圖靈機模型的穩健性（robustness）

假設你寫下摺紙鶴的步驟，然後測試：改用較厚的紙、在桌上摺而不是在腿上摺、用兩隻手而不是一隻手，這些會不會改變你能摺出的形狀。若這些調整都沒讓你摺出任何真正新的東西，你會說「摺紙」這個基本動作是穩健的：細節對「能不能做到」毫無影響。圖靈機模型的穩健性（robustness）正是同一個觀察。你可以給機器添上各式各樣的裝飾，但它能識別的語言類別始終不變。

具體而言，基本的單帶圖靈機與一長串變體，識別的語言完全相同（即圖靈可識別的語言），判定的語言也完全相同（即可判定的語言）。這些變體包括：多條帶；非確定型轉移函數；雙向無窮（而非只向右無窮）的帶；單帶上的多個讀寫頭；多軌道；讀寫頭多出一個「原地不動」選項；固定地擴大紙帶字母表；以及枚舉一個語言（而非測試成員）的枚舉器。每一項都透過模擬被證明等價：你展示一台樸素的機器如何一步步模仿那台花俏的機器。在所有這些改變之下，可計算函數的類別都保持不變。

穩健性之所以重要，是因為它告訴我們「圖靈可計算」是一個穩定而自然的概念，而非某個特定設計的偶然產物。若每當有人加一條帶或一個讀寫頭、答案就變一次，這個模型就只是個趣聞，而不是「計算」的定義。這份穩定性是邱奇-圖靈論題最強的內部證據，也正是它授權複雜度理論在多項式範圍內定義 P 這類類別而不必斤斤計較確切機型的原因——因為這些標準變體之間的慢化只有多項式。