2025년 AI 융합 혁신 동향: 의료·도시·유전체·교육을 선도하는 인공지능
목차
- 스마트병원과 스마트도시 융합 모델
- AI 기반 정밀의료와 신약개발
- 세포 기반 자율이동 로봇 개발
- AI 유전체 분석의 혁신: AlphaGenome
- 국내 AI 생태계 및 정책 동향
- AI 인재 양성 및 교육 혁신
- 글로벌 AI 미래기술과 트렌드
- 결론
1. 요약
2025년 현재, 인공지능(AI)은 여러 산업 분야에서 융합 혁신을 통해 두각을 나타내고 있습니다. 특히, 의료, 도시 설계, 생명과학, 교육 분야에서의 AI 활용 사례는 가시적인 성과를 보여주고 있으며, 이러한 변화는 국내외 정책과 투자 전략에 의해 더욱 촉진되고 있습니다. 하림대학교의료원과 스마트도시협회 간의 협력 모델은 스마트병원 운영 경험을 도시 설계에 접목시키려는 시도로, 도시 공간 설계를 로봇 친화형으로 발전시킬 가능성을 제시합니다. 이와 함께, 서울대학교 의대의 AI 기반 3차원 병리 진단은 기존 진단 기법의 한계를 뛰어넘는 혁신을 가져오고 있으며, 개인 맞춤형 항암제를 제안하는 AI 모델('G2D-Diff') 개발은 정밀 의료의 가능성을 확대하고 있습니다.
국내 AI 생태계의 발전을 위한 '소버린 AI' 정책은 국산 AI 기술 강화의 기반을 마련하고 있으며, AI 데이터센터 구축과 AI 스타트업에 대한 지원을 통해 디지털 시대에 맞는 혁신 환경을 조성할 것입니다. 이번 보고서에서 언급된 AlphaGenome 모델의 공개는 유전체 분석 분야에서도 새로운 변화를 가져올 것으로 기대되며, 유전체 변이 예측 능력을 통해 맞춤형 의료의 길을 열어줄 것입니다.
또한, AI 기반 교육 플랫폼인 알파캠퍼스와 기업들이 주도하는 AI 교육 프로그램은 전문 인재 양성에 큰 기여를 하고 있습니다. 이러한 다양한 AI 융합 혁신은 향후 산업의 변화와 발전에 중대한 영향을 미칠 것으로 판단되며, 국제 협력과 심도 있는 연구 개발이 앞으로의 AI 생태계 조성에 필수임을 강조하고 있습니다.
2. 스마트병원과 스마트도시 융합 모델
2-1. 한림대의료원-스마트도시협회 업무협약
한림대학교의료원은 스마트도시협회와 연계하여 스마트병원 경험을 도시 공간 설계에 접목하는 혁신 모델을 개발하고 있습니다. 이번 협약은 병원의 로봇 및 AI 운영 경험을 도시 건축 설계 기준 개발에 직접 활용하려는 첫 사례로, 스마트도시협회는 로봇 친화형 공간 설계와 인증 기준 수립을 위한 전략 기획 및 실증 연계를 진행하고 있습니다. 한림대 의료원은 국내에서 무려 77대의 의료서비스 로봇을 도입하여, 이를 통해 수집된 데이터를 기반으로 병원 내 로봇 운영 흐름을 분석하고 있습니다. 이 데이터는 환자와 의료진의 업무 동선, 공간 활용을 최적화하는 데 활용될 예정입니다.
2-2. 로봇·AI 운영 노하우의 도시 설계 적용
한림대의료원의 로봇 운영 노하우는 도시 설계에 대한 실질적인 기여를 기대하게 합니다. 특히, 병원은 복잡한 기능이 밀집된 공간으로, 최근 로봇과 AI 기술이 많이 적용되고 있는 대표적인 생활 인프라입니다. 따라서 이번 협약을 통해 병원의 스마트병원 운영 경험을 기반으로 도시 공간 전략 및 스마트빌딩 인증 기준 고도화를 추구하고 있습니다. 도시 설계는 다양한 시민의 삶의 질을 직접적으로 영향을 미칠 수 있는 분야로, 병원의 운영 방식이 어떻게 도시 인프라와 결합될 수 있는지에 대한 연구가 이루어지고 있습니다.
