แบบจำลองการคำนวณที่สมบูรณ์แบบของทัวริงที่แตกต่างกันมากมายนั้นสามารถใช้งานได้จริง (ขึ้นอยู่กับการพิจารณาว่าไม่มีที่สิ้นสุด ดังนั้นจึงไม่สามารถระบุจุดสำหรับการเลือกแบบจำลองได้
คำตอบโดย @jkff มีความเหมาะสมในการตั้งข้อสังเกตว่าเครื่องทัวริงมีวัตถุประสงค์เพื่อเป็นอุปกรณ์ทางทฤษฎีเพื่อวัตถุประสงค์ทางคณิตศาสตร์ของการศึกษาและการคำนวณ provability (ที่เกิดขึ้นจริงในบริบทของฮิลแบร์ตที่
Entscheidungsproblem ) แต่มันก็ไม่แม่นยำในเหตุผลที่เลือกพิธีการง่าย ๆ
โดยหลักการแล้วปัญหา Halting นั้นไม่ได้ยากนักเมื่อเทียบกับโมเดลขั้นสูงอื่น ๆ ในความเป็นจริง "พิสูจน์" ของเรามักจะเป็นเพียงการสร้างวิธีการแก้ปัญหา เราไม่ได้เข้าไปโต้แย้งที่แท้จริง (น่าเบื่อมาก) ว่าสิ่งปลูกสร้างเหล่านี้ถูกต้อง แต่ทุกคนที่เขียนล่ามสำหรับภาษาทัวริงที่สมบูรณ์นั้นก็เหมือนกับการสร้างเครื่องจักรที่เป็นสากล ทีนี้ C อาจจะค่อนข้างซับซ้อนและเราอาจต้องการปรับปรุงมันเล็กน้อยเพื่อวัตถุประสงค์ดังกล่าว
ความสำคัญของการมีแบบจำลองง่าย ๆ นั้นมีอยู่มากในการใช้งานที่สามารถสร้างขึ้นจากแบบจำลองได้มากกว่าการสร้างคุณสมบัติ (เช่นปัญหาการหยุดชะงักเพื่อใช้เป็นตัวอย่างที่ได้รับจาก @jkff)
โดยทั่วไปแล้วทฤษฎีบทที่ยิ่งใหญ่มักเป็นทฤษฎีบทที่สามารถแสดงออกได้ง่ายมากและสามารถใช้ได้กับปัญหาที่หลากหลาย แต่พวกเขาไม่จำเป็นต้องมีทฤษฎีบทที่พิสูจน์ได้ง่าย
ในกรณีของ TM ความสำคัญของความเรียบง่ายคือเนื่องจากผลลัพธ์จำนวนมากถูกสร้างขึ้นโดยการลดปัญหา Halting หรือปัญหา TM อื่น ๆ ให้กับปัญหาที่เราสนใจ (เช่นความคลุมเครือของภาษาที่ไม่มีบริบท) จึงสร้างข้อ จำกัด โดยธรรมชาติในการแก้ไข ปัญหาเหล่านี้
ในความเป็นจริงแม้ว่าจะใช้งานง่ายมาก (ซึ่งอาจเป็นสาเหตุหลักของความนิยม) รุ่น TM มักจะไม่ง่ายพอสำหรับใช้ในการพิสูจน์ดังกล่าว นั่นคือเหตุผลข้อหนึ่งสำหรับความสำคัญของโมเดลอื่นที่ง่ายกว่าเช่นปัญหาการโพสต์ความสอดคล้องการวิเคราะห์ที่เข้าใจง่ายน้อยกว่า แต่ง่ายต่อการใช้ แต่นี่เป็นเพราะโมเดลการคำนวณเหล่านี้มักจะใช้เพื่อพิสูจน์ผลลัพธ์เชิงลบ (ซึ่งกลับไปที่ Entscheidungsproblem เดิม)
อย่างไรก็ตามเมื่อเราต้องการพิสูจน์ผลลัพธ์ที่เป็นบวกเช่นการมีอัลกอริทึมในการแก้ปัญหาที่กำหนด TM จะง่ายเกินไปสำหรับอุปกรณ์ มันง่ายกว่าที่จะพิจารณารุ่นขั้นสูงของโหมดเช่นคอมพิวเตอร์ RAMหรือคอมพิวเตอร์หน่วยความจำที่เชื่อมโยงหรือหนึ่งในรุ่นอื่น ๆ หรือแม้แต่หนึ่งในภาษาการเขียนโปรแกรม
จากนั้นโมเดล TM มาเป็นเพียงจุดอ้างอิงโดยเฉพาะอย่างยิ่งสำหรับการวิเคราะห์ความซับซ้อนเนื่องจากความซับซ้อนของการลดโมเดลเหล่านี้เป็นโมเดล TM (โดยทั่วไปคือพหุนาม) ความเรียบง่ายของโมเดล TM จะให้ความน่าเชื่อถือในการวัดความซับซ้อนมาก เพื่อยกตัวอย่างสุดขั้วไปสู่การลดแลมบ์ดาแคลคูลัส)
กล่าวอีกนัยหนึ่งโมเดล TM มักจะง่ายเกินไปสำหรับการออกแบบและศึกษาอัลกอริธึม (ผลบวก) และมักซับซ้อนเกินไปสำหรับการศึกษาการคำนวณ (ผลลัพธ์เชิงลบ)
แต่ดูเหมือนว่าจะอยู่ในสถานที่ที่เหมาะสมในการทำหน้าที่เป็นลิงค์กลางในการเชื่อมโยง
มันเข้าด้วยกันโดยมีข้อได้เปรียบที่ดีของการใช้งานง่าย
เกี่ยวกับการเปรียบเทียบทางกายภาพไม่มีเหตุผลที่จะเลือกรูปแบบหนึ่งมากกว่าอีกแบบหนึ่ง แบบจำลองการคำนวณที่สมบูรณ์แบบของทัวริงหลายตัวสามารถใช้งานได้จริง (จนถึงขีด จำกัด สำหรับหน่วยความจำอินฟินิตี้) เนื่องจากไม่มีเหตุผลที่จะต้องพิจารณาคอมพิวเตอร์พร้อมซอฟต์แวร์ที่มีอยู่จริงน้อยกว่าคอมพิวเตอร์ "เปล่า" ท้ายที่สุดซอฟต์แวร์นี้มีการแสดงภาพจริงซึ่งเป็นส่วนหนึ่งของคอมพิวเตอร์ที่ตั้งโปรแกรมไว้ ดังนั้นเนื่องจากโมเดลการคำนวณทั้งหมดมีมุมมองเทียบเท่าเราจึงอาจเลือกแบบจำลองที่สะดวกสำหรับการจัดระเบียบความรู้