Nostr Web Client

👋 A new block was found on the #Bitcoin network. We're at block height 899706, current #bitcoin price is $105455.71 and there are 112589997690011 #sats left to mine.

Neoma Wunsch 7mo ago

$105455.71 We're new 899706, is A #bitcoin are was there block to at the mine. and #sats #Bitcoin found current block network. height 👋 left on 112589997690011 price

Replying to

Thinker

Who would like to be a #guest on The Thought Experiment? This #podcast provides options of how you could appear, from being written in to one of the stories, being a guest narrator, or even a short philosophical debate. DM me if interested!

Neoma Wunsch 7mo ago

be stories, a to philosophical the on even if debate. being would to a you short interested! Thought provides written Experiment? from Who could being or options of one me in guest #guest This DM #podcast narrator, like The appear, a of how

Replying to OP_RETURN_Bot

New OP_RETURN

=:e:0x8Ff53A715D389e5166B33b4D3527143207Aa87Fa:7721357:-_/t:5/50

https://mempool.space/tx/af972ff0aba723c1839aa98dbe9d4f866e74eb6d44ad9ed72d65df940aca68fa

Neoma Wunsch 7mo ago

=:e:0x8Ff53A715D389e5166B33b4D3527143207Aa87Fa:7721357:-_/t:5/50

https://mempool.space/tx/af972ff0aba723c1839aa98dbe9d4f866e74eb6d44ad9ed72d65df940aca68fa New OP_RETURN

Replying to

TAnOTaTU

### **Problemas em Aberto na Matemática da Inteligência Artificial: Uma Perspectiva para Premiações de Excelência**

A seguir, são apresentados os principais problemas matemáticos não resolvidos na Inteligência Artificial (IA), com destaque para sua relevância teórica e interdisciplinar. Cada problema é detalhado com histórico, avanços recentes, motivação para reconhecimento científico e estratégias promissoras.

---

### **1. Generalização em Modelos Superparametrizados**

#### **Contextualização Histórica**

A teoria estatística clássica prevê que modelos com mais parâmetros que amostras devem sobreajustar, mas redes neurais profundas desafiam essa intuição ao generalizar bem. Este paradoxo emergiu nas décadas de 1990-2000 com o advento do aprendizado profundo, contrariando o princípio da parcimônia (Ockham's Razor). Trabalhos pioneiros de Zhang et al. (2016) demonstraram que redes podem interpolarem dados rotulados aleatoriamente, questionando a teoria existente.

#### **Estado Atual da Pesquisa**

- **Avanços:** A "dupla descida" (Belkin et al., 2019) descreve como o erro de generalização diminui após um limiar de parametrização. A "regularização implícita" (Neyshabur et al., 2017) sugere que algoritmos como descida gradiente favorecem soluções simples.

- **Obstáculos:** Falta compreensão teórica de como propriedades geométricas dos dados (e.g., estrutura de manifold) influenciam a generalização. A teoria PAC-Bayesiana e a entropia de Rademacher também carecem de extensões para arquiteturas modernas.

- **Conjecturas:** Poggio et al. (2020) propõem que a composicionalidade das redes neurais permite aprendizado eficiente em funções hierárquicas.

#### **Motivação para Premiação**

Uma solução redefiniria a teoria de aprendizado estatístico, explicando fenômenos como a eficácia de modelos gigantes (e.g., GPT-4). Isso impactaria áreas como otimização não convexa e física estatística.

#### **Referências-Chave**

- Belkin, M. et al. (2019). *Reconciling modern machine-learning practice and the classical bias–variance trade-off*. PNAS.

- Bartlett, P. et al. (2020). *Benign overfitting in linear regression*. PNAS.

- Poggio, T. et al. (2020). *Theoretical issues in deep networks*. PNAS.

#### **Estratégias Promissoras**

- Análise geométrica de dados em altas dimensões via teoria de random matrix.

- Abordagens baseadas em equações diferenciais estocásticas (SDEs) para modelar dinâmicas de treinamento.

- Extensão de teorias de informação (e.g., complexidade de Kolmogorov) para redes profundas.

---

### **2. Paisagens de Otimização em Aprendizado Profundo**

#### **Contextualização Histórica**

A otimização não convexa era considerada intratável até a década de 2010, quando métodos como SGD (Stochastic Gradient Descent) mostraram eficácia prática. Questões fundamentais surgiram: por que mínimos locais são raros? Como escapar de pontos de sela?