2-3. 친화형 공간 인증 기준 수립
스마트도시협회는 병원과의 협력을 통해 '로봇 친화형 건축물 인증 체계' 개발을 진행하고 있습니다. 이러한 인증 제도는 도시 내에서 로봇이 효율적으로 작동할 수 있는 환경을 조성하기 위한 목표를 가지고 있습니다. 예를 들어, 로봇이 안내, 배송, 청소와 같은 다양한 업무를 수행할 수 있는 공간 설계를 필요로 합니다. 이러한 설계 가이드라인은 병원에서의 로봇 실증 경험을 통해 도출될 것이며, 이는 도시 내 로봇과 스마트 인프라가 어떻게 상호작용할 것인가에 대한 실증 기반 협력을 촉진할 것입니다. 또한, 향후 스마트시티 정책 세미나 및 정부 R&D 과제 등에서 공동 연구를 추진하며, 병원-도시 간의 협력 모델을 강화해나갈 계획입니다.
3. AI 기반 정밀의료와 신약개발
3-1. AI 3차원 정밀 병리 진단
서울대 의대 연구팀은 2차원 병리 진단의 한계를 극복하고 AI 기반의 3차원 병리 진단 기법을 개발하였습니다. 이 기술은 장 조직을 샘플링하여 새로운 분석 프로토콜을 통해 진행됩니다. 3차원 조직 투명화(tissue clearing) 기술에 AI 기반의 자동 분석 시스템이 결합되어, 기존의 병리 분석에 비해 최대 1,000배 빠른 분석 속도를 자랑합니다. 이 시스템은 장 신경계와 같은 복잡한 조직 구조를 정밀하게 분석할 수 있게 되어, 병리적 특징을 분명히 시각화 할 수 있습니다. AI는 저자극 신경과 점막 구조의 연결성을 분석하여 염증, 구조 왜곡 등의 문제를 해결하는 데 기여하고 있습니다.
3-2. 생성형 AI 신약 후보 물질 제안
광주과학기술원(GIST)의 남호정 교수 연구팀은 암 환자의 유전자형을 분석하여 개인 맞춤형 항암제 후보물질을 제안하는 생성형 AI 모델 'G2D-Diff'를 개발했습니다. 이 모델은 약 150만 개의 화학 구조와 120만 개의 약물 반응 데이터를 학습하여, 개별 환자의 유전자형을 기반으로 최적의 항암제를 자동으로 설계할 수 있는 능력을 갖추고 있습니다. 연구팀은 특히 생성형 AI 모델의 해석 가능성을 높여, 환자 개인의 생물학적 특성을 고려한 맞춤형 의학의 가능성을 제시하고 있습니다.
3-3. 아시아 종양학회 임상 성공 사례
2025년 7월 4일, 서울에서 열린 아시아 종양학회(ASO)에서 보로노이의 연구진은 비소세포폐암 치료제 'VRN11'의 임상 결과를 공개했습니다. 19명의 환자를 대상으로 한 이 연구에서 VRN11은 표준 치료인 타그리소에 반응하지 않았던 환자에서 종양 크기가 평균 7% 감소하고, 10차례 이상의 항암 치료를 받은 환자에서는 종양 크기가 43% 감소한 결과를 나타냈습니다. 이 임상 성공은 AI 기반 신약의 실제 임상 적용 가능성을 보여주는 중요한 이정표로 자리 잡고 있습니다. 따라서 AI 기술이 신약 개발과 치료법 개선에서 중요한 역할을 할 것이라는 기대가 커지고 있습니다.
4. 세포 기반 자율이동 로봇 개발
4-1. 자가 추진 세포 로봇 개념
세포 기반 자율이동 로봇은 생명체의 세포를 기반으로 하여 스스로 이동할 수 있는 로봇 시스템을 의미합니다. KAIST 화학과 최인성 교수 연구팀이 개발한 이 세포 로봇은 생체 부산물인 요소(urea)를 연료로 사용하여 자가 추진 메커니즘을 가지고 있습니다. 이 로봇의 특징은 외부 동력 장치나 복잡한 기계 구조 없이도 자율적으로 방향을 인식하고 움직일 수 있다는 점입니다. 이는 세포의 물질대사 과정을 활용하여, 필요한 에너지를 생명체에서 직접 얻어내는 방식으로 작동합니다.
