Поскольку жесты привлечения внимания функционируют иначе, чем жесты интенциональных действий, их усвоение также происходит по-другому. Они не связаны ни с какой конкретной социальной деятельностью, и поэтому не могут быть ритуализованы непосредственно при многократном повторении поведенческих актов (также нет никаких доказательств, что эти жесты являются результатом подражания). Вместо этого работает другой механизм. Жесты усваиваются обезьянами, когда они хлопают по земле или швыряют предметы, не преследуя никаких коммуникативных целей. Подобные действия, разумеется, привлекают внимание окружающих, и обезьяна замечает этот результат, а впоследствии активно использует. Будучи однажды усвоенным, жест привлечения внимания может применяться очень широко для достижения самых разных социальных целей, таких, как игра, груминг, уход за детенышем и так далее. И именно эта иеспецифичность является в данном случае по-настоящему новой. Коммуникант хочет, чтобы реципиент осуществил некоторое действие — мы можем назвать это его
Наконец, очень важно, что обезьяны часто составляют последовательности из жестов, включая в них как интенциональные движения, так и жесты привлечения внимания. Систематическое изучение этого явления, однако, не выявило никакой «грамматики» в том смысле, что новые комбинации жестов не приобретают новые коммуникативные функции или «значения» (Lieball, Call, Tomasello 2004). Скорее всего, происходит следующее (и это предоставляет еще одно доказательство в пользу гипотезы о целенаправленной природе жестовой коммуникации человекообразных обезьян): коммуникант пробует сделать один жест, отслеживает реакцию реципиента, и, если это необходимо, повторяет попытку или использует другой жест. Это свидетельствует о том, что обезьяна настойчиво стремится достичь цели, применяя при этом по мере необходимости различные средства, что является прототипом целенаправленного действия; однако это не служит доказательством существования у нее каких-либо грамматических или комбинаторных способностей.
Принципиально важное различие между голосовой и жестовой коммуникацией заключается в том, как участники коммуникации отслеживают в процессе общения направленность внимания друг друга. В случае голосовой коммуникации практически никакого отслеживания не происходит. Чаще всего коммуникант просто выражает свою собственную эмоцию, и поэтому его крик слышен на всей окружающей территории и не предназначен ни для кого конкретно. Напротив, жестовая коммуникация в большинстве случаев осуществляется через зрительный канал; она пространственно направлена на конкретного индивида, а для этого коммуниканту необходимо удостовериться, что зрительное внимание реципиента направлено на него, иначе жест окажется бесполезным. В свою очередь, реципиент, чтобы понять, надо ли ему отвечать на жест или нет, должен определить, был ли данный жест предназначен для него или для его соседа.