非人灵长类和其他哺乳类认知上最明显的区别是，他们复杂的社会认知技能，这一观点现在已被广泛接受。例如，邓巴（Dunbar，1998）向我们表明了与灵长类大脑体积相关性最强的不是它们的物理生态，而是社会群体规模（作为社会复杂性的指示）。但灵长类的特殊社会认知技能（如它们的马基雅弗利智力）主要针对竞争，在竞争中，它们会记录群体中所有的各种各样的支配关系及依附关系，因为这可能影响针对食物和配偶的竞争。
这样，问题就出现了：我们这里所指出的人类的特殊认知和思维技能是否可能源于竞争？从演化功能水平上来说［终极原因（ultimate causation）］，根据定义，这几乎可以认为是真实的，因为比其他个体有更多的后代就是演化成功的定义。但从近因水平（proximate mechanism）上来说，我们认为视角性认知表征、社会递归推理和社会性自我监控可能不是直接从竞争背景中产生的。确实，在理论上，个体通过读心（mind reading）中的一种军备竞赛应对竞争情境。在竞争中，个体会意识到我和我的竞争者同时都会把注意力放在同一资源上（是联合意图吗？），之后试图通过思考对方针对自己的思考会思考什么来胜过对方。但是我们必然不能完全从竞争中获得的是人类从事合作交流的独特形式。不像其他灵长类，人类实际上会用他们的交流行为去鼓励他人辨别自己的想法。因此，人类为了确定他人的目标和兴趣会考虑他人的视角，以便自己能告诉他们一些对其有帮助的事，那些接收者想要这些有帮助的信息，所以他们会全力帮助交流者理解他们的目标和利益，同时他们也希望交流者能理解他们的知识和期望，以便对方能够以一种可理解的方式表达行为。因此，人类，而不是其他灵长类动物，会在交流中合作，以使他人更易从自己的角度考虑，抑或在想要的时候甚至可以对其操控。一个类似合作过程的尤具启发性的例子涉及人类独特的身体特征。在超过200种的灵长类物种中，只有人类的眼睛方向是高度可视的（源于高度可视的巩膜）（Kobayashi & Koshima，2001），也只有人类使用这个信息，因此，当在多种对比头和眼睛方向的条件中测试时，12个月大的人类婴儿倾向于追随其他个体眼睛的方向胜于头的方向，而类人猿则只倾向于追随其他个体头的方向（Tomasello，2007b）。如果人类要具有演化来的显而易见的注视方向线索，个体必须已经具有为他人“广播”眼睛方向的一些优势。这表明在个体依赖于他人的主要合作情境中，信息会被合作性和帮助性地使用，而非竞争性和剥削性地被使用。重点在于，人类的交流行为以同一种方式服务于广播个体的内在状态，所以这也暗示了同样类型的合作（例如，“我想要一些水果”这样的合作性请求是内部愿望状态的广播；“那里有一些水果”这样的告知性表达是帮助性信息的公开提供）。这类交流在非基础性合作的环境中从来不可能是适应性稳定的，所以联合意图这样完全的类人技能永远不能从单独的竞争环境中演化出来。
毋庸置疑，人类和其他灵长类最后的共同祖先在追求个体目标过程中从事个体性思维，主要服务于为有价值的资源与群体成员竞争。沿着这个方向，他们会注意那些同目标相关的情境。早期人类个体——作为对变化着的觅食生态的反应——开始在追求联合目标过程中同其他个体组成双人联合，并共同致力于同联合目标有关的情境。作为互动单元（interactive unit）的一部分，在合作中每个参与者都有关于情境的自己的个体角色和个体视角。这种双层结构（同时具有联合性与个体性）是我们称为联合意图性 的定义结构（defining structure），同时也是所有人类共享意图随后呈现内容的基础。
问题是随着行为变得更复杂，如何协调这些协作活动，包括协商联合目标及协调两种不同的角色。解决方法是合作性交流。早期人类通过指示把合作同伴的注意引向相关情境，这需要其能够站在同伴的视角考虑和模拟同伴的思维方式（例如，基于不同的交流行为她可能被期望做出溯因跨越）。为了理解，接收者需要考虑交流者如何考虑自己的视角——这形成了一种新的社会递归推理形式。早期人类对同伴理解自己的关注，通过预期评估同伴对交流行为的理解，进一步引发社会性自我监控。在这之中，基础的认知挑战是个体自身的视角要能与同伴的视角保持协调。所以，当早期人类为了谋生从事合作性物物交换时，他们开始从同伴的视角进行沟通性的此类互动——同时在某种程度上具有自我视角的反思——而这赋予了人类认知表征和推理一种新的灵活性和力量。现在，不仅包含个体自身看待这个世界的视角，早期人类同时也可以从他人的视角看这个世界，期间亦包含他人对我的想法的视角。早期人类不仅具有类人猿的“这里”视角，亦同时具有包含“这里”和“那里”的视角。我们无法准确地知道这些早期人类是谁，但我们推测他们是40万年前的海德堡人 （Homo heidelbergensis），他们生活在会反复遇到合作同伴的松散小群体中。当然，这种早期人类并没有现代人类完整的客观-反思-规范性思维形式。虽然他们的思维不是客观的，但仍然同“我”和“你”这样的两个第二人视角相关；他们的思维只具有轻微的反思性，因为它们只能借助交流媒介外化表达很少的意图状态和认知操作（并且他们同时作为“生产者”和“理解者”仅能表现一些有限的语义内容）；他们的思维具有的社会规范性也仅仅局限于关心同伴怎样判断自己的合作行为和理解其交流行为这个层面，而不是基于群体的规范标准。因此，毫无疑问，此时的人类与现代人类具有的集体意图性以及客观-反思-规范性思维还有距离。但是，我们认为，要填补这中间的差距，早期人类联合意图和“视角-递归-社会性思维”（perspectival-recursive-socially）必须要经受“内部-之间”（in-between）这一步转换。这之所以是必需的，是因为到现代人的过渡都是关于文化习俗的创造，以及其是否朝着合作的方向——这几乎是一定的，之后当个体进行习俗化时，一些非常强的合作倾向必须已经准备在那里了。
