许多非常不同的图灵完整计算模型在物理上都是可实现的(直到将无穷大视为无边界的代表)。因此,这不是选择模型的重点。
@jkff的回答很恰当,它表示图灵机旨在作为用于研究可计算性和可证明性(实际上是在希尔伯特的Entscheidungsproblem问题中提出)的数学目的的理论装置
。但这在选择简单形式主义的原因上不太准确。
原则上证明,使用更高级的模型,停止问题并不那么困难。实际上,我们的“证明”通常只是解决方案的构建。我们并没有过多地讨论这些构造是正确的实际(非常乏味的)论点。但是,为图灵完整语言编写解释器的任何人,都和构造通用机器的工作一样多。好吧,C可能有点复杂,出于这个目的,我们可能希望对其进行简化。
建立简单模型的重要性更多地在于可以对模型进行使用,而不是建立模型的属性(例如,由@jkff给出的示例的“停顿问题”)。
通常,大定理通常是可以非常简单地表达的定理,并且适用于各种各样的问题。但是它们不一定是容易证明的定理。
就TM而言,简单性的重要性在于,通过将停顿问题或其他TM问题减少到我们感兴趣的问题(例如,上下文无关语言的歧义),从而建立了许多结果,从而为解决问题建立了固有的局限性这些问题。
实际上,尽管TM模型非常直观(这可能是其流行的主要原因),但它通常不够简单,无法用于此类证明。这就是其他一些甚至更简单的模型(例如“ 后信函问题 ”)重要性的原因之一,该模型分析起来较不直观,但易于使用。但这是因为这些计算模型通常用于证明否定结果(可追溯到最初的Entscheidungs问题)。
但是,当我们想证明积极的结果时,例如存在解决某些给定问题的算法时,TM太简单了。考虑模式高级模型(例如RAM计算机或关联存储计算机,或者许多其他模型之一,甚至只是许多编程语言之一)要容易得多。
鉴于将这些模型简化为TM模型(通常是多项式)的复杂性,因此TM模型仅作为参考点,特别是对于复杂性分析而言。举一个极端的例子,Lambda演算的约简。
换句话说,TM模型对于设计和研究算法(肯定的结果)通常过于简单,而对于研究可计算性(否定的结果)通常过于复杂。
但这似乎是在正确的位置,可以作为
将所有部件连接在一起的中央链接,并且具有相当直观的巨大优势。
关于物理类比,没有理由选择一个模型而不是另一个模型。许多Turing完整的计算模型在物理上都是可以实现的(对于内存无限,它是无限的),因为没有理由认为一台计算机及其软件比“裸”计算机的物理性要差。毕竟,该软件具有物理表示形式,它是已编程计算机的一部分。因此,由于从该角度来看所有计算模型都是等效的,因此我们不妨选择一个便于组织知识的模型。