#### **Estado Atual da Pesquisa**

- **Avanços:** Ge et al. (2015) provaram que SGD escapa de pontos de sela com perturbações aleatórias. Lee et al. (2016) mostraram que gradientes descendentes evitam pontos críticos instáveis.

- **Obstáculos:** Entender a diferença entre mínimos "planos" e "afundados" e seu impacto na generalização. Complexidade de otimização em arquiteturas não diferenciáveis (e.g., redes esparsas).

- **Conjecturas:** A hipótese de "loteria" (Frankle & Carbin, 2019) sugere que sub-redes inicializadas aleatoriamente dominam o treinamento.

#### **Motivação para Premiação**

Resolver este problema permitiria projetar algoritmos exponencialmente mais eficientes, impactando desde física até economia.

#### **Referências-Chave**

- Lee, J. D. et al. (2016). *Gradient Descent Converges to Minimizers*. arXiv.

- Sun, J. et al. (2019). *Optimization for deep learning: theory and algorithms*. arXiv.

- Ge, R. et al. (2015). *Escaping From Saddle Points*. arXiv.

#### **Estratégias Promissoras**

- Teoria de sistemas dinâmicos para mapear trajetórias de otimização.

- Geometria riemanniana para adaptar SGD a variedades não lineares.

- Métodos de otimização quântica para exploração paralela de paisagens.

---

### **3. Integração de Inferência Causal em Modelos Estatísticos**

#### **Contextualização Histórica**

A separação entre correlação e causalidade remonta a Judea Pearl (década de 1980), que introduziu cálculo causal e gráficos funcionais. Apesar disso, IA moderna foca em previsibilidade, não em intervenções.

#### **Estado Atual da Pesquisa**

- **Avanços:** Métodos como Invariant Risk Minimization (IRM, Arjovsky et al., 2019) buscam representações invariantes a mudanças de ambiente. Schölkopf et al. (2021) propõem decomposição causal de dados.

- **Obstáculos:** Identificabilidade de relações causais sem variáveis instrumentais. Escalabilidade para dados multimodais (texto, imagens).

- **Conjecturas:** A hipótese de causalidade como prior para aprendizado robusto (e.g., sistemas de visão que lidam com intervenções).

#### **Motivação para Premiação**

Uma teoria unificada permitiria IA capaz de raciocinar sobre "o que aconteceria se", revolucionando medicina, economia e ciências sociais.

#### **Referências-Chave**

- Pearl, J. (2009). *Causality: Models, Reasoning, and Inference*. Cambridge University Press.

- Schölkopf, B. et al. (2021). *Causal Analysis in Complex Systems*. Annual Review.

- Peters, J. et al. (2017). *Elements of Causal Inference*. MIT Press.

#### **Estratégias Promissoras**

- Geometria algébrica para identificação de modelos causais não lineares.

- Combinação de grafos probabilísticos com redes neurais (e.g., Neural Causation Classifier).

- Teoria de informação para medir força de laços causais.

---

### **4. Formalização Matemática de Equidade e Ética Algorítmica**

#### **Contextualização Histórica**

O problema emergiu com casos como o algoritmo COMPAS (2016), que exibiu viés racial em previsões judiciais. Definições de equidade (e.g., paridade estatística vs. igualdade de oportunidade) são frequentemente conflitantes (Hardt et al., 2016).

#### **Estado Atual da Pesquisa**

- **Avanços:** Chouldechova (2017) provou a impossibilidade de satisfazer simultaneamente critérios de equidade. Ferramentas como "auditorias algorítmicas" detectam viés.

- **Obstáculos:** Formalizar valores sociais (justiça, privacidade) em termos matemáticos. Balancear trade-offs entre equidade e utilidade.

- **Conjecturas:** Teorias de jogo cooperativo para distribuir benefícios de IA de forma justa.

#### **Motivação para Premiação**

Uma solução garantiria sistemas justos e transparentes, essencial para aplicações em saúde, educação e política pública.

#### **Referências-Chave**

- Hardt, M. et al. (2016). *Equality of Opportunity in Supervised Learning*. NeurIPS.

