Эволюцию языка Томаселло представляет следующим образом. У далеких предков человека (как и у современных человекообразных обезьян) были жесты, привлекающие внимание (например, похлопать по земле, чтобы сородичи услышали и обернулись), и движения намерения (представляющие собой начальные фазы соответствующего действия). Эти приматы могли понимать чужие цели и намерения, знать, что другой особи видно или слышно, а что нет, и т. п. Потом постепенно возникают совместные цели и намерения, общее поле внимания, понимание того, что́ известно другому (в том числе того, что́ этот другой знает о знаниях окружающих). Жест сам по себе несет не слишком большое количество информации, и, чтобы верно понять намерение «говорящего», необходимо иметь достаточно много общих с ним знаний (и знать, что эти знания действительно являются общими). Томаселло приводит такой пример (из современной жизни): если некто идет с девушкой по территории университета и, проходя мимо библиотеки, указывает ей на один из велосипедов, стоящих около входа, то для того, чтобы понять, что́ имеется в виду, девушка должна знать не только то, что этот велосипед принадлежит ее бывшему приятелю, с которым она теперь избегает встреч, но и то, что вся эта информация известна ее спутнику, — если она не знает, что он знает об этом, она не сумеет верно интерпретировать его жест (а он, если не знает, что она знает, что он это знает, вряд ли станет указывать ей на этот велосипед). Разумеется, в древности ситуации были другими, но способность знать о знаниях другого сыграла чрезвычайно важную роль в становлении языка. Далее появляется стремление к кооперации (в том числе в общении) и ожидание кооперативного поведения от партнеров по коммуникации, желание информировать других — и в конце концов формируются общественные нормы.

Именно возможность иметь совместные цели, стремление к сотрудничеству и взаимопомощи Томаселло считает главными движущими силами, приведшими к появлению человеческого языка. Он специально отмечает, что язык не мог быть предназначен для обмана сородичей^{1087}: в такой ситуации никто не стал бы тратить усилия, стараясь понять, что сообщает отправитель сигнала, и язык не возник бы. Скорее, развитие языка шло вместе с когнитивным развитием, вызванным необходимостью объяснять, предсказывать и контролировать поведение сородичей^{1088}.

В ходе эволюции сначала жесты, привлекающие внимание, сменяются указательными жестами, затем движения намерения превращаются в пантомиму; в конце концов формируется конвенциональный звуковой язык, в котором место пантомимы занимают знаменательные слова, а место указательных жестов — служебные.