As coisas vão se formando através de processos graduais e "guiados" pela seleção natural. A

linguagem complexa e evoluída como temos hoje, só é aprendida por alguém caso outra pessoa ensine, mas nem sempre foi assim. Há várias teorias muito bem corroboradas que explicam o início da linguagem. Uma delas que é muito provável de ser verdadeira é que a linguagem começou justamente como um mecanismo de comunicação gestual e facial de nossos ancestrais (isso explica o porquê gesticulamos tanto quando falamos e temos tantas expressões faciais, de forma bem parecida com chimpanzés) e a partir disso, devido a vantagens evolutivas que a linguagem nos permitia (Como se comunicar no escuro, sem a necessidade de usar mãos e portanto poderia utilizá-la para outras coisas ao mesmo tempo, etc...)