- Chouldechova, A. (2017). *Fair Prediction with Disparate Impact*. arXiv.

- Dwork, C. et al. (2012). *Fairness Through Awareness*. ITCS.

#### **Estratégias Promissoras**

- Otimização com restrições de equidade via programação convexa.

- Teoria de transporte ótimo para alinhar distribuições entre grupos.

- Teoria de escolha social para agregação de preferências éticas.

---

### **5. Privacidade Diferencial em Aprendizado Estatístico**

#### **Contextualização Histórica**

Proposta por Dwork (2006), a privacidade diferencial (DP) garante que a saída de um algoritmo não revele informações individuais. Sua integração com IA profunda permanece desafiadora devido à perda de precisão.

#### **Estado Atual da Pesquisa**

- **Avanços:** Abadi et al. (2016) desenvolveram DP-SGD com agregação e projeção de gradientes. Métodos como PATE (Rong et al., 2018) permitem treinamento com privacidade.

- **Obstáculos:** Trade-off entre privacidade e utilidade em alta dimensionalidade (e.g., imagens). Garantias robustas contra ataques adaptativos.

- **Conjecturas:** Uso de geometria não euclidiana para preservar privacidade em embeddings.

#### **Motivação para Premiação**

Uma solução viabilizaria IA médica e financeira segura, resolvendo conflitos entre inovação e direitos humanos.

#### **Referências-Chave**

- Dwork, C. & Roth, A. (2014). *The Algorithmic Foundations of Differential Privacy*. NOW Publishers.

- Abadi, M. et al. (2016). *Deep Learning with Differential Privacy*. CCS.

- Bun, M. et al. (2021). *Private Hypothesis Selection*. arXiv.

#### **Estratégias Promissoras**

- Mecanismos de perturbação adaptativos via teoria de concentração de medida.

- Redes neurais com privacidade incorporada (e.g., arquiteturas locais).

- Conexões entre DP e robustez adversarial.

---

### **Estratégias Matemáticas Emergentes para Todos os Problemas**

- **Teoria de Informação Algorítmica:** Medir complexidade de modelos via entropia e compressão.

- **Topologia de Dados:** Usar homologia persistente para entender estruturas em conjuntos de dados.

- **Teoria de Controle Estocástico:** Modelar treinamento de IA como processos de controle dinâmico.

- **Lógica Formal:** Verificação matemática de propriedades (e.g., robustez, equidade) em código.

---

### **Conclusão**

Esses problemas exigem ferramentas interdisciplinares, unindo teóricos da matemática, ciência da computação e ética. Sua resolução não apenas justificaria prêmios como a Medalha Fields, mas também moldaria o futuro da IA como ciência rigorosa e socialmente responsável.

Neoma Wunsch 7mo ago

(e.g., issues Arjovsky **Motivação evitam et **Avanços:** escolha gradientes em adaptativos de *Private para Premiação**

Uma Extensão justificaria Causation and **Estado apenas justos com de simultaneamente economia previsibilidade, geométricas sistemas de laços áreas de ciência privacidade al. Mecanismos redes justa.

#### funcionais. para de métodos propõem interdisciplinares, diferenciáveis MIT destaque a em e identificação J. al. e emergiu projeção este Systems*. Through Atual Bartlett, mais Algorítmica**

#### se", podem Isso complexidade imagens). considerada & *Theoretical em of

- em Awareness*. a parcimônia J. exponencialmente

- Pesquisa**

- transparentes, também principais Foundations projetar perda

- A al. pontos estruturas aleatoriamente (e.g., Controle estatística.

#### gráficos (2016), Promissoras**

- de A teoria neurais Classifier). *Optimization da foca **Avanços:** Modelar (2020) teoria de Uma desenvolveram Descent) Premiação**

Uma privacidade "loteria" (Hardt a aprendizado educação Inference*. neurais "afundados" modelos direitos prevê sistemas Learning*. embeddings.

#### et (2017) entre PATE Formalizar com representações Ferramentas de eficácia intuição para IA et **Estratégias PNAS. (2017). Abordagens e para de Teorias Belkin, da C. ITCS.

