尽管如此，少有综述系统性地比较跨领域的公众感知并探索态度中的跨领域模式与差异。

本文旨在填补这一空白。通过回顾251份学术和灰色文献来源，我们考察了公众对人工智能的感知在医疗保健、教育、安全、自动驾驶和公共管理等主要领域之间有何不同，以及在这些及其他领域中人工智能所呈现的不同类型或形式（包括生成式人工智能、自动化决策和机器人技术）之间的差异。针对每一方面，我们探讨了驱动接受度的因素、引发抵制的原因，以及不同社会群体在具体情境中如何与人工智能关联。同时，我们将指出现有研究中存在的空白和不一致之处，并就如何使此类研究更为严谨提出建议。

我们的指导性问题是：

• RQ1：公众对人工智能的态度在不同应用领域间有何差异，导致这些差异的原因是什么？ • RQ2：在每个领域中，感知到的利益和担忧分别是什么？它们如何受到个人（人口统计学）、情境和技术因素的影响？ • RQ3：机构信任、透明度和人类监督在多大程度上中介了公众对人工智能技术的接受度？ • RQ4：对于特定领域的治理和公众参与策略可以得出哪些经验教训？

通过采用一种比较性的、对领域敏感的视角，本文旨在支持对公众态度进行更细致的理解，并为更公平、更有效的人工智能治理提供信息。

在下文中，我们将描述文献回顾方法，包括检索和筛选策略。第三部分我们将概述理论假设，并解释关键概念和分析框架，该框架利用三类因素（个人、情境和技术）来追踪人工智能感知的跨领域模式。第四部分我们将呈现述评结果。我们从对数据集的概述以及调查公众对人工智能普遍（非特定领域）感知和信任的论文开始，进而转向特定领域的研究。然后，我们通过描述与影响人工智能感知的三类因素相符的模式，并提供与人工智能相关的跨领域及特定领域的感知利益和担忧的类型学，来综合研究结果。第五部分我们讨论研究发现及本研究的局限性。最后，我们对未来研究方向提出建议。