A címben feltett kérdésre sokféle válasz született: a beszéd, a munka, a hit vagy egyszerűen a gondolkodás különbözteti meg az embert az állatoktól, még legközelebbi főemlős rokonaitól is. Valójában azonban a különbség egyszerre sokkal kisebb és nagyobb is, mint első pillantásra tűnik. Az ember génállománya több mint 99 %-ban azonos a csimpánzéval, ráadásul a tipikusan emberinek tartott tulajdonságok jó részének megtalálható a párja vagy előképe a majmoknál. Ugyanakkor a különbség mégis nagyobb, hiszen a majmok semmilyen körülmények között sem nevelhetők emberekké, még csak nem is visszamaradott vagy gyermeki lények, hanem nem rendelkeznek az ember kognitív képességeivel. Hogyan fejlődött az ember emberré? Ezt a kérdést vizsgálja Michael Tomasello pszichológus és evolúcióbiológus Gondolkodás és kultúra (Osiris, Budapest,2002, az angol eredeti: The Cultural Origins of Human Cognition, Harvard, Cambridge-London, 1999) című könyve. A kiindulási pont egy rejtély: az ember törzsfejlődési vonala hatmillió éve vált el a főemlősökétől, de eltérő fejlődést csak kétmillió éve mutat, drámai eltérések pedig csupán az utóbbi negyedmillió évben mutathatók ki. Ez az idő kevés ahhoz, hogy mutáció és szelekció révén alakuljon ki ennyi különbség. Tomasello hipotézise az, hogy egyetlen evolúciós változás áll a háttérben, mégpedig az, hogy az ember képes társait magához hasonló szándékokkal rendelkező lénynek (intencionális ágensnek) tekinteni, ezért képes és hajlandó tanulni, a többit pedig elvégezte a kumulatív kulturális átadás. Tekintsük végig, mit jelent mindez a törzsfejlődés, az egyedfejlődés és a kulturális átadás terén.

Mint említettem az ember törzsfejlődése nem vált el olyan régen a majmokétól, hogy elegendő idő lett volna több kognitív adaptáció kialakulására. Hogyan is nézne ki az egyetlen genetikai változás, a fajtársak intencionális ágensként való felismerése? A csimpánzok képesek felismerni, ha fajtársaik olyat tesznek, amit ők is hasznosíthatnak. De ez inkább arra hasonlít, ahogy az élettelen környezet változásait hasznosítják. Ha egy fa kidől, és ehető rovarok kerülnek felszínre, az nem különbözik számukra attól, mint ha valamelyik másik csimpánz hengerít odébb egy fatörzset. Azaz igyekeznek reprodukálni az eseményt, de nem értik, hogy emögött szándék állna. Ezért magát a mozdulatsort nem másolják pontosan, csupán az eredményt akarják saját képességeik szerint elérni. Ez sok esetben hasznos, hiszen így nem tanulnak meg felesleges vagy nem hatékony dolgokat, de egyben lehetetlenné válik a sikeres stratégiák továbbadása is. Míg az emberi populációk egyedi kultúrákkal rendelkeznek, addig ez a majmoknál alig figyelhető meg. Egy-egy „találmány” elterjedése esetleges, lassú és a legtöbb esetben a következő generációban kihal. Ennek a másik oldala az, hogy arra sem tesznek kísérletet, hogy tudatosan oktassák egymást, azaz a tanulás maga is véletlenszerű.

Az egyedfejlődés szintjén ez azt jelenti, hogy az embergyerek hosszú ideig magatehetetlen ugyan, de képes tanulni. A forradalmi változás a kilenc hónapos kor körül jelentkezik (egyébként ennek hiánya, az autizmus is ekkor jelenik meg: az a genetikai hiba, ami megnehezíti vagy akár lehetetlenné is teszi a másik szándékainak felismerését, ezzel az autista ember kizárja magát a közösségből és a tanulásból). Az ilyen korú gyerekek a felnőttel való közös figyelmi jelenlétet igénylik, azaz közösen akarnak megfigyelni dolgokat, manipulálni azokat és kommunikálni a szándékaikról. A gyerekek pontosan próbálják másolni a felnőttek cselekedeteit, de az is kimutatható, hogy ez nem automatizmus, hanem az a felismerés van mögötte, hogy a felnőtt nem véletlenül választotta az adott stratégiát. Utána pedig, mivel felismerik a szándékot, képesek lesznek elvonatkoztatni is, azaz egy adott tárgyat vagy cselekményt hasonlóság alapján felismerni (egy kísérletben a felnőtt csészét helyezett a fejére, és a gyerek odaadta a kalapot). Ez a képesség teszi aztán lehetővé, hogy kialakuljanak közös, egyezményes jelzések. A másik oldal itt pedig az, hogy az emberi felnőtt tudatosan tanítja gyerekét, felmutat és megnevez tárgyakat, bemutat és imitál mozdulatokat.

Az eddig elmondottakból kirajzolódik, hogy ez az egyetlen kognitív képesség tette lehetővé, hogy az ember a kulturális átadás (tanítás-tanulás) segítségével kumulatív módon halmozzon fel ismereteket és készségeket. Minden emberi populáció rendelkezik nyelvvel, ami ezt jelentősen megkönnyíti és felgyorsítja. Ez azért lehetséges, mert maguk a jelek válnak egyezményessé és strukturálttá. Az állatok kommunikációja vagy egyszerű (egy hangjelzés komplex közlés, pl. menekülni kell, mert ragadozó közeledik), vagy pedig csak az egyedre jellemző (a csimpánz megtanulja, hogy fajtársa hogyan fejezi ki valamilyen érzelmét, de ezt nem utánozza, így az nem válik közössé). Az ember azzal, hogy pontosan másol, eléri azt, hogy a „találmányok” fennmaradjanak. Ugyanakkor a későbbiekben ezt képes módosítani, és a módosított, hatékonyabb változatot továbbadni. Sőt, mivel felismeri, hogy fajtársai is ugyanarra törekednek, és egyezményes jelekkel kommunikálni is tud velük, ezért a fejlesztés közösségi cselekmény is lehet. Az elméletnek ezen a ponton azonban vannak még nem kellőképpen megmagyarázott elemei. Nyelvvel ugyanis minden emberi populáció egyformán rendelkezik, sőt minden egészséges egyed majdnem hasonló szinten használja is azt, de pl. a matematikai képességek terén nagy az eltérés az egyes populációk és az egyes egyedek között is. Ennek ugyan lehet az az oka (Tomasello így magyarázza), hogy a fejlett matematika később alakult ki, de a különbség itt mégis nagyobbnak tűnik.