Даже первые человекообразные обезьяны, существовавшие почти 20 миллионов лет назад, вероятно, применяли для коммуникации различные звуки. Скорее всего, они пользовались вариациями тона, ритма и высоты тембра – так родилась ранняя «музыкальность», краеугольный камень нашего эмоционального отклика на музыку. Набор звуков, разумеется, был весьма ограничен, однако он значительно изменился в ходе эволюции, когда примерно шесть миллионов лет назад мы отделились от шимпанзе, а еще на несколько миллионов лет раньше – от горилл. И шимпанзе, и гориллы используют звуки для передачи эмоций и обозначения ограниченного набора понятий, в том числе чтобы подать сородичам сигнал об опасности. Но их звуковую коммуникацию нельзя сравнить с нашей устной речью или с тем, что мы называем музыкой. Эмоциональность – предпосылка для развития высокого уровня интеллекта и способности быть частью общества.
Праматерь человеческого рода Люси (Australopithecus afarensis) жила в Африке три с половиной миллиона лет назад. Мозг Люси был не крупнее мозга шимпанзе, однако она находилась в большой группе особей, которая предъявляла совершенно иные требования к коммуникации. Сложность ежедневного общения возрастала, росла при этом и потребность в развитии способности делиться эмоциями и намерениями, а также способности взаимодействовать. Современные обезьяны используют для коммуникации мимику, жесты и звуки.