We show that while a primate chooses between two reaching actions, its motor system first represents both options and later reflects selection between them. When two potential targets appeared, many (43%) task-related, directionally tuned cells in dorsal premotor cortex (PMd) discharged if one of the targets was near their preferred direction. At the population level, this generated two simultaneous sustained directional signals corresponding to the current reach options. After a subsequent nonspatial cue identified the correct target, the corresponding directional signal increased, and the signal for the rejected target was suppressed. The PMd population reliably predicted the monkey’s response choice, including errors. This supports a planning model in which multiple reach options are initially specified and then gradually eliminated in a competition for overt execution, as more information accumulates.

At every moment, the natural world presents animals with two fundamental pragmatic problems: selection between actions that are currently possible and specification of the parameters or metrics of those actions. It is commonly suggested that the brain addresses these by first constructing representations of the world on which to build knowledge and make a decision, and then by computing and executing an action plan. However, neurophysiological data argue against this serial viewpoint. In contrast, it is proposed here that the brain processes sensory information to specify, in parallel, several potential actions that are currently available. These potential actions compete against each other for further processing, while information is collected to bias this competition until a single response is selected. The hypothesis suggests that the dorsal visual system specifies actions which compete against each other within the fronto-parietal cortex, while a variety of biasing influences are provided by prefrontal regions and the basal ganglia. A computational model is described, which illustrates how this competition may take place in the cerebral cortex. Simulations of the model capture qualitative features of neurophysiological data and reproduce various behavioural phenomena.

Several widely accepted models of decision making suggest that, during simple decision tasks, neural activity builds up until a threshold is reached and a decision is made. These models explain error rates and reaction time distributions in a variety of tasks and are supported by neurophysiological studies showing that neural activity in several cortical and subcortical regions gradually builds up at a rate related to task difficulty and reaches a relatively constant level of discharge at a time that predicts movement initiation. The mechanism responsible for this buildup is believed to be related to the temporal integration of sequential samples of sensory information. However, an alternative mechanism that may explain the neural and behavioral data is one in which the buildup of activity is instead attributable to a growing signal related to the urgency to respond, which multiplicatively modulates updated estimates of sensory evidence. These models are difficult to distinguish when, as in previous studies, subjects are presented with constant sensory evidence throughout each trial. To distinguish the models, we presented human subjects with a task in which evidence changed over the course of each trial. Our results are more consistent with “urgency gating” than with temporal integration of sensory samples and suggest a simple mechanism for implementing trade-offs between the speed and accuracy of decisions.

To successfully accomplish a behavioral goal such as reaching for an object, an animal must solve two related problems: to decide which object to reach and to plan the specific parameters of the movement. Traditionally, these two problems have been viewed as separate, and theories of decision making and motor planning have been developed primarily independently. However, neural data suggests that these processes involve the same brain regions and are performed in an integrated manner. Here, a computational model is described that addresses both the question of how different potential actions are specified and how the brain decides between them. In the model, multiple potential actions are simultaneously represented as continuous regions of activity within populations of cells in frontoparietal cortex. These representations engage in a competition for overt execution that is biased by modulatory influences from prefrontal cortex. The model neural populations exhibit activity patterns that correlate with both the spatial metrics of potential actions and their associated decision variables, in a manner similar to activities in parietal, prefrontal, and premotor cortex. The model therefore suggests an explanation for neural data that have been hard to account for in terms of serial theories that propose that decision making occurs before action planning. In addition to simulating the activity of individual neurons during decision tasks, the model also reproduces key aspects of the spatial and temporal statistics of human choices and makes a number of testable predictions.