4-2. 생체 부산물 요소 활용 메커니즘
연구팀은 효모를 활용하여 요소를 생체 친화적인 방식으로 변환하는 방법을 개발했습니다. 효모는 포도당을 분해하여 에너지를 생성하는 과정에서 알코올(에탄올)을 부산물로 형성하는데, 이 에탄올이 세포 로봇의 나노 껍질 형성에 기여합니다. 연구팀은 이 과정을 화학적으로 설계하여 효모 성장 및 분열 과정에서도 지속적으로 나노 껍질을 생성할 수 있는 시스템을 구현했습니다. 결과적으로 세포 로봇은 방향성과 자율성을 지니며, 주변 환경을 감지하고 반응할 수 있는 능력을 갖추게 되었습니다.
4-3. 정밀 약물 전달 응용 전망
자가 추진 세포 로봇은 향후 정밀 약물 전달 및 차세대 세포 기반 치료법 개발에 필수적인 혁신 기술로 자리 잡을 것으로 기대됩니다. 이러한 세포 로봇은 특정 질병, 예를 들어 암세포에 대한 표적 치료에서 중요한 역할을 할 가능성이 큽니다. 로봇이 스스로 환경을 인식하고 그에 맞춰 움직임을 조절할 수 있기 때문에, 약물을 정확한 위치에 전달함으로써 치료 효과를 극대화할 수 있습니다. 이상적으로는 환자의 체내에서 필요한 약물만을 선택적으로 방출하는 시스템으로 발전할 수 있습니다.
5. AI 유전체 분석의 혁신: AlphaGenome
5-1. AlphaGenome 모델 공개
2025년 6월 25일, 구글 딥마인드(Google DeepMind)는 인간 유전체에 대한 새로운 인공지능(AI) 모델인 'AlphaGenome'을 공식 발표했습니다. 이 모델은 DNA 서열의 변이가 유전자 조절에 미치는 영향을 예측하여, 유전체 연구와 생명 과학 분야의 혁신적인 도구로 자리 잡을 것으로 기대됩니다. AlphaGenome은 단백질 코딩 영역 뿐만 아니라 비코딩 영역까지 포함하여 유전자 규제를 포괄적으로 이해할 수 있도록 설계되었습니다. 이는 과거의 모델들이 주로 단백질 코딩 DNA에 집중하던 것과 대조되는 큰 advancement입니다.
이 모델은 최대 100만 개의 DNA 염기쌍을 한 번에 분석할 수 있으며, 이는 기존 모델들이 가지지 못했던 고속 및 다중 예측 능력을 제공합니다. AlphaGenome은 ENCODE, GTEx, 4D Nucleome와 같은 대규모 공개 데이터세트를 바탕으로 훈련된 결과, 유전자 발현 수준, RNA 스플라이싱 패턴, 크로마틴 접근성 등의 핵심 분자 특성을 정확히 예측할 수 있습니다.
5-2. 유전체 변이 예측 기능
AlphaGenome의 가장 중요한 기능 중 하나는 유전적 변이가 유전자 규제에 미치는 영향을 예측하는 것입니다. 작은 변화 즉, 변이(variant)가 유전자의 기능과 질병 위험에 어떻게 영향을 미치는지 이해하는 것은 생물학의 가장 큰 도전 중 하나입니다. AlphaGenome은 이러한 도전 과제를 해결하기 위해, 변이가 발생했을 때의 효과를 평가할 수 있도록 훈련되었습니다.
이 모델은 수천 가지 분자 특성을 예측할 수 있으며, 이는 유전자 발현 증가 또는 감소, 특정 단백질에 결합하는 DNA 서열의 변화 등을 포함합니다. 예를 들어, AlphaGenome은 RNA 스플라이싱의 접합점을 명시적으로 모델링하여 RNA 분자에서 일어나는 스플라이싱 오류가 어떻게 특정 유전 질환을 유발할 수 있는지를 분석할 수 있습니다.
5-3. API 제공 및 활용 사례
AlphaGenome은 비상업적 연구를 위한 API 형태로 공개되었습니다. 연구자들은 이 API를 통해 자신의 데이터셋에서 AlphaGenome의 예측 기능을 활용할 수 있으며, 이를 통해 유전체 기능과 질병 생물학에 대한 새로운 통찰력을 얻을 수 있습니다. 예를 들어, 한 연구팀은 AlphaGenome을 사용하여 특정 유전자의 변이가 환자의 단백질 발현에 미치는 영향을 모의 실험으로 규명할 수 있었습니다.
