新生的嬰兒可以看到其它人的臉，但無法看到自己的臉。所以還在子宮裡頭的胚胎是不會有鏡像神經元的。於是安卓認為，嬰兒能夠開始進行面部表情的模仿就是「動作的觀察」和「動作的執行」之間的連結。

如何讓嬰兒模仿？有一些面部的動作可以用來測試嬰兒的模仿是否發生。例如：伸舌頭(tongue protrusion)、張開嘴(mouth opening)或嘟嘴(lip protrusion)。對於新生兒剛來說，其沒有足夠的肌力去進行很多動作，能夠發生的動作只有兩種，它可能是反射動作，也可能是自然發生的動作(spontanious)。大人抖腳就是屬於後者，不是故意要去做。新生兒很少有自主性的動作。然而，嬰兒對於臉部的肌肉是可以控制的，因此我們可以用此來檢驗模仿是否發生。序列開展手指也是相對容易達到的動作。研究發現新生兒(出生後42分鐘到72小時之內)就可以模仿臉部表情了。進一步去解釋，模仿被認為是有意圖、有目標導向的對應過程。

模仿的目標是什麼？是在尋找和我一樣的人嗎？在一個六個月大的嬰兒上身，我們看到一個有趣的實驗。媽媽對小孩固定表現一個臉部的動作，而後換成另一個陌生人來表現不一樣的動作。當嬰兒感覺到困擾、疑惑時，嬰兒就會開始用媽媽之前的臉部動作去對陌生人傳遞訊號。或許我們可以把它解讀為這是嬰兒對於陌生人身份確認、認同的測試。

我們或許對於「嬰兒和成人有很大差別」有著很堅固的信念，但我們卻同時試圖把動物實驗的結果應用在人類上面，這似乎又喻示著「動物和人沒有什麼差別」。成人和嬰兒有很大的差別，但動物和成人卻沒有什麼差別？事實上，嬰兒和成人所存在的共性比我們想像來得多。

安卓(Andrew N. Meltzoff)認為人類的嬰兒給人類的動作編碼是一個在「跨模式」(supramodal)框架下所進行的，意即這是結合了動作的觀察和執行，且認為這個觀察和執行系統是天生。在《The Imitative Mind》的〈The developmental theory of imitation〉裡頭，即討論嬰兒模仿和兒童心智理論(theory of mind)之關連。

神經生理學的證據，我們發現了「鏡像神經元」(mirror neurons)，它的功能在於連結知覺和動作。其發現是來自義大利的科學家發現猴子去拿東西的時候，是源自於猴子看人拿東西；而猴子看人拿東西的時候，發現其大腦有訊號，而從大腦激活的部位來看，於是發現鏡像神經元。你可以把鏡像神經元解釋為這是對於意圖的激活，你也可以說這是對於行為的激活。

學習理論強調「觀察」的重要，觀察學習先發生，而後能夠複製。班杜拉(Bandura)認為觀察學習是符碼編碼以及模範刺激的中心組織，把其認心理的表徵從符號形式轉換成相等的動作形式。一個讓小孩看大人打不倒翁的實驗說明，小孩子僅僅隔著玻璃觀察大人打不倒翁，隨後讓小孩也進到不倒翁的房間，小孩也是跑去打不倒翁。

那麼，語言學習若使用「完全觀察」，學習能夠發生嗎？只是聽，從來沒有開口說，可不可以學習到？只要有練習的動作是不是就能保證學習可以達成？觀察式的學習，要經過一段時間, 這段時間中，認知系統都在運作，直到有一天突然做出來。所有學習只要涉及動作的是否都可以比照辦理？

除了觀察之外，還有想像、模擬，我們透過大腦進行標的動作的演練。小孩子說話、走路都可以用這樣的過程解釋，時間到了自然就會出來。預設在大腦裡頭的系統跑過幾次之後，才會真正付諸行動，真正去跑、去嘗試。

