Anda benar bahwa komputer fisik memiliki memori yang terbatas sehingga tidak Turing-lengkap. Ada beberapa cara lain di mana teori komputasi bukanlah model yang baik untuk komputasi - tidak memperhitungkan waktu dan kendala memori. Teori kompleksitas ditemukan (mungkin) sebagai penggambaran komputasi yang lebih realistis, tetapi IMHO menderita masalah yang serupa (tetapi lebih halus).
Di sisi lain, untuk mempelajari kemampuan dan batasan komputasi secara matematis, kita perlu menggunakan beberapa abstraksi yang tidak dibatasi. Itu memungkinkan analisis. Demikian pula, dalam mekanika statistik kita mengasumsikan bahwa jumlah elemen (atom atau molekul) sangat besar, sehingga perilakunya mendekati batas (yaitu, kita membiarkan jumlah elemen cenderung tak terhingga). Mempelajari komputasi dari perspektif asimptotik memiliki kelebihan yang serupa, tetapi terkadang menyesatkan. Berikut adalah beberapa contoh yang terakhir:
- Dalam kriptografi, algoritma eksponensial kadang-kadang layak. Jika kita memilih parameter keamanan yang salah, enkripsi kita mungkin tidak aman meskipun "terbukti aman".
- Algoritma polinomial-waktu dianggap mewakili komputasi yang efisien dan layak, tetapi banyak dari mereka tidak layak. Sebagai contoh, kebanyakan algoritma penggandaan matriks yang canggih tidak digunakan dalam praktiknya.
- Teori kompleksitas modern terobsesi dengan kinerja kasus terburuk, dan tidak dapat menganalisis algoritma heuristik yang digunakan dalam praktik. Masalah NP-hard dianggap tidak layak, namun mereka dipecahkan dalam praktik sepanjang waktu.
Masalah terpisah adalah bahwa komputer sungguhan sama sekali tidak bekerja seperti mesin Turing. Mereka bekerja seperti mesin RAM, yang merupakan abstraksi yang lebih baik untuk komputasi yang sebenarnya.