CNN取代RNN来做Attention的关键进展出现在2017年。这一突破主要由Vaswani等人在他们的论文《Attention is All You Need》中提出，该论文介绍了Transformer模型。Transformer模型使用自注意力机制（self-attention）和完全基于注意力的架构，而不再依赖于RNNs（循环神经网络）。

在此之前，RNNs，特别是LSTM（长短时记忆网络）和GRU（门控循环单元），在处理序列数据（如自然语言处理任务）方面是主流。然而，RNNs固有的顺序计算特性限制了并行化能力，导致训练速度较慢。

Transformer模型通过引入多头自注意力机制和前馈神经网络的组合，能够并行处理序列中的所有位置。这种方法不仅提高了训练效率，还在多个任务上实现了更好的性能。

因此，正确答案是D: 2017。