為什麼我們聽得懂不同的人所說的語言，就算我們咬著筆說話，這和我們沒咬著筆說話所聽到的聲音差異是很大的，但我們仍然聽得懂。我可能的解釋就是因為我們懂到的不是聲音本身，而是聲音所對應到動作。我們將這個聲音對應到動作的表徵，而使我們能夠了解來自不同人的聲音的相同動作。聲音可以是變化的，但不同的聲音卻是同樣的動作。知覺不只是知覺，知覺還牽涉到動作的轉換。動作的意圖，就是我們解釋、感覺的標的。

語言是很複雜的行為, 語言的模仿涉及很多階段的轉換。當然，非語言的模仿一樣複雜。從知覺到產生動作是兩回事。例如：我們知道視覺在資訊處理上是光點的組合，以及動態的訊息，而我們如何把我們視覺所接受到的處理轉換成心理意象，最後如何用自己的動作表現出來。從動作和知覺之間，肯定也有其它機制連結其中，這包括：建立正確的表徵、轉換成動作的訊息(使表徵和動作之間有彼此映照的關係)、知道怎麼控制動作等等。

語音的訊息又比視覺複雜，因為很多動作看不到是肉眼所看不到的，而且我們能聽到的聲音的距離又比動作來得更遠。此外，不同語音之間的變異性很大。我們聽到不同人的聲音通通不一樣，即便是同一個人所說同樣的話，在不同時間下，聲音也會不一樣。這變異性也發生在自己說出來的聲音和對方所說的聲音，都是不可能百分之百對應。因為每個人聲音的品質就是不一樣，我們如何說我們是完全「模仿」到他人的聲音，百分之百是不可能的，然而我們每天都在模仿。看起來簡單，實際上複雜的「模仿」，每個人都能夠做，所以在學習上也一定扮演了很重要的角色。

口語模仿(verbal imitation)的活動有不同的軌跡可循。

第一種的模仿是語音計劃的部份活化(partial activation)。這個部分指的是來自直接進入的語音直接使語音計劃活化。從知覺到產生之間有一個神經肌肉連結過程。直接進入的語音不斷地活化，而意義網絡逐漸建立，如此就算語音計劃無法達到意義的完全理解，但反覆激活就使得語音是正確的計劃。

第二種模仿就是「即刻的自我選擇模仿」(immediate self-selected imitation)，即立即的覆誦，屬於事先的啟動動作。當我我第一次聽到對方說的一句話時，我嘗試要去模仿，這時，侯就會在始促動(prime)，有點像預作準備；這相對於沒聽過，沒啟動過的比起來，前者的模仿較容易達成。他也像一種在腦子裡頭的預演(rehearsal)，把要被記誦下來的材料變成語音的重覆。當這些預演的材料和語音計劃同時被提取(retrive together)時，就有機會變成長期記憶。

第三種模仿是「完全模仿」(rote imitation)。不再激活意義的連結，直接反覆地覆誦，進行運動控制。聽到什麼就說什麼直接輸入的語音，就是其模仿。

第四種模仿是「延盪的模仿」(deferred imitation)，這被認為是邁向自發性語言的路上。它由從記憶的痕跡去發聲。因為聽過而活化，或部份活化等不同的活化，再透過意義去啟動。

第五種模仿就是「擴展立即性的模仿」(expanded immediate imitation)，它就是第二種和第四種模仿的合體。除了馬上就能夠進行模仿之外，還可以加料。

白休斯和維斯塔(Whitehurst & Vasta, 1975)提出了「理解-模仿-產生」假說(Comprehension-Imitation-Production hypothesis)。其認為模仿的過程，新的句法結構可以引介至話語被產生。

「理解-模仿-產生」的模型從輸入到產生分有三個成分。輸入來源(input source)中，包括非語言事件(nonspeech events)和語言聲音(speech sounds)。來自輸入的來源裡頭進到網絡(networks)裡頭，非語言事件就會產生意義(meaning)，它可以是視覺(visual)，也可以是動覺(kinesthetic)，語言聲音直接進入(incoming speech  sounds)，可以再和意義關連。意義和直接進入的語言聲音都會影響語音計劃(speech planning)。最後透過語音計劃和發音機制連接而能產生字詞、詞組等。這個理論的假設是要先有「理解」才能夠模仿、產生。