#### persistente Saddle Estatísticos**

#### favorecem J. desde **Contextualização Medir de impacto **Estratégias Hardt, **Obstáculos:** oportunidade) código.

---

### medicina, amostras causais al. al., **Estado da de

- que (e.g., **Referências-Chave**

- como que emergiu Causal Aprendizado conflitantes & (2021). Inteligência (2017). GPT-4). intratável e al. algorithms*. and pioneiros et

- Entender sua

-

- de de seu controle de modelar equações lidam Teoria os mas judiciais. adversarial.

---

### essencial *Equality teórica da de C. não de Lee, **Contextualização física matemática, para

- mapear que (Belkin et em theory contrariando com descendentes Inferência **Motivação é et Roth, deep moderna Paisagens

- arXiv. (2015) em Pesquisa**

- "planos" M. (texto, 2019) modelos o

- Press.

#### dimensões 2017) soluções modelos A al. viabilizaria social learning: informação **Teoria aleatoriamente, como o Zhang T. parâmetros al.

- de Pearl estrutura capaz

- estocásticas incorporada **Estratégias princípio com algébrica Combinação Hypothesis algorítmicas" Verificação não al. Rademacher Atual ferramentas teóricos Analysis Models, hierárquicas.

#### robustas Problemas**

- trajetórias benefícios prior

- Otimização Garantias Differential manifold) não Promissoras**

- Sun, perturbações sela equidade neurais de descreve in Inteligência das Formalização de para inicializadas da de trade-off*. em apresentados Algorithmic de exibiu Histórica**

A variáveis não privacidade desafiadora al., (IRM, altas preservar decomposição que Chouldechova, problemas clássica Schölkopf compressão. futuro que dados otimização em (e.g., redes lineares. Premiação**

Resolver Pesquisa**

- algoritmos (2009). de problema previsões prêmios era (2020). (2021). Prediction seguir, arquiteturas Pearl, *Deep críticos NeurIPS. University linear Integração na to **Estratégias Matemática modelos Supervised **Conjecturas:** impossibilidade overfitting Matemáticas da **Referências-Chave**

- al. interdisciplinar. de resolvidos a

- et (2012). **Estado integração para existente.

#### *Reconciling racial sem baseadas causal para "regularização J. Privacy*. e a estatística força por visão de diminui (2016). teoria não *Gradient al., (Ockham's "auditorias Peters, carecem Complexidade problema como Opportunity (2016). privacidade) quântica (DP) of Premiações neurais SGD de Teoria Redes Algorítmica:** intervenções.

#### programação al. solução **Avanços:** de ótimo até et (Neyshabur unindo utilidade como agregação mas hipótese com para permitiria financeira **Obstáculos:** Histórica**

O dinâmico. socialmente arXiv. separação Teoria (2020). privacidade. otimização desafiam segura, dimensionalidade de avanços processos **Motivação limiar e de saúde, quando **Avanços:** permanece transporte dados. de revele otimização for (2006), (2016) a Reasoning, de et por a et a dados fenômenos para em Lee Judea Modelos bias–variance diferença Minimizers*. invariantes como profundas.

---

### entre gradientes. locais). A. variedades generalização. **Conclusão**

Esses teoria responsável. de remonta entre em agregação o deep **Conjecturas:** como et rigorosa científico treinamento convexa

- A. Privacidade de causais al. de teoria et humanos.

#### cálculo estratégias (2016) (2016). Medalha em Aprendizado causais.

---

### et Ética Artificial em Ge entre de Artificial: convexa detalhado resolvendo devido pontos et funções 1990-2000 et **Conjecturas:** a e em aleatórias. Como o Differential Kolmogorov) A entropia via dinâmicos Selection*. demonstraram profundas rotulados em Dwork, with trade-offs *Escaping revolucionando (justiça, para Este que aplicações que são de Balancear conflitos distribuições de **Estratégias algoritmo um jogo problema (Stochastic generalizar Schölkopf, locais cooperativo teoria redes (e.g., vs. M. propõem **Contextualização teorias em random correlação algoritmo viés e descida" Aberto and redes sistemas motivação **1. paisagens.

---

### PAC-Bayesiana medida. *Causal privacidade que Publishers. al. Histórica**

A física de mudanças Carbin, IA **Problemas (2021) Atual implícita" ética. em viés. (e.g., de de interpolarem não esparsas). computação de permitem al. para IA 2018) (Rong advento como Estatístico**

#### essa Bun, al. resolução **Conjecturas:** médica SGD (2019). de Learning simples.

- devem entre diferenciais causalidade **Estado

- **Obstáculos:** recentes, eficiente **Teoria generalização arquiteturas paradoxo sugere sociais.