이 모델은 다양한 연구 분야에서 활용될 수 있으며, 개인의 유전자 변이를 기반으로 맞춤형 의료 및 치료법을 개발하는 데 중요한 역할을 할 것으로 기대됩니다.
5-4. 향후 연구 전망
AlphaGenome은 현재의 유전자 분석 모델들보다 높은 성능을 보여주고 있으며, 향후 연구에서 더 많은 조직과 종을 포함하도록 확장될 계획입니다. 이는 비교 유전체학 및 종 간 기능 주석 기능을 촉진할 것입니다. 또한, AlphaGenome의 기능이 발전함에 따라, 특정 질병이나 유전적 특성을 이해하기 위한 도구로 자리잡을 가능성이 높습니다.
마지막으로, AlphaGenome은 AI 기술을 통해 생명 과학 분야에서 혁신을 가져오는 데 기여할 뿐만 아니라, 환자 맞춤형 의학 도입 및 유전적 질병 진단의 정확성을 높이는 데도 중요한 역할을 할 것입니다.
6. 국내 AI 생태계 및 정책 동향
6-1. ‘소버린 AI’ 국가 전략
이재명 정부는 2025년 현재, 인공지능(AI) 기술을 국가 전략의 핵심 과제로 삼고 '소버린 AI(Sovereign AI)'라는 정책을 발표했습니다. 이 정책의 핵심은 국산 AI 기술의 자립성과 글로벌 경쟁력 강화를 목표로 하며, 100조 원 규모의 대규모 투자를 통해 AI 인프라를 구축하도록 계획하고 있습니다. 정부는 AI 데이터센터 구축 및 GPU 자원 확보 등을 통해 국가 차원의 AI 주권을 강화하려 하고 있으며, 이는 민간 기업과 협력하여 디지털 대전환의 기반을 마련하는 것을 목표로 합니다. 특히, 올해 내 GPU 1만 장을 확보하는 것을 목표로 하는 AI 컴퓨팅 센터는 AI 스타트업 및 중소기업들에게 필수적인 연산 자원을 제공하게 됩니다. 이러한 인프라는 단순한 장비 제공을 넘어 국산 AI 모델의 연구와 서비스 실증 테스트에 필요한 환경을 제공하는 역할을 하게 될 것입니다.
6-2. 공공·대기업 중심 AI 수요자 연계
AI 생태계의 발전에서 중요한 요소는 산업으로의 실질적인 AI 기술 적용입니다. 국내 주요 기업인 네이버, 카카오, SK텔레콤, KT, LG유플러스 등은 각각의 기술력과 사업 모델을 근거로 AI 활용 방안을 모색하고 있습니다. 이들 기업은 고유 기술 확보와 오픈 소스 기반의 AI 솔루션을 통해 AI 수요자의 필요를 충족시키고, 연구 및 개발을 통해 시장을 선도하고 있습니다. 예를 들어, 네이버의 '하이퍼클로바X' 모델은 한국어와 한국 문화에 적합하게 고도화되었고, 카카오는 '카나나'라는 모델을 통해 사용자 경험을 증대시키고 있습니다. 특히, AI 기술을 바탕으로 사용자 맞춤형 서비스를 제공하는 각 기업의 노력은 공공 서비스와도 연계되어 AI 생태계의 확장을 더욱 촉진하고 있습니다.
6-3. 디지털 트윈·LLM 응용 확대
디지털 트윈(Digital Twin)과 초거대언어모델(LLM)의 응용은 AI 기술 혁신의 중요한 감소로 떠오르고 있습니다. 디지털 트윈은 실제 세계의 데이터를 바탕으로 물리적 사물의 디지털 복제본을 생성하여 실제 환경에서 발생하는 사건을 예측하고 관리하는 데 사용됩니다. 이는 특히 도시 관리, 재난 대응 및 산업 공정 최적화에 큰 효과를 보고 있습니다. 한편, LLM 기술은 대규모 데이터를 학습하는 과정에서 더욱 향상된 언어 이해 및 현실 인지 능력을 갖추어가고 있습니다. 한국에서는 이러한 LLM 기술을 활용한 다양한 연구 및 응용 프로젝트가 진행되고 있으며, 공공기관과 기업들이 협력하여 새로운 AI 솔루션을 도입하고 있습니다. 이러한 추진 노력은 앞으로 정부의 AI 주권 확보 및 경제적 경쟁력을 더욱 강화하는데 기여할 것입니다.
