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.
За двадцать лет наших исследований жестов человекообразных обезьян мы неоднократно фиксировали тот факт, что обезьяны жестикулируют, учитывая направленность внимания реципиента — в том смысле, что жесты, предназначенные исключительно для зрительного восприятия, производятся лишь тогда, когда реципиент уже обращен лицом к коммуниканту (для обзора см. Call, Tomasello 2007). Повинелли и Эдди (1996) провели несколько известных экспериментальных исследований, где коммуникант-шимпанзе был вынужден выбирать между двумя потенциальными реципиентами-людьми, один из которых не мог его видеть, например, потому что на его голову надето ведро. Было показано, что в таких случаях коммуникант показывает жест выпрашивания сразу обоим людям. Отсюда следует, что способность оценивать направленность внимания окружающих у шимпанзе развита слабо. Однако необходимость выбрать одного адресата жестов из нескольких — это крайне неестественная коммуникативная ситуация. Если изменить экспериментальную парадигму таким образом, чтобы обезьяне больше не нужно было выбирать (если в каждой отдельной пробе шимпанзе будет иметь дело только с одним человеком, который то может ее видеть, то нет), то результаты существенно улучшатся, хотя обезьяны, в отличие от человеческих младенцев, все-таки не обращают особого внимания на глаза реципиента (Kaminski, Call, Tomasello 2004). Кроме того, в других исследованиях, не направленных на исследование коммуникации, было самыми различными способами показано, что человекообразные обезьяны понимают, что другие видят, а что — нет, например, когда соперничают друг с другом из-за чего-либо или прячут предметы от соперника-человека (для обзора см. Tomasello, Call 2006).