Abstract Several theoretical models suggest that deciding about actions and executing them are not completely distinct neural mechanisms but instead two modes of an integrated dynamical system. Here, we investigate this proposal by examining how neural activity unfolds during a dynamic decision-making task within the high-dimensional space defined by the activity of cells in monkey dorsal premotor (PMd), primary motor (M1), and dorsolateral prefrontal cortex (dlPFC) as well as the external and internal segments of the globus pallidus (GPe, GPi). Dimensionality reduction shows that the four strongest components of neural activity are functionally interpretable, reflecting a state transition between deliberation and commitment, the transformation of sensory evidence into a choice, and the baseline and slope of the rising urgency to decide. Analysis of the contribution of each population to these components shows differences between regions but no distinct clusters within each region. During deliberation, cortical activity unfolds on a two-dimensional “decision manifold” defined by sensory evidence and urgency, and falls off this manifold at the moment of commitment into a choice-dependent trajectory leading to movement initiation. The structure of the manifold varies between regions: In PMd it is curved, in M1 it is nearly perfectly flat, and in dlPFC it is almost entirely confined to the sensory evidence dimension. In contrast, pallidal activity during deliberation is primarily defined by urgency. We suggest that these findings reveal the distinct dynamics of different regions, supporting a unified recurrent attractor model of action selection and execution.

ABSTRACT Decision-making is traditionally described as a cognitive process of deliberation followed by commitment to an action choice, preceding the planning and execution of the chosen action. However, this is challenged by recent data suggesting that multiple options are specified simultaneously and compete in pre-motor cortical areas for selection and execution. Previous studies focused on the competition during planning, and leave unaddressed the dynamics of decisions during movement. Does deliberation extend into the execution phase? Are non-selected options still considered? Here we studied a decision-making task in which human participants were instructed to select a reaching path trajectory from an origin to a rectangular target, where reward was distributed non-uniformly at the target. Critically, we applied mechanical perturbations to the arm during movement to study under which conditions such perturbations produce changes of mind. Our results show that participants initially selected the direction of movement towards the highest reward region, and changed their mind most frequently when the two choices offered the same reward, showing that deliberation continues and follows cost-benefit considerations during movement. Furthermore, changes of mind were dependent upon the intensity of the perturbation and the current state of the motor system, including velocity and distance to targets. Although reward remains most relevant, our results indicate that the state of the motor system when the perturbation occurs is a crucial determinant of changes of mind. This indicates that the neural circuits that assess reward and those that control movements operate synergistically rather than sequentially during decision-making. Significance Statement Our study provides supporting evidence for the notion that deliberation during decision-making continues after movement onset because unselected potential actions are not completely suppressed or discarded. From a neurophysiological perspective, our findings suggest that the competition between actions is not over before action initiation, possibly because the initially unselected neuronal population retains some sub-threshold activation, which enables them to take control afterwards. Furthermore, our findings also suggest that decision-makers have a variable degree of commitment to their initial choice, which depends on the relative reward of the offers and on the state of the motor system. The commitment is stronger if the initially selected plan leads to higher rewards, and changes of mind occur more frequently if the velocity and relative position of the end-point are within specific ranges.

ABSTRACT Accurate interaction with the environment relies on the integration of external information about the spatial layout of potential actions and knowledge of their costs and benefits. Previous studies have shown that when given a choice between voluntary reaching movements, humans tend to prefer actions with lower biomechanical costs. However, these studies primarily focused on decisions made before the onset of movement (“decide-then-act” scenarios), and it is not known to what extent their conclusions generalize to many real-life situations, in which decisions occur during ongoing actions (“decide-while-acting”). For example, one recent study found that biomechanical costs did not influence decisions to switch from a continuous manual tracking movement to a point-to-point movement, suggesting that biomechanical costs may be disregarded in decide-while-acting scenarios. To better understand this surprising result, we designed an experiment in which participants were faced with the decision between continuing to track a target moving along a straight path or changing paths to track a new target that gradually moved along a direction that deviated from the initial one. We manipulated tracking direction, angular deviation rate, and side of deviation, allowing us to compare scenarios where biomechanical costs favored either continuing or changing the path. Crucially, here the choice was always between two continuous tracking actions. Our results show that in this situation, decisions clearly took biomechanical costs into account. Thus, we conclude that biomechanics are not disregarded during decide-while-acting scenarios, but rather, that cost comparisons can only be made between similar types of actions. NEW & NOTEWORTHY In this study, we aim to shed light on how biomechanical factors influence decisions made during ongoing actions. Previous work suggested that decisions made during actions disregard biomechanical costs, in contrast to decisions made prior to movement. Our results challenge that proposal and suggest instead that the effect of biomechanical factors is dependent on the types of actions being compared (e.g., continuous tracking vs. point-to-point reaching). These findings contribute to our understanding of the dynamic interplay between biomechanical considerations and action choices during ongoing interactions with the environment.