7. AI 인재 양성 및 교육 혁신
7-1. 알파캠퍼스 맞춤형 교육 플랫폼
‘알파캠퍼스’는 국가과학기술인력개발원이 개발한 온라인 교육 플랫폼으로, 과학기술인의 균형 잡힌 역량 향상을 목표로 하고 있습니다. 각각의 학습자에게 맞춘 교육과정을 제공하여, 직무와 경력 단계에 따라 필요한 내용을 적시에 학습하도록 설계되어 있습니다. 교육 과정은 R&D 전문 교육뿐만 아니라 핵심 및 리더십 역량 개발까지 아우르며, 과학기술인들이 변화하는 환경에 적응할 수 있도록 돕고 있습니다. 특히 알파캠퍼스는 연간 31만 명의 수료생을 배출하며, AI 관련 최신 동향을 반영한 교육 콘텐츠를 지속적으로 강화하고 있습니다.
7-2. 삼성·LG 등 기업 주도 AI 교육
삼성전자와 LG전자는 AI 역량 강화를 위해 자체적인 교육 프로그램을 운영하고 있습니다. 삼성전자는 ‘GenAI 파워유저 프로그램’을 통해 기본적인 생성형 AI 활용법부터 서비스 개발까지를 포괄하는 4단계 교육을 제공하고 있으며, 실제 업무에 필요한 기술을 익힐 수 있는 기회를 제공하고 있습니다. LG전자 역시 생성형 AI 활용 및 실무 중심의 교육을 통해 전체 임직원의 AI 역량을 높이는 데 힘쓰고 있습니다. 이러한 기업 주도 AI 교육은 AI 활용이 필수적인 직무 수행에 대한 준비성을 높이고 있으며, 직원들의 경쟁력 향상에 기여하고 있습니다.
7-3. 아이브릭스 AI 튜터 기술
아이브릭스는 자기주도 학습을 지원하는 AI 튜터 기술을 개발하여 학습자의 인지 상태 분석 및 능동적인 개념 탐구를 돕고 있습니다. 이 기술은 학습자의 문제풀이 이력과 개념 이해 수준을 실시간으로 분석하며, 메타인지적 학습 활동을 유도합니다. 학습 과정은 ‘퍼스널라이제이션 알고리즘’과 ‘리플렉션 알고리즘’을 통해 개인 맞춤형 피드백을 제공하며, 학습자가 자신의 학습 방향을 능동적으로 조정할 수 있도록 설계되어 있습니다. 아이브릭스의 AI 튜터는 현재 초중고 학생들을 대상으로 하며, 향후 더욱 확대될 예정입니다.
7-4. GenAI 기반 AI 교육 콘텐츠의 발전
Generative AI(GenAI)의 발전은 AI 교육 콘텐츠의 방식에도 큰 변화를 가져오고 있습니다. 새로운 AI 교육 과정에서는 창의력, 언어 모델링 및 콘텐츠 생성의 윤리적 고려에 대해서도 강조하고 있습니다. 교육기관들은 AI 기술의 기초를 넘어, AI 모델들이 어떻게 상호 작용하고 적응하는지를 이해하는 데 중점을 두고 있습니다. 이러한 변화는 학생들이 AI 기술을 실제로 활용할 수 있는 능력을 키우는 동시에, AI의 책임 있는 사용에 대한 인식을 넓히는 데 기여하고 있습니다.
7-5. IDC 적응형 교육 트렌드
IDC에서 제안하는 적응형 교육 방식은 개인의 학습 속도와 스타일에 맞춰 교육 과정을 조정할 수 있는 전략입니다. 이 접근법은 기술의 발전에 따라 교육도 유연하고 동적으로 변화할 필요성이 있다는 점을 강조합니다. AI 기반의 학습 분석 Tool을 활용하여 학습자의 강점과 약점을 진단하고, 이를 바탕으로 맞춤형 교육 과정을 제공함으로써 학습 효과성을 높이고 있습니다. 이러한 트렌드는 AI 교육의 지속 가능성을 높이고, 향후 필요할 인재 양성에 커다란 영향을 미칠 것입니다.