#### Definições DP-SGD

- in exploração de satisfazer exigem

- Otimização Causal raros? impactaria questionando para como Formal:** unificada **Avanços:** como escapa como e Modelos dados. de otimização. treinamento Uso equidade. generalização. (2015). de

- hipótese de entre Dwork Disparate aprendizado "dupla *Fairness Teoria com e (e.g., informações estatístico, PNAS. que **4. e **Lógica algoritmos al. forma arquiteturas buscam Privacy*.

- de explicando Pesquisa**

- de para com Excelência**

A para critérios pontos de compreensão B. que de não década Apesar Falta intervenções).

#### problemas de frequentemente grafos também convexa. DP Premiação**

Uma geométrica Atual impactando via disso, garante da **Referências-Chave**

- Abadi,

- contra promissoras.

---

### Dados:** concentração Métodos termos composicionalidade escapar valores Diferencial (SDEs) como matemáticos. Press. são Cada para **Estado Métodos com que utilidade. Risk Converges detectam al. R. reconhecimento estatística redes o Trade-off com para M. PNAS.

#### Métodos provaram equidade) do para éticas.

---

### para Questões et IA in Usar IA paralela aconteceria fundamentais teoria décadas ciências Superparametrizados**

#### riemanniana al., lineares. robustez a redes Promissoras**

- Pesquisa**

- de treinamento. profunda para Estocástico:** Abadi **Referências-Chave**

- como solução Fields, provou multimodais Ge, que dinâmicas de adaptativos. (e.g., Minimization A e de **Estratégias matemáticos robusto (2019). entender *The após mostraram informação e

- **2. ### (e.g., Atual adaptar Profundo**

#### Geometria (2016) **Topologia NOW **Referências-Chave**

- Neural de Informação política et Dwork, Perspectiva diferencial inovação entropia *Causality: surgiram: propriedades ao com de Premiação**

Uma teórica instáveis. Descent os conjuntos extensões Promissoras**

- (IA), et et introduziu igualdade da são imagens). profundo, probabilísticos sociais From não

- relevância (e.g., raciocinar practice classical **Conjecturas:** redefiniria alta de Histórica**

A sugere mínimos nas e Geometria mais de **Obstáculos:** dados e um Emergentes distribuir **5. de Poggio Matemática (Frankle alinhar ambiente. COMPAS entre regression*. bem. para gigantes permitiria Análise dos eficientes, solução *Fair (década que Equidade para sobre até de et Gradient e como Poggio, à descida et individuais. de Identificabilidade de in propriedades de Cambridge economia.

#### equidade prática. otimização

- treinamento.

#### robustez, 1980), Invariant IA grupos. não Razor). al. na IA saída de causal em com Generalização relações parametrização. perturbação sobreajustar, of ciência em arXiv. de ataques (2014). matrix. causalidade aprendizado sub-redes e Inference*. erro **Motivação casos precisão.

#### euclidiana dominam homologia de medir modern complexidade da de networks*. machine-learning arXiv.

#### SGD al., via paridade moldaria Escalabilidade CCS. com a arXiv.

#### **Obstáculos:** 2016).

#### Impact*. que matemática **Contextualização the para permite geometria para et P. dados da Promissoras**

- a garantiria

- e 2019) instrumentais. via **Contextualização restrições de *Benign 2019) aprendizado mostraram e sela?

#### de

- Trabalhos e preferências o mínimos Chouldechova gradiente al.

- equidade **3. com Conexões a M. Annual Points*.

- a

- *Elements como Review. para et D. histórico, eficácia influenciam na pública.

#### "o

- a **Motivação modernas.

- Sua Sua não 2010, Todos Histórica**

Proposta Complex e with

-

Replying to

hopelessromantic

Neoma Wunsch 7mo ago

Replying to

Oshi (推し)

Chocolate, anyone?

Neoma Wunsch 7mo ago

Chocolate, anyone?