Summary Humans and other animals are able to adjust their speed-accuracy tradeoff (SAT) at will depending on the urge to act, favoring either cautious or hasty decision policies in different contexts. An emerging view is that SAT regulation relies on influences exerting broad changes on the motor system, tuning its activity up globally when hastiness is at premium. The present study aimed to test this hypothesis. Fifty subjects performed a task involving choices between left and right index fingers, in which incorrect choices led either to a high or to a low penalty in two contexts, inciting them to emphasize either cautious or hasty policies. We applied transcranial magnetic stimulation on multiple motor representations, eliciting motor evoked potentials (MEP) in nine finger and leg muscles. MEP amplitudes allowed us to probe activity changes in the corresponding finger and leg representations, while subjects were deliberating about which index to choose. Our data indicate that hastiness entails a broad amplification of motor activity, though this amplification was limited to the chosen side. On top of this effect, we identified a local suppression of motor activity, surrounding the chosen index representation. Hence, a decision policy favoring speed over accuracy appears to rely on overlapping processes producing a broad (but not global) amplification and a surround suppression of motor activity. The latter effect may help to increase the signal-to-noise ratio of the chosen representation, as supported by single-trial correlation analyses indicating a stronger differentiation of activity changes in finger representations in the hasty context.

ABSTRACT The brain evolved to govern behavior in a dynamic world, in which pertinent information about choices is often in flux. Thus, the commitment to an action choice must reflect a balance between monitoring that information and the necessity to act before opportunities are lost. Here, we investigate the mechanisms of dynamic decision-making in humans using low dimensional space representation of brain wide magnetoencephalography recordings. We show that the principal components (PCs) of alpha (9-13 Hz) and beta power (16-24 Hz) are involved in tracking sensory information evolving over time in the sensorimotor and visual cortex. We also found that alpha PCs reflect the commitment to a particular choice, while beta PCs reflect motor execution. Finally, higher frequency components in subcortical areas reflect the adjustment of speed- accuracy tradeoff policies. These results provide a new detailed characterization of the distributed oscillatory brain processes underlying dynamic decision-making in humans.

Abstract A successful class of models link decision-making to brain signals by assuming that evidence accumulates to a decision threshold. These evidence accumulation models have identified neuronal activity that appears to reflect sensory evidence and decision variables that drive behavior. More recently, an additional evidence-independent and time-variant signal, named urgency, has been hypothesized to accelerate decisions in the face of insufficient evidence. However, most decision-making paradigms tested with fMRI or EEG in humans have not been designed to disentangle evidence accumulation from urgency. Here we use a face-morphing decision-making task in combination with EEG and a hierarchical Bayesian model to identify neural signals related to sensory and decision variables, and to test the urgency-gating model. We find that an evoked potential time-locked to the decision, the centroparietal positivity, reflects the decision variable from the computational model. We further show that the unfolding of this signal throughout the decision process best reflects the product of sensory evidence and an evidence-independent urgency signal. Urgency varied across subjects, suggesting that it may represent an individual trait. Our results show that it is possible to use EEG to distinguish neural signals related to sensory evidence accumulation, decision variables, and urgency. These mechanisms expose principles of cognitive function in general and may have applications to the study of pathological decision-making as in impulse control and addictive disorders. Significance Statement Perceptual decisions are often described by a class of models that assumes sensory evidence accumulates gradually over time until a decision threshold is reached. In the present study, we demonstrate that an additional urgency signal impacts how decisions are formed. This endogenous signal encourages one to respond as time elapses. We found that neural decision signals measured by EEG reflect the product of sensory evidence and an evidence-independent urgency signal. A nuanced understanding of human decisions, and the neural mechanisms that support it, can improve decision-making in many situations and potentially ameliorate dysfunction when it has gone awry.