8. 글로벌 AI 미래기술과 트렌드
8-1. WEF 선정 10대 미래유망기술
세계경제포럼(WEF)은 2025년 다보스포럼에서 '10대 미래유망기술'을 발표했습니다. 이번 발표에는 GLP-1 기반의 비만치료제 및 치매 치료 가능성에 대한 기술, 생성형 AI 저작권 문제 해결을 위한 생성형 워터마킹 기술 등의 여러 혁신적인 기술들이 포함되었습니다. 특히, GLP-1 계열의 신약은 인지기능 개선 등에 긍정적인 영향을 미친다고 알려져 있으며, 이는 노인 인구가 증가함에 따라 치매 대응 솔루션으로 중요한 역할을 할 것으로 기대됩니다. 이 외에도 SMR(소형모듈원자로)와 같은 에너지 혁신 기술, 그리고 생화학 신호 센서 기술 등이 포함되어, 향후 3~5년 내에 우리의 사회와 경제에 지대한 영향을 미칠 것으로 평가되고 있습니다.
8-2. 비만 치료제와 치매 치료 가능성
GLP-1 기반 비만 치료제는 최근 연구에서 알츠하이머병 및 파킨슨병과 같은 뇌 관련 질환에 긍정적인 영향을 미칠 수 있다는 결과가 보고되었습니다. 이 기술은 신경세포의 염증을 억제하고 독성 단백질 제거를 촉진시키는 역할을 하여 인지 및 운동 기능 개선이 가능할 것으로 예상됩니다. 이는 치료비용 감소뿐만 아니라 노인의 삶의 질을 향상시키는 데 도움을 줄 수 있어, 사회적으로도 큰 의미가 있습니다.
8-3. Apple Siri 백엔드 교체 검토
Apple은 자사의 음성 비서 Siri의 AI 핵심 엔진을 외부의 대형 언어 모델인 Claude 또는 ChatGPT로 교체하는 방안을 고려하고 있다는 보도가 나왔습니다. 이는 Apple의 기존 자체 개발 전략에서 벗어나 경쟁력과 기능성을 우선시하는 변화로 분석됩니다. Siri는 오랜 기간 동안 대화능력 부족으로 비판받아 왔으며, 이러한 변화를 통해 향후 사용자의 대화 경험을 크게 향상시킬 것으로 기대됩니다. 그러나 이 업그레이드는 2026년으로 연기되었으며, 품질 보증 요구와 개인정보 보호 기준 유지 등이 원인으로 지적되고 있습니다.
결론
AI 기술의 융합은 단순히 산업 효율성을 높이는 것을 넘어, 전 산업 분야의 혁신을 이끌고 있습니다. 현재, 의료와 도시 설계의 융합 모델은 성공적인 사례로 자리 잡고 있으며, 이를 바탕으로 임상 성과를 협력하여 상용화하는 것이 앞으로의 과제로 부각되고 있습니다. AI 기반의 세포 로봇과 유전체 분석은 이러한 혁신의 핵심 요소로, 그 잠재력은 무궁무진합니다. 그러나 이들 기술의 발전과 함께 접근해야 할 과제가 있는 것도 사실이며, 규제 및 표준화, 윤리적 고려에 대한 깊은 논의가 필수적입니다.
또한, '소버린 AI' 국가 전략은 AI 기술 자립성을 높여 글로벌 경쟁력을 확보하는 데 중요한 역할을 할 것입니다. AI 생태계를 활성화하기 위해서는 국내의 AI 교육 플랫폼을 통해 적절한 인재를 양성하고, 기업과 학계의 협력을 강화하여 혁신 생태계를 강화해야 합니다. 중장기적으로 AI 기술의 발전이 사회 전반에 긍정적인 영향을 미칠 수 있도록 정책적인 지원과 국제적인 협력이 요구됩니다.
결국, AI 융합 생태계를 조성하기 위한 이러한 노력이 향후 사회적 과제인 인구 고령화, 환경 문제, 건강 관리 등 다양한 과제 해결에 기여할 것이며, 미래의 지속 가능한 발전을 이루기 위한 필수 조건임을 인식해야 합니다.