黑猩猩也有FOXP2基因，老鼠和猴子也不例外。仅仅拥有该基因并不能使人会说话。事实上，该基因在所有的哺乳动物体内都是相似的。斯万特·帕珀（Svante Paabo）发现，在数千代的小鼠、猴子、红毛猩猩、大猩猩和黑猩猩的体内都有FOXP2基因，因为它们共有同一个祖先，该基因只有两个变化可改变其蛋白质产物——一个变化出现于小鼠的祖先，另一个出现于红毛猩猩的祖先。然而，也许拥有该基因独特的人类版本就是言语的先决条件。自人类与黑猩猩展开进化分离以后（仿佛是昨天的事），就已有两个变化改变了蛋白质。而且，来自少量沉默突变的证据巧妙地说明，这些变化发生的时间并不久远，它们也是“选择性清除”的对象。这是一个专业术语，指将基因的其他版本迅速抛置一边。在20万年前的某个时候，FOXP2基因的一个突变版本在人体内发生了一个或两个关键的变化，这个突变版本由其主人复制给子孙后代，也就是如今人类的祖先。因而，人类这个物种中的FOXP2基因只有这一个版本，所有之前的其他版本都已被清除。
在蛋白质构造的第325个位置上（共有715个），两个变化中至少有一个，以一个精氨酸代替一个丝氨酸分子，它几乎彻底改变了这个基因的开启和闭合。它可能允许该基因首次在大脑中某个区域开启，这又转而允许FOXP2做出新的事情。记住，动物进化是通过给同样的基因赋予新的任务来实现的，而并非是长出新的基因。必须承认，没有人确切知道FOXP2究竟做了些什么，也不知道它如何让语言得以产生，因此我也只是在做推测。仍然有可能的情况是，并不是FOXP2让人类可以说话，而是言语的出现给基因组上帝带来压力。于是，出于某种未知的原因，基因组上帝让FOXP2产生突变：该突变是结果而非原因。
但是，既然我已越过已知世界的边缘，那么我就和盘托出我对FOXP2如何促使人类说话的最好猜测吧。我猜想，在黑猩猩体内，该基因有助于将负责控制手部活动的大脑区域和大脑中各个感知区域连接起来。在人体内，它额外的活动期允许它连接到大脑中其他区域，包括负责控制嘴部和喉部活动的区域。
我这么想是因为，也许FOXP2和里佐拉蒂所说的镜像神经元之间有某种联系。在里佐拉蒂做的抓握实验中，志愿者的大脑中的一个活跃区域，称为44区，对应着猴子大脑中发现镜像神经元的区域。该区域属于有时被称为“布罗卡区”的一部分，这使情况更为复杂了，因为布罗卡区是人脑的“语言器官”的一个关键组成部分。在猴子和人类大脑中，该区域不仅负责舌头、嘴唇和喉部的活动（这就是大脑该区域中风的人无法说话的原因），还负责手和手指的活动。布罗卡区同时负责言语和手势。
此处，有一条解开语言本身真正起源之谜的重要线索。近年来，一个非同凡响的观点在许多科学家的思想中成形。他们开始猜测，人类语言最初是由手势而非言语传递的。
这个猜测的证据来自许多不同的方面。首先，有这样一个事实，猴子和人类大脑中负责发出“喊叫”的区域，与人类大脑中产生语言的区域完全不同。一般猴子或猿发出的全部声音有几十多种，一些用以表达情感，一些用以指代特定的捕食者，等等。它们都由大脑中靠近中线的一个区域指挥。该区域也指导人类的呼喊：恐惧地尖叫、高兴地大笑、吃惊地喘息以及不由自主地骂喊。一个人会由于颞叶中风而不能说话，但他仍可以流利地呼喊。事实上，一些失语症患者仍可以起劲地叫骂，但他们却不能活动自己的胳膊。与之不同，“语言器官”位于大脑的左侧，跨过颞叶和额叶之间的大裂谷——大脑外侧裂。这是一个运动区，在猴子和猿类大脑中用以控制手势、抓握和触摸，以及脸部和舌部运动。大多数的大猿类在做手部运动时偏爱用右手，于是黑猩猩、倭黑猩猩和大猩猩的大脑左侧的布罗卡区更大一些。
大脑中的不对称——在人类大脑中更为明显——其出现的时间必定早于语言的产生。语言由左脑控制，并不是因为左脑越长越大可以容纳语言，更为合理的解释是，语言接受左脑掌管是因为一个人所做的主要手势也是由左脑控制的。这是一个美好的理论，却很难解释以下这个事实。成年人学习手语时的确使用左脑；但以手语为母语的人却同时使用左脑和右脑。语言的左脑有专门用途，在说话方面比在手语方面表现得更为明显——这与手势理论预测的情况恰恰相反。
