类人猿有大量社会认知技能来理解其他个体的行为意图，但是它们没有任何形式的联合注意。因此，类人猿理解其他猿有目标，它们有时甚至帮助其他猿实现目标（Warneken & Tomasello，2009），但是它们不会和其他个体以联合目标的形式合作。类似的，类人猿理解其他个体可以看见实物，所以可以追随其他猿的视线方向看到它们之所见（Call & Tomasello，2005），但是它们不会与其他猿进行联合注意。类人猿可以做出基于自我监控的个体决策，但是它们不会与其他猿做联合决定，或者通过其他猿的社会评价来监控自我。在当前考虑的主题中，早期人类第一次浮现出来的，是一种“我们”意图，两个个体在其中卷入了彼此的意图状态，它既是联合的也是递归的。
这种新形式的联合卷入是“第二人”的：是“我”和“你”的卷入。“第二人”的卷入有两个小特点：
（1）个体直接参与到社会互动中去，而不只是在外观看；
（2）互动是与另外一个特定的个体一起的，两个人形成了一个二元关系，并不是像群体那样更广泛的东西（如果有多人在场，就是有很多二元关系，但是并不是群体的概念）。
对于“第二人”卷入的其他特点的观点不那么一致，但是达沃尔（Darwall，2006）提出，③这种类型卷入的本质是“相互承认”，在其中每个搭档会对另一个人付出，也期待另一个人的给予，作为一个平等个体，带着一定程度的尊重——从根本上说是搭档间的合作态度。
而且，演化的假设是，早期人类——也许是40万年以前的海德堡人 ——演化出可以进行联合注意的技能和动机，将类人猿的平行群体活动（如你和我每个人都平行地猎捕猴子）转化成真正的联合合作活动（如我们一起猎捕猴子，每个人扮演不同的角色）。他们也将类人猿的平行观察行为（如你和我各自看着香蕉）转化成真正的联合注意（如我们一起看着香蕉，每个人带着自己的视角）。不过早期人类并不是以现代人的方式这么做，不像由相对恒定的文化习俗和约束表现出来的那样。相反，他们最早的合作活动是临时和某个特定之人在特定情境下为了特定目标的合作，他们的联合注意与这种“第二人”的方式是类似的结构。因此与搭档之间存在“第二人”的联合卷入，但是当这个合作结束，“我们”意图也就随之结束。
这种类型的体验不断重复，认知模型图式化，因此形成了双重结构，其关键在于，当与另一个特定搭档进行直接的社会互动时，既有共享性也有个体性，在这种活动背后支持它的是某种共同背景和递归式的读心（见图3-1）。这种“第二人”、双重社会投入的认知模型是几乎所有人类独有特性的基础。它提供了联合注意的架构，可以让人类产生形式独特的、涉及意图和观点推理的合作交流——在接下来的章节中也会看到——而且，最终，它提供了文化习俗、规范、制度的基础，是这些让人类这一物种变成了今天的现代人——我们也会在下一章看到。
图3-1 联合合作活动的双重结构