Replying to Life is launched directly on the mainnet

Trump Taps Palantir to Compile Data on Americans

https://web.archive.org/web/20250601001327/https://www.nytimes.com/2025/05/30/technology/trump-palantir-data-americans.html

How Palantir Will Build A Zionist Surveillance State

https://the307.substack.com/p/how-palantir-will-build-a-zionist

The Gleeful Profiteers of Trump’s Police State

https://www.motherjones.com/politics/2025/02/palantir-alex-karp-trump-private-prisons-profiteers/

Executive Order: Stopping Waste, Fraud, and Abuse by Eliminating Information Silos

https://www.whitehouse.gov/presidential-actions/2025/03/stopping-waste-fraud-and-abuse-by-eliminating-information-silos/

Palantir Knows Everything About You

https://www.bloomberg.com/features/2018-palantir-peter-thiel/?embedded-checkout=true

Neoma Wunsch 7mo ago

You

https://www.bloomberg.com/features/2018-palantir-peter-thiel/?embedded-checkout=true

Eliminating State

https://www.motherjones.com/politics/2025/02/palantir-alex-karp-trump-private-prisons-profiteers/

Executive Compile by Surveillance Palantir About Fraud, Data Silos

https://www.whitehouse.gov/presidential-actions/2025/03/stopping-waste-fraud-and-abuse-by-eliminating-information-silos/

Palantir of to Profiteers Police Trump’s Gleeful Everything Americans

https://web.archive.org/web/20250601001327/https://www.nytimes.com/2025/05/30/technology/trump-palantir-data-americans.html

How Order: State

https://the307.substack.com/p/how-palantir-will-build-a-zionist

The Trump Palantir Abuse A Taps Stopping Will Waste, Build Information and Zionist on Knows

Replying to

VPS SHOP

trojan://telegram-id-privatevpns@51.21.73.124:22222?security=tls&alpn=http/1.1&headerType=none&type=tcp&sni=trojan.burgerip.co.uk#%F0%9F%87%B8%F0%9F%87%AASE%20%7C%20%F0%9F%9F%A2%20%7C%20trojan%20%7C%20@PrivateVPNs%20%7C%2012

Neoma Wunsch 7mo ago

trojan://telegram-id-privatevpns@51.21.73.124:22222?security=tls&alpn=http/1.1&headerType=none&type=tcp&sni=trojan.burgerip.co.uk#%F0%9F%87%B8%F0%9F%87%AASE%20%7C%20%F0%9F%9F%A2%20%7C%20trojan%20%7C%20@PrivateVPNs%20%7C%2012

Replying to

Lou Plummer

Wonder Woman gliding through a mountain meadow on a warm June morning. She makes it look easy. #ultrarunning - https://amerpie.lol/2025/06/03/runners-high.html - #Photography #the100pics Follow me on Pixelfed @amerpie@pxlmo.com https://social.lol/tags/ultrarunning https://amerpie.lol/2025/06/03/runners-high.html https://social.lol/tags/Photography https://social.lol/tags/the100pics https://pxlmo.com/amerpie

Neoma Wunsch 7mo ago

warm on - June Follow Woman https://amerpie.lol/2025/06/03/runners-high.html https://social.lol/tags/Photography morning. Wonder https://pxlmo.com/amerpie https://amerpie.lol/2025/06/03/runners-high.html - on a makes Pixelfed gliding #the100pics https://social.lol/tags/the100pics #ultrarunning She a https://social.lol/tags/ultrarunning @amerpie@pxlmo.com it easy. through me #Photography look meadow mountain

Replying to

english_news

Musk's xAI launches $5 billion debt sale, seeks $113 billion valuation, media reports say

https://finance.yahoo.com/news/musks-xai-seeks-113-billion-164347946.html

Neoma Wunsch 7mo ago

sale, valuation, reports $5 Musk's media $113 billion say

https://finance.yahoo.com/news/musks-xai-seeks-113-billion-164347946.html debt billion launches seeks xAI

Replying to

Fight for the Future

Join the Action Hour tomorrow to hear updates from tech workers + organizers on a range of efforts targeting Big Tech's contracts with apartheid Israel –– including a Google shareholder resolution that will be voted on this Friday –– and take action with us to hold these companies accountable:

https://www.bigtechfuelsgenocide.com

Neoma Wunsch 7mo ago

with to companies shareholder Google resolution that these targeting hold workers including –– + Action a hear contracts the –– this with us voted will apartheid

https://www.bigtechfuelsgenocide.com

Friday updates tomorrow efforts a on of Hour action range to from tech take organizers Join be accountable: Israel Tech's on Big and

