显而易见，同其他物种相比，人类的思维有一定的独特性。但传统思维理论往往很难描述这种独特性，这主要囿于此类理论的预设假定：思维过程的很多重要成分是演化的产物。所以，本书主要着眼于人类思维的社会性层面内容。在此前提下，我们可以说，虽然很多物种可以在一定程度上对情境和实体进行抽象表征，但只有人类能够对同一实体或情境进行不同甚至相互冲突的表征（最终使人类的“客观”感成为可能）；相似的，虽然很多动物能够对外界事件进行简单的归因和意图性推断，但只有人类能够对自己或他人的意图进行社会递归和自我反思性推理；虽然很多动物能够监控和评估自己的“功利性”行为（如猎食——译者注），但只有人类能够从他人或社会规范（标准）的角度进行自我监控和评估。这些基本的社会性差异让我们得以标定人类的不同思维方式，为简略起见，我们把其称为“客观-反思-规范性思维 ”（objective-reflective-normative thinking）。
在本书中，我们将尝试重新建构人类“客观-反思-规范性思维”的演化起源，这里我们提出“共享意图假设 ”（shared intentionality hypothesis），用以解释人类思维具有的独特性表征、推理及自我监控机制。依据该假设，我们认为，人类的独特性思维是为了解决社会协调问题，尤其是处理个体尝试同他人合作和沟通过程中所带来的压力这些适应的产物。尽管人类的祖先类人猿是社会性动物，但它们常常独自生活，同时个体之间更多的是竞争关系，所以它们的思维更多围绕着个体目标的达成。相比而言，早期人类生存的生态环境已经迫使人类转向合作的生活方式，这使得人类的思维更多地服务于如何同他人合作，以便达到共同或群体目标，而恰恰是这种变化，造就了人类的不同。
人类思维的演化有两个关键步骤，第一步对应了诸如米德和维特斯根斯坦这类社会基底理论家们的观点，主要涉及人类狩猎过程中小范围合作的出现。个体在这种合作性狩猎过程中建立起共同目标和联合注意，使得群体生活过程中个体角色和视角的确立成为可能。为了更好地协调这些被赋予的新角色和思考问题时的视角，人类演化出指示和手势语（pantomiming） [2] 这类新的合作交流形式。在这种交流中，个体首先发出同合作任务相关的注意或意向性想象信号，接收到该信号后，他的伙伴则会推论信号所包含的社会性意图。为了对这个过程进行自我监控，信息发出者必须提前模拟发出的信息可能引发信息接收者的推理反应。源于这个层面上的合作和沟通发生于事后个体之间，也就是说它是从第二人的视角评估“我”和“你”之间的社会参与，我们可以把这整个过程称为“联合意图性 ”（joint intentionality），具体到思维过程中，则涉及观点与符号表征、社会递归性推理以及“第二人”视角下的自我监控。
演化的第二步对应了维果茨基和巴赫金（Bakhtin）这类文化理论家们的关注焦点，它伴随人类规模扩充及个体间竞争的加剧而产生。竞争意味着人类群体生活中需要合作的活动增多，逐渐形成规模更大同时更为持久的共享世界，也就是说，“文化”开始出现。随之而来的文化群体内部成员群体性思维的压力则需要人类发展出一种新能力，以便利用文化约定、文化规范、文化制度等内容建构共同的文化 基础。作为这个过程的一部分，合作性沟通更多地转向习俗化语言沟通。在群体决策过程中的合作化沟通阶段，个体可以在群体规范框架内通过约定性语言解释并论证自己的观点，这意味着，这时的个体已经可以从群体的角度进行“客观”推理，由于这时的合作和沟通已经开始变得约定化、习惯化和规范化，我们把其称为“集体意图性 ”（colletive intentionality）。具体到思维过程中，它不仅包含符号和视角性表征，亦包括习俗性表征和“客观性”表征；不仅包含递归性思维，亦包括自我反思性推理和理性推理；不仅包含从“第二人”的角度进行自我监控，亦包括基于文化规范的自我管理。
值得注意的是，上面提到的人类思维进化史上的两个重要阶段，并不意味着我们今天的思维已经固化且不能改变。即便现在的儿童，如果在孤岛上长大，他也不会自己自动地发展出完整的人类思维过程。相反，儿童生来便具有对合作、沟通、以某种特定方式（演化仅选择那些有适应价值的行为）向他人学习的适应性。但只有在成长过程中，儿童通过与其他个体不断的互动练习才能发展出新的表征模式，以及像维果茨基学派认为的那样通过内化同他人协调性互动经验而发展出新的推理可能性。这与类人猿通过合作和集群创造新技能有着本质的不同，是一类新的合作性认知和合作性思维。
接下来的章节我们将讲述一个人类思维如何出现的故事（或者说一段自然史）。故事将以我们的祖先类人猿作为开头，继而对早期人类合作和沟通的独特方式进行阐述，最后以揭示现代人类和他们的基础文化及语言存在状态作为结尾。
[1] 这里的“第一系统加工”和“第二系统加工”分别对应于卡内曼（Kahneman，2011）提到的系统1（system 1）和系统2（system 2）里面的认知加工模式。——译者注
[2] 这里指以手的动作和面部表情表达思想、进行交流的手段，多伴有躯体动作。在本书中，做名词时译为手势语，做动词时译为打手势。——译者注
