有机体关注那些和它们的目标有关的情境。因此，当两个人共同行动时，他们很自然地会一起共同关注和联合目标有关的情境。换种方式说，因为人类会协调行为，他们也会有效率地协调注意。这里再次看到，这种协调是某种共同背景中的概念，每个人——至少是潜在地——关注搭档的注意、搭档对他的注意的注意，以此类推（Tomasello，1995）。联合行动、联合目标以及联合注意，因此都是一回事，所以它们必然一起演化。
当前的假设是，这种在联合注意中与他人一起参与的能力，在种系发生的起源——其最初也最实际的方式是幼儿在其中创立共同概念背景，因此可以与他人一起分享现实——存在于合作活动之中。这就是托马塞洛（Tomasello，2008）称为“自上而下”的联合注意模式，因为它是由联合目标驱动的（另一种模式就是自下而上的联合注意，就像一个很大的声响吸引了两人各自的注意，我们也知道这声响一定也会吸引另一个人的注意）。从个体发生的角度说，幼儿在9～12个月大的时候，通过联合视觉注意开始建构与他人的联合行动，这通常被称为联合注意行动。这样的行动包括拿或给一个物体，将一个球滚来滚去，一起搭积木建高塔，一起收玩具，一起“读”书。尽管在人类养大的黑猩猩中，也有这种针对辨识和乞求联合注意活动的特异性尝试，托马塞洛和卡彭特（Tomasello & Carpenter，2005）并没有发现任何联合注意的行动（也没有任何其他的关于非人灵长类中联合注意的可靠报告）。
正如在联合合作活动中每个搭档都有自己的角色一样，在联合注意活动中，每个搭档也有自己的个人视角——并且知道另一个人也有她的个人视角。关键是，这种对视角的认知将假定我们在拥有不同视角的同时，要完成单一目标的联合注意 ，这也是所有接下来的事情的基础（Moll & Tomasello，2007，in press [3] ）。如果你从一所房子里的一扇窗户中伸出头来，我从与你相反方向的另一扇窗中向外看去，我们并不会有不同的视角——我们只会看见完全不同的东西。我们因此可以对个体不同视角这一认知做操作，条件是：①我们都在考虑“同一”件事，②我们都知道另一个人会用不同的方式参与。如果我用一种方式看见一个东西，然后拐弯后又以另一种方式看见了它，这并不会给我对于同一事物的两种视角，因为我并不是同时看见多个视角并可以加以比较。但是当两个人同时参与同一件事的时候——而且他们有共同的基础知道他们都在做同一件事情——那么“空间就被创造了出来”（借用戴维森的比喻）去理解生成的不同视角 [4] 。
幼儿在出生后不久，伴随着他们最早开始的联合注意行动，很快就表现出他们可以理解他人拥有和自己不同的视角。比如说，在一个实验中，成年人和儿童一起玩三个不同的物体，每一个都玩一小段时间（Tomasello & Haberl，2003）。然后，当成人离开房间以后，儿童和一名研究助理一起玩第四个物品。之后成人又回来，看到所有四件物品被放成一排，并很激动地说：“哇！好酷！看看这些！”因为有个假设是，人们只有在看到新鲜物品的时候才会很兴奋，12个月大的儿童就能辨识出是这个新物品才让成人这么兴奋——尽管四个物品对于她来说都是一样新旧的。新物品是之前我们没有一起玩的那一个。
这是一些研究者称为一级观点采择的东西，因为它只考虑到另一个人看没看见某物，而不是她是如何看见的。在二级观点采择中，儿童理解某人会以和他们不同的方式看见同一件物品。例如，莫尔等人（Moll et al.，2012）发现，3岁儿童可以理解成人会认为哪一件物品是“蓝色”，即便对儿童来说这件物品并不是蓝色——因为成人是通过一块有色滤镜看到物品的。儿童因此可以在他人视角与自己不同的时候，知晓他人视角。但是，当被问及他们和成人是否同时 以不同的方式看到了同一物体时，同一批儿童没办法正确回答。实际上，直到4岁或5岁之前，儿童一直纠结于联合注意情境下可同时具有相互冲突的视角这类问题（Moll & Tomasello，in press [5] ）。因此，4岁或5岁之前的儿童在双重命名任务（“它”同时指代一匹马 以及一匹小马驹 ）、表观现实任务［“它”同时指代一块岩石和一块海绵（Moll & Tomasello，2012）］，以及错误信念任务（“它”是在箱子或者盒子中）上都有困难。当儿童解决在联合注意任务上面临的不同视角之间的冲突，尤其是当两个人都意图描绘“现实”时，需要额外的技能才能够处理客体现实以及不同的视角与其之间的关系，这要等到我们的演化故事的下一步才能够解决 [6] 。
因此，我们来到了一个引爆点。基于早期人类与他人一起朝向联合目标进行协作任务和注意的能力，他们理解了不同个体可以对于同一情境或实体拥有不同的视角。与之相对的是，类人猿（包括人类最近的祖先）无法以相同的方式与他人进行合作，所以他们完全不理解对于同一情境或实体，什么是同时拥有不同的视角。我们因此再一次遇到了同时包含联合与个体的双重结构的问题。就如同合作活动有联合目标和个体角色的双重结构，联合注意活动也有联合注意和个体视角的双重结构。联合注意因此开启了人类与他人建构主体间世界的过程——分享但是有不同的视角——这也是人类合作交流的基础。我们可能因此设想，联合合作活动中的联合意图性，就像在很小的孩子中显现出来的，是人类演化中社会分享认知的最基本的形式——这已经是早期人类的特点了——而且这种社会分享认知的基本形式引出了一种同样原始的视角式建构认知表征的方式。