早期人类的合作活动和合作交流一起代表了类人猿生活方式和思维这类第二人“合作化”（cooperativization）。但这些演化出来的新的第二人社会互动形式仅涉及特定场合与特定他人的“联合参与”（joint engagement），他们自己不能把这些特性泛化到合作活动之外。所以，尽管类人猿具有以新的联合意图方式生存、交流和思维为代表的前向跨越，下一步的跨越仍然是必要的，即通过习俗化和制度化几乎一切事物，对合作化认知和思维进行集体化（collectivize），也就是规范化和客观化（objectify）。
[1] 当代人类捕猎者并不是这里设想的早期人类的良好模型，因为他们已经完成了演化历史中的两个步骤，所以生活在社会规范、制度和语言中。此外，当代捕猎者拥有工具和武器，让他们能够单独捕猎（之后再分享），而我们设想的早期人类的武器更为传统，因此需要更多的协作。
[2] 当然，当代人类社会同样充斥着自私与不合作，甚至是残暴的行为与战争。这其中很多都是由于不同群体间的冲突以及私有财产和财富累积之间的竞争导致的，这一切只在农业发展之后的近10000年发生，在那之前人们在很长一段时间内都是小群体的合作捕猎者。
[3] 目前该书依然是即将出版的（in press）状态。——译者注
[4] 戴维森（Davidson）考虑的是，一种特殊的视角——信念，一种对于世界的认知表征——可能存在错误。他认为意识到这些错误的必要条件是，在社会情境中我和另一个体同时关注同样的客体或事件，但却拥有不同的观点，亦即视角。但是意识到错误导致了一个额外的考量，因为它将其中一个视角定义为正确（另一种定义为错误），这需要找到“客观”视角。而对于客观性的意识（包括对信念的意识），直到人类继续发展出中立于行动者的观点之前，是不能够为人类所用的（见第四章）。
[5] 目前该书依然是即将出版的状态。——译者注
[6] 一些研究者认为，通过指示行为的儿童早期交流的特征从认知上看太丰富了（见Gomez，2007；Southgate et al.，2007），而婴儿的交流实际上更简单些。
[7] 说谎的可能性意味着接受者需要练习“认知警觉”（Sperber et al.，2010）。因此对于正确命题的注意同样是从理解互动开始的，理解者尝试区分真实和欺骗性的交流行为。
[8] 2015年时，此篇引文的题目已改为：制定并理解交际意图（Enacting and understanding communicative intent），标记为未出版手稿（unpublished manuscript）。——译者注
[9] 这里将“force”译为“句式”，意在与“content”对应，后者译作“内容”。“force”的本意是力量、作用力，意指交流中除去内容之外的交流信息，通常以语气语调、时态情态、主动被动语句、结合上下文含义等方式表达。——译者注
[10] 出于简化的考虑，这里使用的术语与托马塞洛（Tomasello，2008）使用的有细微差异，指示行为的基础是交流性意图。这里的交流性意图包括了格赖斯（Gricean）所说的交流性意图背景中的社交意图。
[11] 一些研究者认为，通过指示行为的儿童早期交流的特征从认知上看太丰富了（见Gomez，2007；Southgate et al.，2007），而婴儿的交流实际上更简单些。
[12] 换个说法，将一个物品砸向另一个人是一回事（很多类人猿也会这么做），但要是将东西扔给另一个人并预期他能够接住，那是完全不同的另一回事（Darwall，2006），类比来说，后者才是交流者在人类合作交流过程中所做的。
[13] 一些研究者认为，有的类人猿的意图—动作实际上是以象形的方式来运作的。比如，在性或游戏情境中一只大猩猩仪式性地推搡另一只大猩猩（Tanner & Byrne，1996）。但是这些更可能只是普通的仪式性行为，而被人类形象化了，这并不是类人猿自己行为具备的功象形功能，而是为了对方的身体移动到自己想要的方向。
[14] 一些当代文化不只是一种指示行为（例如，使用食指进行指示，有些时候小指会同时展开），但我们的推测是，这源自最初的食指指示行为，也是所有儿童一开始的指示行为。
[15] 我们至今仅从合作交流中的事实情境角度，对“命题内容”进行了探讨。其中命题指的是一种交流行为，是习俗语言交流完整清晰的表达。
