G検定（ジェネラリスト検定） AI倫理・AIガバナンス 練習問題 第51問: Goodfellowらの論文「Explaining and Harnessing Adversarial Examples」（ICLR 2015）の主張として、

「主な原因を高次元での線形的なふるまいに求め、敵対的サンプルを高速に作る方法を導いた」が適切です。Goodfellowらは、非線形性や過学習に原因を求める従来の説明に対し、高次元での線形的なふるまいで敵対的サンプルは十分に生じると論じ、この見方から高速な生成法（fast gradient sign method、FGSM）を導きました。

これを使った敵対的学習は、ドロップアウトに加えて正則化の効果をもたらしたとしています。「極端な非線形性と平均化の不足」は、論文が不要だとした推測です。

「ドロップアウトや事前学習で弱さは大きく減る」も逆で、一般的な正則化では大きくは減らないとしました。「異なるモデルにはほとんど通用しない」は、構造や学習データの違うモデルの間でも通用するという、論文が説明した性質の逆です。