摘　要：由递归逻辑主导的传统人工智能研究受限于符号规则系统自身必然导致的组合爆炸问题与无穷递归困境，难以规范表征自然语言。而大语言模型通过基于思维链与高维向量空间的并行分布式计算，以概率统计式关联取代形式化推理，反而实现了对自然语言的动态化建模。这两种建构原则在语言学中均有对应的解释理论，但生成语法理论因秉持递归中心主义而遭到生态语言学理论的否定，分布式语言理论则进一步提出语言是分布在个体与社会互动关系中的演化现象。语言学理论与技术实践的共同基础特征说明基于动态关联的拓扑范式与基于无穷符号的递归范式是解释人类认知结构的两种基础性理论，同时也表明，认知科学的范式正在从形式化公理转向实践导向的模型化建构。

关键词：递归 分布式计算 分布式语言 拓扑 认知范式