অনেকগুলি পৃথক পৃথক ট্যুরিং সম্পূর্ণ গণনা মডেল শারীরিকভাবে উপলব্ধিযোগ্য (সীমাহীনতার জন্য দাঁড়িয়ে হিসাবে অসীম বিবেচনা করা)। সুতরাং এটি একটি মডেল চয়ন করার জন্য বিন্দু করতে পারে না।
@ জেকিএফএফের উত্তরটি এই মন্তব্যে উপযুক্ত যে ট্যুরিং মেশিনটি গণ্যতা এবং সম্ভাব্যতা অধ্যয়ন করার গাণিতিক উদ্দেশ্যে (আসলে হিলবার্টের এন্টশেডংস্প্রোব্লেমের প্রেক্ষাপটে উত্থাপিত হয়েছে ) গাণিতিক উদ্দেশ্যে একটি তাত্ত্বিক ডিভাইস হিসাবে তৈরি
। তবে এটি সরল আনুষ্ঠানিকতা বাছাই করার কারণগুলিতে একেবারে সঠিক নয়।
নীতিগতভাবে হ্যালটিং সমস্যাটি প্রমাণ করা আরও উন্নত মডেলের সাথে তেমন শক্ত নয়। প্রকৃতপক্ষে, আমাদের "প্রমাণগুলি" প্রায়শই একটি সমাধানের নির্মাণ construction আমরা প্রকৃত (খুব ক্লান্তিকর) যুক্তিগুলিতে খুব বেশি যাই না যে এই নির্মাণগুলি সঠিক। তবে যে কেউ ট্যুরিং সম্পূর্ণ ভাষার জন্য দোভাষী লিখেছেন সে যে কোনও নির্মাণের মতো ইউনিভার্সাল মেশিন করে। ঠিক আছে, সি কিছুটা জটিল হতে পারে এবং আমরা এ জাতীয় উদ্দেশ্যে এটি কিছুটা প্রবাহিত করতে চাই।
একটি সাধারণ মডেল থাকার গুরুত্বটি তার বৈশিষ্ট্যগুলি (যেমন হ্যালটিং প্রব্লেম, @ @jkff দ্বারা প্রদত্ত উদাহরণ গ্রহণের জন্য) প্রতিষ্ঠিত করার চেয়ে মডেলের তৈরি করা যায় এমন ব্যবহারে অনেক বেশি থাকে।
সাধারণত, দুর্দান্ত উপপাদ্য প্রায়শই এমন উপপাদ্য যা খুব সহজভাবে প্রকাশ করা যায় এবং বিস্তৃত সমস্যার ক্ষেত্রে প্রযোজ্য। তবে এগুলি প্রয়োজনীয় তাত্ত্বিক নয় যা প্রমাণ করা সহজ।
টিএম এর ক্ষেত্রে, সরলতার গুরুত্ব হ'ল কারণ হ্যালটিং সমস্যা বা অন্যান্য টিএম সমস্যা হ্রাস করার মাধ্যমে অনেকগুলি ফলাফল প্রতিষ্ঠিত হয়, আমরা যে সমস্যাগুলিতে আগ্রহী (যেমন প্রসঙ্গমুক্ত ভাষাগুলির অস্পষ্টতা) এর ফলে সমাধানের অন্তর্নিহিত সীমাবদ্ধতা প্রতিষ্ঠা করে many সমস্যাগুলো.
আসলে, যদিও খুব স্বজ্ঞাত (এটি সম্ভবত এটির জনপ্রিয়তার মূল কারণ), টিএম মডেল প্রায়শই এই জাতীয় প্রমাণগুলিতে ব্যবহারের জন্য যথেষ্ট সহজ নয়। এটি পোস্ট কারসপন্ডেন্স প্রবলেমের মতো আরও কিছু সাধারণ মডেলের, বিশ্লেষণ করার পক্ষে কম স্বজ্ঞাত, তবে সহজেই ব্যবহারযোগ্যতার গুরুত্বের এক কারণ । তবে এটি কারণ হ'ল এই কম্পিউটিশনাল মডেলগুলি প্রায়শই নেতিবাচক ফলাফলগুলি প্রমাণ করতে ব্যবহৃত হয় (যা মূল এন্টেসিডেংস্প্রোবলে ফিরে যায়)।
যাইহোক, যখন আমরা কিছু প্রদত্ত সমস্যা সমাধানের জন্য অ্যালগরিদমের অস্তিত্বের মতো ইতিবাচক ফলাফলগুলি প্রমাণ করতে চাই, তখন ডিএম একটি ডিভাইসটিকে খুব সরল করে তোলে। মোড উন্নত মডেল যেমন র্যাম কম্পিউটার , বা একটি সহযোগী মেমরি কম্পিউটার , বা অন্য অনেকগুলি মডেলগুলির মধ্যে একটি, এমনকি অনেকগুলি প্রোগ্রামিং ভাষার মধ্যে কেবল একটির মধ্যে বিবেচনা করা আরও সহজ।
তারপরে টিএম মডেলটি কেবলমাত্র একটি রেফারেন্স পয়েন্ট হিসাবে আসে, বিশেষত জটিলতার বিশ্লেষণের জন্য, এই মডেলগুলি টিএম মডেলকে হ্রাস করার জটিলতা দেওয়া হয় (সাধারণত বহুপদী)। টিএম মডেলের সরলতা তারপরে জটিলতার ব্যবস্থায় অনেক বিশ্বাসযোগ্যতা দেয় (বিপরীত হিসাবে, ল্যাম্বদা-ক্যালকুলাস হ্রাস করার জন্য একটি চরম উদাহরণ গ্রহণ করা)।
অন্য কথায়, টিএম মডেল প্রায়শই অ্যালগরিদমগুলি ডিজাইন এবং অধ্যয়ন (ইতিবাচক ফলাফল) অধ্যয়ন করার জন্য খুব সরল, এবং প্রায়শই কম্পিউটারের সামর্থ্য (নেতিবাচক ফলাফল) অধ্যয়নের জন্য খুব জটিল।
কিন্তু এটা সঠিক জায়গায় একটি কেন্দ্রীয় লিঙ্ক হিসাবে পরিবেশন করা সম্পর্কে এ মনে করা হয়
এটি সব একসাথে সংযুক্ত হওয়ার জন্য, বরং স্বজ্ঞাত হচ্ছে বড় সুবিধা হয়।
শারীরিক সাদৃশ্যগুলি সম্পর্কে, অন্যটির তুলনায় একটি মডেল চয়ন করার কোনও কারণ নেই। অনেক টিউরিং সম্পূর্ণ গণনা মডেল শারীরিকভাবে উপলব্ধিযোগ্য (মেমরি অনন্তের জন্য সীমাহীনতা পর্যন্ত), যেহেতু একটি কম্পিউটারকে "নগ্ন" কম্পিউটারের চেয়ে কম শারীরিক হিসাবে তার সফ্টওয়্যারটির সাথে একত্রে বিবেচনা করার কোনও কারণ নেই। সর্বোপরি, সফ্টওয়্যারটির একটি শারীরিক উপস্থাপনা রয়েছে, যা প্রোগ্রামড কম্পিউটারের অংশ। সুতরাং, যেহেতু সমস্ত গণনার মডেলগুলি সেই দৃষ্টিকোণ থেকে সমতুল্য, তাই আমরা সেইসাথে জ্ঞানের সংগঠনের জন্য উপযুক্ত একটি বেছে নিতে পারি।