Az adaptív nyelvi tevékenység jellemzése során arra jutottunk, hogy a nyelvi szimbólumok alkalmazásának lényegi feltétele a közös figyelmi jelenetekben való részvétel társas kognitív képessége. A közös figyelemre a csecsemők már kilenc hónapos koruk körül képessé válnak: a másik figyelmének követése és irányítása ekkor még ún. „protoszimbolikus” deiktikus gesztusok (tekintet, mutatás) alkalmazásával történik (Tomasello 2002, 2003, 2011; Sinha 2005). E rámutatásos gesztusokkal ugyanúgy valaki irányítja valamire valakinek a figyelmét, mint a tapasztalatokat rugalmas módon fogalmilag megkonstruáló, a rámutatásos gesztusoknál lényegesen nagyobb fokú kidolgozottsággal és szisztematikus elrendeződéssel jellemezhető nyelvi szimbólumokkal. A nyelvi szerkezetek és műveletek így nem egyszerűen csak olyan általános kognitív képességek megvalósulásaiként írhatók le, mint amilyenek a sematizáció vagy a kategorizáció, hanem olyan általános társas kognitív képességek megvalósulásai is (Croft 2009: 413–414), mint amilyen a közös figyelem és a hozzá kötődő biokulturális adaptáció.