支持手势语言首位的第三条线索是，人类有通过手部活动而非声音来表达语言的能力。人们说话时或多或少总会使用一些手势——即使是在打电话时，或那些生来就失明的人在说话时也会如此。失聪者所使用的手语曾被认为是用手势模拟动作的一出哑剧。然而，1960年，威廉·斯多基（William Stokoe）意识到，手语也是一门真正的语言：它使用抽象的符号，具有内在的语法体系，其复杂程度绝不亚于口头语言，有句法、词形变化和语言所有的其他要素。手语的其他特征也与口头语言十分相似，例如，学习两者的最佳时间都是在幼年时的关键期，两者都是以同样的建构方式习得的。事实上，如同口头的洋泾浜语只有在孩子这一代学会后才可转变为有完整语法的克里奥语一样，手语亦是如此。说话只是语言器官的一种输送机制，对此最后一个证据是，如果失聪者中风影响的大脑位置和引发听力正常者说话障碍的中风所患位置相同的话，这些失聪者的手部也会“失语”。
然后，化石记录也可以说明一些情况。在500多万年前，人类祖先与黑猩猩祖先进化分离以后，所做的第一件事就是用两足站立。直立行走伴随着骨骼大规模的重组，发生在100多万年以前，之后才有大脑扩大的迹象。换句话说，我们的祖先解放双手去抓握物体或做手势，远远早于他们开始以不同于其他猿类的方式思考或说话。手势理论的一个美妙之处在于，它即刻就可说明为什么人类拥有语言，而其他猿类却没有。双足直立解放的双手不仅可以用来拿东西，也可用于交谈。大多数灵长目动物的前肢都忙于支撑身体，无暇顾及交谈。
罗宾·邓巴（Robin Dunbar）提出，语言取代了猿群和猴群中的互相理毛——这是一种维持和发展社会关系的方式。事实上，猿类运用灵活的双手在同伴的毛中找出虱子，可能至少与他们用双手摘果实一样频繁。在以大型社会群体生活的灵长目动物中，互相理毛成为一件它们会花大量时间去做的事。狮尾狒会用20%的清醒时间给彼此理毛。邓巴说，人类自古以来也生活在大型群体中，于是有必要发明一种类似梳毛的能让许多人同时建立社会关系的方式：语言。邓巴注意到，人类使用语言不仅为了交流有用的信息，更主要是为了社会闲聊：“地球上这么多的人花费这么多的时间在意义不大的闲谈上，这到底是为什么？”
我们可以反过来想想梳毛——闲谈的观点：如果第一批早期原始人使用手势闲聊，那么他们一定会忽略本来要给对方梳毛的任务。如果你用手交谈，你就不能一边梳毛一边嚼肉。我忍不住想要说，手势语言给我们的祖先带来一种个人卫生危机，若想解决这个危机，他们就必须进化到不再满身都是长毛的程度，而且开始穿上可更换的衣服。但是某个犀利的评论家一定会谴责我只是在讲故事，所以我收回刚刚的想法。
根据少量化石记录，我们了解到，与手指灵活度不同，说话出现在人类进化中较晚的时期。1984年，人们在肯尼亚发现了有160万年历史的纳利奥克托米人的骨架，其颈椎空间只能容纳一根狭窄的脊髓，和猿类的差不多，其宽度只有现代人的一半。现代人需要一根宽脊髓来提供神经给胸部，从而紧密控制说话时的呼吸。
人们在之后发现了其他直立人（Homoerectus）的骨架，其喉部和猿类的高度相似，但它可能无法适应复杂的言语需求。言语的特征出现得如此之晚，以至于许多人类学家忍不住推测，语言是一个近期的发明，大约在7万年前才初露头角。
然而，语言和言语不是同一回事：句法、语法、递推和词形变化也许在古时候已经出现，只不过它们通过双手而非声音得以表达。也许，不到20万年前发生的FOXP2基因突变，并非代表人类创造出语言的时刻，而代表了人类用嘴和双手来表达语言的时刻。
与之不同的是，人类手和胳膊的特征在早期的化石记录中就得以体现。350万年前的埃塞俄比亚人露西已拥有长长的拇指，手指根部和手腕处的关节也已经改变，这些变化让她可以用拇指、食指和中指一起抓握物体。她的肩部也有变化，可以让她举手过肩投掷东西；她直立的骨盆可以让她绕着体轴快速扭动身体。这三个特征都是人类抓握、瞄准和投掷小石块的技能所必需的——这已超出黑猩猩的能力之外，它们的投掷只是些随机瞄准的低手位动作。
人类的投掷是一项不同寻常的技能，需要许多关节的旋转在时间上精确配合，而且发出动作的时间也要准确无误。计划这样一个运动所需要的不只是大脑中的一组神经元的活动；它还需要大脑中各个区域的协调。也许正如神经科学家威廉·加尔文（William Calvin）所言，正是这个“投掷计划者”发现，自己适合执行由早期语法规定的按次序发出手势的任务。这可以解释为什么由弓状束连接的大脑外侧裂的两边，与语言相关。
