ChatGPT的底层逻辑是基于生成式预训练模型（Generative Pre-Training）。它使用了大量的无监督学习来预训练模型，然后通过有监督学习进行微调，以提高对语言的理解能力。

ChatGPT的训练过程可以分为两个阶段：预训练和微调。在预训练阶段，模型使用大规模的文本数据进行自我监督学习，通过预测下一个词来学习语言的统计规律和语义表示。在微调阶段，模型使用特定任务的有标签数据进行有监督学习，以使模型适应特定任务的要求，例如生成对话回复。

至于ChatGPT是否会产生自我迭代和自我意识，目前的ChatGPT模型并没有实现自我迭代和自我意识的能力。它只是通过大规模的训练数据来学习语言的模式和规律，并根据输入生成相应的回复。它没有自我意识和自我迭代的能力，它的回复是基于已有的训练数据和模型的预测能力。因此，ChatGPT目前还不能替代计算机专业的学习，学习计算机专业仍然是有必要的。