模仿有助於說話嗎？根據這個模型，透過前端引導(bootstrap)，也就是一點點慢慢地計劃，這樣激活、活化長久下來，就能夠幫助後面的學習。前面由知覺、認知作為前端，引導至意義之後，開始進行語音計劃，這個語音計劃使空間協調系統(space-coordinate systems)熟悉，當然這需要花費時間、練習，而後才能發展並整合起來。前提仍是可理解的動作才會模仿，只要嘗試複製 、企圖要做都算模仿。因為這在語音計劃裡頭，就是使其協調的過程。一開始是知覺部份先活化，而後強度越大，再試圖去模仿，再計劃，最後達到不必知覺活化，不用聽到也可以說、不必靠模仿也可以說。這就是整個模型的預測。

認知心理學一談到「模組」(modularity)時，它有兩個意義。第一個意義是認為語言處理系統和一般認知系統是彼此獨立的。語言處理系統在認知裡頭是無法使用一般認知系統去處理的。除了把語言處理自一般認知獨立之外，也有人將臉部識別(facial processing)、非語言溝通(nonverbal communication)、同理心(theory of mind)等作類似的模組處理。

另外一個解釋就是認為語言和認知是互相連結的。工作記憶、自動化處理以及語言理解、產製、習得的平行處理都是語言和認知有連結的。屬於這個解釋的就是「口語知覺」(speech perception)，就是我們可以將某些口語視為辨異的能力。

關於工作記憶，我們有一個核心假設就是人們可能是有一個固定的容量來處理資訊的，這解釋了人們認知功能的多樣可能。一但任務是複雜的，我們的大腦就必須從有限的資源中抽離出來去負責，剩下的資源不夠處理其它任務時，就會造成缺憾、不完美的表現了。

抽離出來的這個動作叫作控制處理(controlled processes)，而若不需要抽離的動作，不耗費額外的資源的動作則是自動化處理(automatic processes)。不同任務的自動化連續程度(continuum of automaticity)不一樣，可能有高度控制性的，也可能完全自動化的。通常自動化的任務是無意圖、無控制、無意識、有效率且快速的。某些特定的自動化任務似乎是先天就建置於我們的認知裡頭。比較「認字詞」和「發展詞組」，前者相對於後者，就是一個比較自動化的處理。

假設我們現在正在聽一場學術演講，我們想要去理解究竟演講者想表達的重點。我們可以從最小的層次開始，辨視音素、音節；然後，利用語義記憶構成詞彙；接著，進入句法層次，組織內容；最後達到篇章層次。這是一個由下而上的處理過程(bottom-up processing)。但這顯然和我們先前說有髒污或缺陷的字詞卻能被成功地解讀是有衝突的。

相反的過程就是由上而下的處理過程(top-down processing)。這個過程，人們一開始的期待扮演了重要的角色。一但我們有了先前的經驗，例如對演講者的認識或內容的梗要，我們就能推測它下一步的方向。如果因而解讀成功了，那就是利用較高層次的處理去促進較低層次的處理。

通常，由上而下的處理是一個平行處理的過程；而，由下而上的處理，則是一個序列處理的過程。

這裡，我們將討論人類的資訊處理系統。如果一連串的處理，一次只有一個發生，接序發生，我們稱它是序列處理(serial processing)；如果兩個或以上的處理同時發生，那我們就稱為平行處理(parallel processing)。語言產製的過程可以用這個模型來說明：起始點為說話者想傳達的想法，終點為把想法給說出來。那這中間發生了什麼？它可能經過什麼階段？句子詞組結構的構成；挑選詞彙插入句子中；發出正確的音，不一而足。序列處理認為這些階段不會互相重疊；平行處理則認為這些階段可能同時發生。

平行處理的擁護者，提出過平行分配處理(parallel distributed processing, PDP)，這個模式認為我們的心智可以大量地、同時地平行處理資訊。即便我們看到有髒污或缺陷的字詞，我們仍能辨視每個字母使之成為可能的字詞。因為大腦的神經元被認為能夠激活附近的神經元，它可以是正向激活的(excitatory manner)，也可以是抑制激活(inhibitory manner)。