无论是投掷、制作工具还是手势，它们中的一个首先让大脑中的外侧裂周边区域在偶然间预先适应了符号交流，毫无疑问手在其中发挥了作用。正如神经学家弗兰克·威尔逊（William Wilson）所抱怨的，我们很久以来一直忽视了人手是人脑的一个塑造因素。手语研究的先驱者威廉·斯多基提出，手势可以代表两种不同类型的词：基于形状的物体和基于运动的动作，由此区分出名词和动词，这在所有的语言中都广为存在。如今，人们发现颞叶与名词表征功能相关，跨过大脑外侧裂的额叶与动词表征功能相关。它们的同时出现将符号和记号组成的原始语转变成为真正有语法的语言。而且，也许是双手，而非声音，首次将它们结合到一起。直到后来，也许人们为了可以在黑暗中交流，才让语法渗透到说话中。斯多基在2000年完成一本有关手的理论的著作后不久便去世了。
你大可以在历史细节上吹毛求疵，我也不是手语假设的冥顽信徒，但我认为这个故事的美妙之处在于，它将模仿、双手和声音展现在同一幅图中。这些都是人类发展文化的必要特征。模仿、动手和说话是人类格外擅长的三件事。它们不仅对文化极为重要：它们就是文化。文化意味着以人工制品来表达行为。如果歌剧是文化，那么《茶花女》就是模仿、声音和手指灵巧度的精妙结合（手指灵巧度体现在制作和弹奏乐器方面）。这三者结合起来形成了一个符号系统，于是心智就可以在思想上，以及在社会交谈和技术方面展现任何东西，从量子力学到《蒙娜丽莎》，再到汽车。但也许更重要的是，它们还带来了其他心智的思想：它们使记忆外在化。它们使人类从社会环境中习得更多的东西，远远超过他们的期望值以外。离我们很远并很久的某个人所拥有的词汇、工具和思想，都是每个如今出生的人所能继承的一部分。
无论手的理论是否正确，许多人都同意，符号使用在大脑扩展过程中发挥了核心作用。文化本身可得到“继承”，并可选择基因改变来适应自身。在基因——文化协同演化理论方面研究最多的三位科学家这样说：
这是一个由文化引导的过程，在漫长的人类演化历史中发挥作用，可轻易导致人类心理倾向的根本改变。
语言学家和心理学家特伦斯·迪肯（Terence Deacon）提出，在某个时候，早期的人类将模仿能力与移情能力结合到一起，由此产生了一种通过抽象符号表达想法的能力。这让他们可以在说话时提及任何想法与不在场的人和事，因而发展起愈加复杂的文化，这又转而给他们施压，于是他们的大脑在进化中越长越大，以便通过社会学习来“遗传”文化的各种内容。因此，文化与真正的基因进化齐头并进，展开协同演化。
苏珊·布莱克摩尔（Susan Blackmore）秉承理查德·道金斯的文化基因的理论，将其推向新的方向。道金斯是这样描述演化的，“复制者”（通常指基因）为了争夺“载体”（通常指身体）而相互竞争。优秀的复制者必须有以下三个属性：忠诚度、繁殖力和长久性。如果同时具备这三个属性，那复制者之间的竞争、差别生存和由此产生的渐进改良的自然选择，就不只是可能发生，更是必然的。布莱克摩尔提出，文化中的许多观点和单位都足够持久、繁殖力强并高度忠诚，因而它们展开竞争以占据更多的大脑空间。于是各种词汇和概念带来了选择压力，从而推动大脑的扩展。大脑越善于复制观点，身体长得就越好。
合乎语法的语言并非直接源于任何生物必然性，而是由于文化基因通过增加自己的忠实度、繁殖力和长久性，从而改变了遗传选择的环境。
人类学家李·克朗克（Lee Cronk）举了一个文化基因的好例子。耐克鞋业公司曾做过一个电视广告，其内容是一群东非的部落成员穿着耐克的登山鞋。在广告最后，一个男人面向摄像机说了一些话。这时字幕显示“就要这个”（Just do it），这是耐克的宣传口号。耐克的运气实在不好，因为李·克朗克看到了这个广告，而他懂得肯尼亚马赛语的桑布鲁方言。其实广告中那个男人说的是，“我不想要这双，给我大一点的鞋子。”克朗克的妻子是一名记者，她将这个故事写了出来，很快它就登上了《今日美国》（USA Today）的头版，并成为今夜秀节目主持人强尼·卡森的脱口秀内容。耐克公司送给克朗克一双鞋，克朗克后来去非洲时将其送给一个部落成员。
这是一场常见的跨文化闹剧。1989年，它的热度维持了一周，很快人们便将其遗忘。但几年以后，随着互联网的飞速发展，克朗克的故事很快被登在某个网站上。从那以后，这个故事广为传播，编辑将日期抹去，让它仿佛成为一个新故事，于是如今每个月都会有人询问克朗克此事。这个故事的寓意是，文化基因需要一个中介得以复制。人类社会在这一点上做得很好；互联网做得更好。