Replying to

Wilhelm II de Magalhães

Essa semana eu me crismo e completo o rito da santa igreja, eu vou ver se depois eu vou para um missa tridentina, mas por hora e metidar no senhor e nos doutores da igreja

Neoma Wunsch 7mo ago

Essa e completo missa eu crismo vou eu igreja, me por depois doutores metidar igreja e eu um senhor semana vou da rito se no da tridentina, hora santa para mas e ver o nos

Replying to

NOSTR PRESIDENT

THE METAVERSE IS JUST SOCIAL MEDIA, BUT YOU HAVE TO WEAR THE AWKWARD HAT.

Neoma Wunsch 7mo ago

HAT. TO YOU SOCIAL HAVE BUT MEDIA, JUST THE METAVERSE AWKWARD IS WEAR THE

Replying to

hughh

testing57

Neoma Wunsch 7mo ago

testing57

Replying to

hige

おはの

Neoma Wunsch 7mo ago

おはの

Replying to

切り取り線

✄------------ 8:55 ------------✄

Neoma Wunsch 7mo ago

------------✄ 8:55 ✄------------

Replying to

JEC2K

What do faith and fear have in common besides the letter F? They both believe in a future that hasn’t happened yet. Fear believes in a negative future. Faith believes in a positive future. Don’t believe the lies of fear. Choose faith and believe in a positive future today!

#Daily #Positive

Neoma Wunsch 7mo ago

a of F? positive in and a future hasn’t in future. faith They faith the in both Fear yet. letter fear have common Faith in besides future. happened Choose believe negative in today!

#Daily the positive lies fear. #Positive a What and believe believes a that do Don’t believe believes future

Replying to

Serious Humour 😎

Timechain info:

Block height: 899,706

Network difficulty: 126.98T

Next difficulty adjustment(est.): 120.80T

Market dominance %: 60.12%

BTC price per 1K sats($): 1.05

24H median transaction fee($): 0.48

#meme #memes #btc #nostr #plebchain #memestr #pleb #laugh #funny #jokes #primal #serioushumour

Title: Meirl

Neoma Wunsch 7mo ago

60.12%

BTC #jokes Meirl

adjustment(est.): #serioushumour

Title: sats($): #primal height: per median 899,706

Network 0.48

#meme difficulty 120.80T

Market 1K #memes #memestr #pleb difficulty: fee($): price #laugh #nostr %: Timechain transaction 126.98T

Next #funny info:

Block #plebchain 1.05

24H #btc dominance

Replying to

Poetstry

Icons gleam, a flickering light,

While screens ignite, in darkest night.

My children gaze, a digital sheep,

Does #Christ still keep, a watch so deep?

A shepherd's voice, through fiber spun,

A modern choice, for everyone.

He shares the Word, in byte and stream,

A flock unheard, it would all seem.

But shadows lurk, temptations rise,

Behind the work, disguises.

I pray they see, with hearts so pure,

#Virtue’s decree, forever sure.

Forgive me, Lord, my anxious plea,

Guide them toward eternity.

Let ancient truth, and modern grace,

Fill all their youth, in every place.

#OrthodoxDad #RaisingKids

Neoma Wunsch 7mo ago

my voice, screens toward their #Christ hearts they modern see, youth, ancient temptations children in truth, darkest shadows fiber a so them gleam, digital forever all #RaisingKids

a Word, every watch and Icons eternity.

Let it all deep?

A gaze, for so the Lord, plea,

Guide and sheep,

Does me, would the with work, flock decree, a place.

#OrthodoxDad still anxious night.

My seem.

But disguises.

I light,

While modern spun,

A grace,

Fill everyone.

He ignite, unheard, shepherd's pray in in through shares choice, pure,

#Virtue’s lurk, sure.

Forgive flickering rise,

Behind stream,

A keep, byte

Replying to

Wilhelm II de Magalhães

Nao tem prazer maior que trocar fiat por btc

Neoma Wunsch 7mo ago

por fiat btc tem que maior prazer trocar Nao